ACM-ICPC 2018 徐州赛区网络预赛 H - Ryuji doesn't want to study【树状数组】

传送门:传送门

给你一个a数组

定义l~r之前的区间和为:

有两种操作:

1 . 查询l~r之前的区间和

0 . 改变第l个数为r

单点修改区间查询 可以用树状数组和线段树来做,我贴的代码是树状数组的

思路:

首先将数组逆序化, 然后进行一个建立两个树状数组, 一个为 a[i], 一个为 i*a[i],我们要求的区间和为l~r,逆序化后就变成了,(n-r+1)~(n-l+1)之前的区间和,我们要求的式子就可以化成

i*a[i]的(n-r+1)~(n-l+1)的区间和 减去 【n-1+(n-l+1)】(即为l)*a[i]的(n-r+1)~(n-l+1)的区间和.

AC_code:

#include<bits/stdc++.h>
using namespace std;
#define ll long long
#define maxn  100005
ll tree1[maxn], tree2[maxn];
int n, m;
ll a[maxn];
int lowbit(int x) {
	return x&(-x);
}
void creattree1(int x,ll int v) {
	for(int i = x; i <= n; i += lowbit(i)) {
		tree1[i] += v;
	}
	return ;
}
void creattree2(int x, ll v) {
	for(int i = x; i <= n; i+=lowbit(i)) {
		tree2[i] += v;
	}
	return ;

}
ll getsum1(int x) {
	ll ans = 0;
	for(int i = x; i > 0; i -= lowbit(i)) {
		ans += tree1[i];
	}
	return ans;
}
ll getsum2(int x) {
	ll ans = 0;
	for(int i = x; i > 0; i -= lowbit(i)) {
		ans += tree2[i];
	}
	return ans;
}
int main() {
	while(~scanf("%d%d",&n,&m)) {
		memset(tree1,0,sizeof(tree1));
		memset(tree2,0,sizeof(tree2));
		for(int i = n; i > 0; i--) {
			scanf("%lld",&a[i]);
		}
		for(int i = 1; i <= n; i++) {
			creattree1(i,a[i]);
			creattree2(i,i*a[i]);
		}
		for(int i = 0; i < m; i++) {
			int q, l, r;
			scanf("%d%d%d", &q,&l,&r);
			if(q==1) {
				int x = n - r + 1;
				int y = n - l + 1;
				ll ans1 = (getsum1(y) - getsum1(x-1))*(x-1);
				ll ans2 = getsum2(y) - getsum2(x-1);
				ll ans = ans2 - ans1;
				printf("%lld\n",ans);
			} else {
				int z = n - l + 1;
				ll ans = r - a[z];
				a[z] = r;
				creattree1(z, ans);
				creattree2(z, z*ans);
			}
		}
	}
	return 0;
}

 

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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