2018 Multi-University Training Contest hdu 6315 Naive Operations(线段树)

题意

有两个数列a和b,a的初始值为0,b数组是1~n的一个排列,有两个操作: 
1. 将a数组区间[l,r]的每个数+1。 
2. 输出Σa[i]/b[i](l<=i<=r)Σa[i]/b[i](l<=i<=r)。

题解

由于操作数一共10^5,所以对于每一个位置i的贡献,我们顶多更新n/b[i]次,所以总的更新次数是n*log(n),我们通过线段树进行区间所缺数最大值的维护。询问时,假如询问区间内,线段树上当前区间的所缺数最大值>=0,说明需要更新答案,然后找到需要更新的叶子节点进行更新,所以每次更新的复杂度为O(log(n)),因此算法的总复杂度为O(n*logn*logn)。

 

代码

#include<bits/stdc++.h>
#define N 100005
#define P pair<int,int>
using namespace std;
typedef long long ll;
const int M=1e9+7;
const int inf=1e9+7;
int b[N],tree[N*4],rev[N*4],add[N*4];
void pushup(int p)
{
    tree[p]=tree[p<<1]+tree[p<<1|1];
    rev[p]=max(rev[p<<1],rev[p<<1|1]);
}
void pushdown(int p)
{
    if(!add[p])return;
    rev[p<<1]+=add[p];
    rev[p<<1|1]+=add[p];
    add[p<<1]+=add[p];
    add[p<<1|1]+=add[p];
    add[p]=0;
}
void build(int l,int r,int p)
{
    tree[p]=add[p]=0;
    if(l==r){
        rev[p]=-b[l];
        return;
    }
    int mid=l+r>>1;
    build(l,mid,p<<1);
    build(mid+1,r,p<<1|1);
    pushup(p);
}
void update(int l,int r,int p)
{
    if(l==r){
        int t=rev[p]/b[l]+1;
        tree[p]+=t;
        rev[p]-=t*b[l];
        return;
    }
    pushdown(p);
    int mid=l+r>>1;
    if(rev[p<<1]>=0)update(l,mid,p<<1);
    if(rev[p<<1|1]>=0)update(mid+1,r,p<<1|1);
    pushup(p);
}
void update(int l,int r,int L,int R,int p)
{
    if(l<=L&&R<=r){
        add[p]++;
        rev[p]++;
        return;
    }
    pushdown(p);
    int mid=L+R>>1;
    if(l<=mid)update(l,r,L,mid,p<<1);
    if(r>mid)update(l,r,mid+1,R,p<<1|1);
    pushup(p);
}
int query(int l,int r,int L,int R,int p)
{
    if(l<=L&&R<=r){
        if(rev[p]>=0)update(L,R,p);
        return tree[p];
    }
    pushdown(p);
    int mid=L+R>>1;
    int ans=0;
    if(l<=mid)ans+=query(l,r,L,mid,p<<1);
    if(r>mid)ans+=query(l,r,mid+1,R,p<<1|1);
    return ans;
}
int main()
{
    int n,q;
    while(~scanf("%d%d",&n,&q))
    {
        for(int i=1;i<=n;i++)
            scanf("%d",&b[i]);
        build(1,n,1);
        char c[10];
        int l,r;
        while(q--)
        {
            scanf("%s%d%d",c,&l,&r);
            if(c[0]=='a')update(l,r,1,n,1);
            else printf("%d\n",query(l,r,1,n,1));
        }
    }
    return 0;
}

 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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