hdu 4046 Panda

本文针对HDU4046 Panda问题提供了解决方案,利用线段树进行区间修改和查询,实现对特定字符串模式的计数与更新。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

为什么这样就过了,比赛的时候怎么改都WA了,我只不过把条件改得更严格一点,把多余的判断去掉而已;

hdu 4046 Panda

题意:给你一个字符串,由'w' 和 'b' 组成,对该字符串有俩个操作,

当输入为0时,询问该区间[a,b] 内有多少个串 为 "wbw";

当输入为0时,将下标为k的字符改为输入的字符;

注意:这里的a,b,k表示的都是字符串的下标,也就是取值范围为[0,n-1];

分析:

对这种区间修改或询问的题目,首先想到的就是线段树或者树状数组了,不过还是线段树熟悉一点,我用线段树做的 ,关键还是构造模型,区间内每一个点的值表示的是什么?

我是这样表示的,每一个点表示的是以该下标结束的长度为3的子串是否为"wbw",若是,则等于1,否则等于0,保存在数组a[]中。

所以,当进行区间询问时,对[a,b]的询问则应该改为对区间[a+2,b],当然这里对a+2,和b的大小还是要讨论的;

当进行点修改时,则可能要修改三个点,因为改动一个字符时,会影响到三个长度为3的子串,所以有可能进行三次修改(之前在这里对条件的判断似乎不太严格,一直WA);

这样问题就解决了;

#include<iostream>
#include<string>
#define maxn 50010
#define lson l , m , rt << 1
#define rson m + 1 , r , rt << 1 | 1
using namespace std;
int sum[maxn*4];
char str[maxn];
int a[maxn];
void PushUP(int rt) {
	sum[rt] = sum[rt<<1] + sum[rt<<1|1];
}
void build(int l,int r,int rt) {
	if (l == r) {
		sum[rt]=a[l];
		return ;
	}
	int m = (l + r) >> 1;
	build(lson);
	build(rson);
	PushUP(rt);
}

void update(int p,int add,int l,int r,int rt) {
	if (l == r) {
		sum[rt] = add;
		return ;
	}
	int m = (l + r) >> 1;
	if (p <= m) update(p , add , lson);
	else update(p , add , rson);
	PushUP(rt);
}
int query(int L,int R,int l,int r,int rt) 
{
	if (L <= l && r <= R) {
		return sum[rt];
	}
	int m = (l + r) >> 1;
	int ret = 0;
	if (L <= m) ret += query(L , R , lson);
	if (R > m) ret += query(L , R , rson);
	return ret;
}
int main()
{
	int cas,T=0,n,m,r,l,c;
	char st;
	scanf("%d",&cas);
	while(cas--)
	{
		scanf("%d %d",&n,&m);
		scanf("%s",str);
		memset(a,0,sizeof(a));
		printf("Case %d:\n",++T);
		for(int i=2;i<n;i++)//标记以该下标结尾的长度为3的子串是否符合要求
		{
			if(str[i]!='w')
				a[i]=0;
			else if(str[i-1]=='b'&&str[i-2]=='w')
				a[i]=1;
		}
		build(0,n,1);
		while(m--)
		{
			scanf("%d",&c);
			if(c==0)
			{
				scanf("%d %d",&l,&r);
				 l+=2;
				if(l>r) printf("0\n");
				else 
				printf("%d\n",query(l,r,0,n,1));
			}
			else 
			{
				scanf("%d %c",&l,&st);
				if(str[l]==st)//若要就该的字符跟原先相同,则不用修改了
					continue;
				str[l]=st;
				if(l>=2&&str[l-2]=='w'&&str[l-1]=='b'&&str[l]=='w')
				{
					if(a[l]==0)//若改之前是不符合要求的串,则更新
						update(l,1,0,n,1);
					a[l]=1;
				}
				else if(l>=2&&a[l]==1)//若改之前是符合要求的串,则更新
				{
					update(l,0,0,n,1);
					a[l]=0;
				}
				if(l>=1&&str[l]=='b'&&str[l-1]=='w'&&str[l+1]=='w')
				{
					if(a[l+1]==0)
						update(l+1,1,0,n,1);
					a[l+1]=1;
				}
				else if(l<n-1&&l>=1&&a[l+1]==1) a[l+1]=0,update(l+1,0,0,n,1);
				if(str[l]=='w'&&str[l+1]=='b'&&str[l+2]=='w')
				{
					if(a[l+2]==0)
						update(l+2,1,0,n,1);
					a[l+2]=1;
				}
				else if(l<n-2&&a[l+2]==1) a[l+2]=0,update(l+2,0,0,n,1);
			}
		}
	}
	return 0;
}

转载于:https://www.cnblogs.com/nanke/archive/2011/09/19/2181362.html

内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
评论
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