POJ 3468 A Simple Problem with Integers(线段树)

A Simple Problem with Integers

Time Limit: 5000MS Memory Limit: 131072K
Total Submissions: 140849 Accepted: 43682
Case Time Limit: 2000MS

Description

You have N integers, A1, A2, ... , AN. You need to deal with two kinds of operations. One type of operation is to add some given number to each number in a given interval. The other is to ask for the sum of numbers in a given interval.

Input

The first line contains two numbers N and Q. 1 ≤ N,Q ≤ 100000.
The second line contains N numbers, the initial values of A1, A2, ... , AN. -1000000000 ≤ Ai ≤ 1000000000.
Each of the next Q lines represents an operation.
"C a b c" means adding c to each of AaAa+1, ... , Ab. -10000 ≤ c ≤ 10000.
"Q a b" means querying the sum of AaAa+1, ... , Ab.

Output

You need to answer all Q commands in order. One answer in a line.

Sample Input

10 5
1 2 3 4 5 6 7 8 9 10
Q 4 4
Q 1 10
Q 2 4
C 3 6 3
Q 2 4

Sample Output

4
55
9
15

Hint

The sums may exceed the range of 32-bit integers.

题意:

给定Q (1 ≤ Q ≤ 100,000)个数A1,A2 … AQ,, 以及可能多次进行的两个操作:
1)对某个区间Ai … Aj的每个数都加n(n可变) 2) 求某个区间Ai … Aj的数的和

 

此线段树结点存放sum和增量

 

起初创建线段树时,就把每个区间的总和求出了

进行Add()操作时,某些值发生变化,也需要改变nsum和lnc的值,.在找区间的时候,若找到的区间正好覆盖一个节点,就增加它的lnc值,若不是覆盖的点区间,需要继续向下找,但此时的区间值的总和也需要增加,如在(3,6)区间加2,对于(1,4)区间它的总和也需要加(4-3)*2个。

 查询进行sum()操作时,需要将增量往下带的原因时,下面的一部分属于所查范围,要将所查范围的增量增加。。

#include<iostream>
#include<cstdio>
#include<cmath>
using namespace std;
struct node{
    int l;
    int r;
    long long nsum;
    long long nc;
}tree[400010];//叶子结点有n个,那总结点为2n-1
void create(int root,int li,int ri){
    tree[root].l=li;
    tree[root].r=ri;
    tree[root].nsum=0;
    tree[root].nc=0;
    int mid=(tree[root].l+tree[root].r)/2;
    if(li!=ri){
        create(2*root+1,li,mid);
        create(2*root+2,mid+1,ri);
    }
}
void Add(int root,int a1,int a2,int m){
    if(tree[root].l==a1&&tree[root].r==a2){
        tree[root].nc+=m;
        return;
    }
    tree[root].nsum+=m*(a2-a1+1);
    int mid=(tree[root].l+tree[root].r)/2;
    if(a2<=mid)
        Add(2*root+1,a1,a2,m);
    else if(a1>mid)
        Add(2*root+2,a1,a2,m);
    else{
        Add(2*root+1,a1,mid,m);
        Add(2*root+2,mid+1,a2,m);
    }

}
long long Sum(int root,int a1,int a2){//求区间内元素的和
    if(tree[root].l==a1&&tree[root].r==a2){//区间正好覆盖一个结点,此时的该区间的和就为本身的sum值加上各个数的增量值
        return tree[root].nsum+(tree[root].r-tree[root].l+1)*tree[root].nc;
    }
    tree[root].nsum+=tree[root].nc*(tree[root].r-tree[root].l+1);
    int mid=(tree[root].l+tree[root].r)/2;
    Add(2*root+1,tree[root].l,mid,tree[root].nc);
    Add(2*root+2,mid+1,tree[root].r,tree[root].nc);
    tree[root].nc=0;
    if(a2<=mid)
        return Sum(2*root+1,a1,a2);
    else if(a1>mid)
        return Sum(2*root+2,a1,a2);
    else{
        return Sum(2*root+1,a1,mid)+Sum(2*root+2,mid+1,a2);
    }
}
void Insert(int root,int i,int h){
    if(tree[root].l==i&&tree[root].r==i){
        tree[root].nsum=h;
        return;
    }
    tree[root].nsum+=h;
    int mid=(tree[root].l+tree[root].r)/2;
    if(i<=mid)
        Insert(2*root+1,i,h);
    else
        Insert(2*root+2,i,h);
}
int main(){
   int n,q,h;
   char k;
   int a1,a2,m;
   scanf("%d%d",&n,&q);
   create(0,1,n);
   for(int i=1;i<=n;i++){
    scanf("%d",&h);
    Insert(0,i,h);
   }
   for(int i=0;i<q;i++){
    getchar();
    scanf("%c",&k);
    if(k=='Q'){
        scanf("%d%d",&a1,&a2);
        printf("%lld\n",Sum(0,a1,a2));
    }
    else{
        scanf("%d%d%d",&a1,&a2,&m);
        Add(0,a1,a2,m);
    }
   }
}

 

  • 1
    点赞
  • 0
    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
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