Poj 3468 A Simple Problem with Integers

本文深入探讨了使用懒惰更新思想优化线段树算法的关键点,包括加速求和操作和插入操作的方法。通过增量更新和维护区间总和,作者成功解决了TLE和WA的问题,提供了一个实用的模板。文章详细解释了如何避免朴素算法的不足,并通过多次尝试最终实现了性能优化。

需要lazy思想的线段树

原本都关机睡觉了,来了灵感,双重维护

听说过lazy的想法,实现方式是自己想到的,增量+子区间总和

5Y

3*TLE

1*WA

这个可以当做自己的模板了吧~~

TLE的关键点在于

insert和sum的结束条件都不能是T[w].l==T[w].r这样比O(n)的朴素算法还慢..貌似

想要加快sum,需要维护下段总和

想要加快insert,需要维护区间上统一增量

二者缺一不可

在多次实现中和刷牙+思考终于想出...

满足感满满

#include<stdio.h>
#define LL long long
struct line{
	int l,r;
	LL x,s;
	}T[1<<18];
void build(int s,int t,int w){
	T[w].l=s;T[w].r=t;
	T[w].x=0;T[w].s=0;
	if(s==t)return;
	int mid=(s+t)/2;
	build(s,mid,w*2);
	build(mid+1,t,w*2+1);
	}
void insert(int s,int t,int w,LL val){
	if(T[w].l==s&&T[w].r==t){T[w].x+=val;return;}
	T[w].s+=(t+1-s)*val;
	int mid=(T[w].l+T[w].r)/2;
	if(s>mid)insert(s,t,w*2+1,val);
	else if(t<=mid)insert(s,t,w*2,val);
	else {
		insert(s,mid,w*2,val);
		insert(mid+1,t,w*2+1,val);
		}
	}
LL sum(int s,int t,int w){
	LL tp=(t+1-s)*T[w].x; 
	if(T[w].l==s&&T[w].r==t)return tp+T[w].s;
	int mid=(T[w].l+T[w].r)/2;
	if(s>mid)return tp+sum(s,t,w*2+1);
	else if(t<=mid)return tp+sum(s,t,w*2);
	else {
		return tp+sum(s,mid,w*2)+sum(mid+1,t,w*2+1);
		}	
	}
int main(){
	int N,Q;
	while(scanf("%d%d",&N,&Q)!=EOF){
		build(1,N,1);
		int i,j,s,t;
		LL x;
		char c;
		for(i=1;i<=N;i++){
			scanf("%lld%*c",&x);
			insert(i,i,1,x);
			}
		for(i=1;i<=Q;i++){
			scanf("%c",&c);
			if(c=='Q'){
				scanf("%d %d%*c",&s,&t);
				printf("%lld\n",sum(s,t,1)); 
				continue;
				}
			scanf("%d %d %lld%*c",&s,&t,&x);
			insert(s,t,1,x);
			}
		} 
	return 0;
	}


内容概要:本文为《科技类企业品牌传播白皮书》,系统阐述了新闻媒体发稿、自媒体博主种草与短视频矩阵覆盖三大核心传播策略,并结合“传声港”平台的AI工具与资源整合能力,提出适配科技企业的品牌传播解决方案。文章深入分析科技企业传播的特殊性,包括受众圈层化、技术复杂性与传播通俗性的矛盾、产品生命周期影响及2024-2025年传播新趋势,强调从“技术输出”向“价值引领”的战略升级。针对三种传播方式,分别从适用场景、操作流程、效果评估、成本效益、风险防控等方面提供详尽指南,并通过平台AI能力实现资源智能匹配、内容精准投放与全链路效果追踪,最终构建“信任—种草—曝光”三位一体的传播闭环。; 适合人群:科技类企业品牌与市场负责人、公关传播从业者、数字营销管理者及初创科技公司创始人;具备一定品牌传播基础,关注效果可量化与AI工具赋能的专业人士。; 使用场景及目标:①制定科技产品全生命周期的品牌传播策略;②优化媒体发稿、KOL合作与短视频运营的资源配置与ROI;③借助AI平台实现传播内容的精准触达、效果监测与风险控制;④提升品牌在技术可信度、用户信任与市场影响力方面的综合竞争力。; 阅读建议:建议结合传声港平台的实际工具模块(如AI选媒、达人匹配、数据驾驶舱)进行对照阅读,重点关注各阶段的标准化流程与数据指标基准,将理论策略与平台实操深度融合,推动品牌传播从经验驱动转向数据与工具双驱动。
【3D应力敏感度分析拓扑优化】【基于p-范数全局应力衡量的3D敏感度分析】基于伴随方法的有限元分析和p-范数应力敏感度分析(Matlab代码实现)内容概要:本文档围绕“基于p-范数全局应力衡量的3D应力敏感度分析”展开,介绍了一种结合伴随方法与有限元分析的拓扑优化技术,重点实现了3D结构在应力约束下的敏感度分析。文中详细阐述了p-范数应力聚合方法的理论基础及其在避免局部应力过高的优势,并通过Matlab代码实现完整的数值仿真流程,涵盖有限元建模、灵敏度计算、优化迭代等关键环节,适用于复杂三维结构的轻量化与高强度设计。; 适合人群:具备有限元分析基础、拓扑优化背景及Matlab编程能力的研究生、科研人员或从事结构设计的工程技术人员,尤其适合致力于力学仿真与优化算法开发的专业人士; 使用场景及目标:①应用于航空航天、机械制造、土木工程等领域中对结构强度和重量有高要求的设计优化;②帮助读者深入理解伴随法在应力约束优化中的应用,掌握p-范数法处理全局应力约束的技术细节;③为科研复现、论文写作及工程项目提供可运行的Matlab代码参考与算法验证平台; 阅读建议:建议读者结合文中提到的优化算法原理与Matlab代码同步调试,重点关注敏感度推导与有限元实现的衔接部分,同时推荐使用提供的网盘资源获取完整代码与测试案例,以提升学习效率与实践效果。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值