BZOJ 3211 花神游历各国 ( 线段树区间开根号

题意:

两个操作

1 区间开根号
2 区间求和

题解:

考虑到取模的性质,一个数 顶多被操作不超过1010次就会变成11 标记一下 即可 保证复杂度为O(nlogn)

#include <bits/stdc++.h>

using namespace std;

#define ll long long 
#define pb push_back
#define ls o<<1
#define rs o<<1|1
#define fi first
#define se second
#define CLR(a, b) memset(a, (b), sizeof(a))
const ll INF = 0x3f3f3f3f;
const ll mod = 1e9+7;
const ll MAXN = 2e5+10;

void F() {
    //ios::sync_with_stdio(false);
    #ifndef ONLINE_JUDGE
        freopen("in.txt", "r", stdin);
        freopen("out.txt", "w", stdout);
    #endif
}
ll arr[MAXN];
struct node {
    ll l,r;
    ll x; bool v;
}t[MAXN<<2];
inline void push_up(ll o) {
    t[o].x=t[ls].x+t[rs].x;
    t[o].v=t[ls].v&t[rs].v;
}
inline void build(ll l,ll r, ll o) {
    t[o].l=l,t[o].r=r,t[o].v=false;
    if(l==r) {
        t[o].x=arr[l]; return;
    }
    ll mid = (l+r)>>1;
    build(l,mid,ls); build(mid+1,r,rs);
    push_up(o);
}
inline void update(ll l,ll r,ll o) {
    if(t[o].v) return;
    if(t[o].l==t[o].r){
        t[o].x = (ll)floor(sqrt(t[o].x));
        if(t[o].x<=1) t[o].v=true;
        return;
    }
    ll mid = (t[o].l+t[o].r)>>1;
    if(r<=mid) update(l,r,ls);
    else if(l>mid) update(l,r,rs);
    else {
        update(l,mid,ls);update(mid+1,r,rs);
    }
    push_up(o);
}
inline ll query(ll l,ll r,ll o) {
    if(t[o].l>=l&&t[o].r<=r) return t[o].x;
    ll ans = 0;
    ll mid=(t[o].l+t[o].r)>>1;
    if(r<=mid) ans+=query(l,r,ls);
    else if(l>mid) ans+=query(l,r,rs);
    else {
        ans+=query(l,mid,ls); ans+=query(mid+1,r,rs);
    }
    return ans;
}
int main() {
    F();
    ll n, m;
    scanf("%lld",&n);
    for(ll i=1;i<=n;++i){
        scanf("%lld",&arr[i]);
    }
    build(1,n,1);
    scanf("%lld",&m);
    while(m--){
        ll op,l,r;
        scanf("%lld%lld%lld",&op,&l,&r);
        if(op==1) printf("%lld\n",query(l,r,1));
        else update(l,r,1);
    }
    return 0;
}
内容概要:本文是一份针对2025年中国企业品牌传播环境撰写的《全网媒体发稿白皮书》,聚焦企业媒体发稿的策略制定、渠道选择与效果评估难题。通过分析当前企业面临的资源分散、内容同质、效果难量化等核心痛点,系统性地介绍了新闻媒体、央媒、地方官媒和自媒体四大渠道的特点与适用场景,并深度融合“传声港”AI驱动的新媒体平台能力,提出“策略+工具+落地”的一体化解决方案。白皮书详细阐述了传声港在资源整合、AI智能匹配、舆情监测、合规审核及全链路效果追踪方面的技术优势,构建了涵盖曝光、互动、转化与品牌影响力的多维评估体系,并通过快消、科技、零售等行业的实战案例验证其有效性。最后,提出了按企业发展阶段和营销节点定制的媒体组合策略,强调本土化传播与政府关系协同的重要性,助力企业实现品牌声量与实际转化的双重增长。; 适合人群:企业市场部负责人、品牌方管理者、公关传播从业者及从事数字营销的相关人员,尤其适用于初创期至成熟期不同发展阶段的企业决策者。; 使用场景及目标:①帮助企业科学制定媒体发稿策略,优化预算分配;②解决渠道对接繁琐、投放不精准、效果不可衡量等问题;③指导企业在重大营销节点(如春节、双11)展高效传播;④提升品牌权威性、区域渗透力与危机应对能力; 阅读建议:建议结合自身企业所处阶段和发展目标,参考文中提供的“传声港服务组合”与“预算分配建议”进行策略匹配,同时重视AI工具在投放、监测与优化中的实际应用,定期复盘数据以实现持续迭代。
先展示下效果 https://pan.quark.cn/s/987bb7a43dd9 VeighNa - By Traders, For Traders, AI-Powered. Want to read this in english ? Go here VeighNa是一套基于Python的源量化交易系统发框架,在源社区持续不断的贡献下一步步成长为多功能量化交易平台,自发布以来已经积累了众多来自金融机构或相关领域的用户,包括私募基金、证券公司、期货公司等。 在使用VeighNa进行二次发(策略、模块等)的过程中有任何疑问,请查看VeighNa项目文档,如果无法解决请前往官方社区论坛的【提问求助】板块寻求帮助,也欢迎在【经验分享】板块分享你的使用心得! 想要获取更多关于VeighNa的资讯信息? 请扫描下方二维码添加小助手加入【VeighNa社区交流微信群】: AI-Powered VeighNa发布十周年之际正式推出4.0版本,重磅新增面向AI量化策略的vnpy.alpha模块,为专业量化交易员提供一站式多因子机器学习(ML)策略发、投研和实盘交易解决方案: :bar_chart: dataset:因子特征工程 * 专为ML算法训练优化设计,支持高效批量特征计算与处理 * 内置丰富的因子特征表达式计算引擎,实现快速一键生成训练数据 * Alpha 158:源于微软Qlib项目的股票市场特征集合,涵盖K线形态、价格趋势、时序波动等多维度量化因子 :bulb: model:预测模型训练 * 提供标准化的ML模型发模板,大幅简化模型构建与训练流程 * 统一API接口设计,支持无缝切换不同算法进行性能对比测试 * 集成多种主流机器学习算法: * Lass...
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