2023NOIP A层联测32 T4 红楼 ~ Eastern Dream

根号分治加分块。

Ps:分块后面真的用的多。

思路

考虑根号分治,将 \(x\) 分为 \(x \leq \sqrt n\) 的情况和 \(x>\sqrt n\) 的情况。

\(x \leq \sqrt n\)

由于这一部分较小,如果在线段上暴力添加肯定会超时。

先设 \(f_{x,i}\) 表示模 \(x\) 等于 \(i\) 的数加的值,这个值可以每次暴力维护,时间 \(O(\sqrt n)\)。

再维护一个 \(f_x\) 的前缀和,也是 \(O(\sqrt n)\)。

每次查询时,枚举 \(x\),求 \([l,r]\) 中有几个 \(x\) 余数的整段。

对于整段,可以直接乘求贡献;对于区间前后的零散段,可以通过前缀和求贡献。

这一部分的维护和查询均 \(O(\sqrt n)\)。

\(x>\sqrt n\)

对于修改操作,直接去暴力跳原数列上的 \(\frac{n}{x}\) 段去区间修改,对于一段使用线段树可以达到 \(\log n\) 的效果,但是有最多 \(\sqrt n\) 段,所以说没一段必须要 \(O(1)\) 修改,而查询可以支持 \(O(\sqrt n)\)。

不难想到可以分块,对于整数段可以直接加上一个值,对于零散块可以差分。由于每一段最多访问 \(2\) 次,所以复杂度可以保证在 \(O(\sqrt n)\)。

总结一下,对于 \(x \leq \sqrt n\) 的情况,更改维护 \(f_x\) 的前缀和,查询直接暴力加查询区间的值。

对于 \(x>\sqrt n\) 的情况,使用分块维护更改,查询也直接加查询区间内的块就 OK。

时间复杂度 \(O(m\sqrt n)\)。

CODE

#include<bits/stdc++.h>
using namespace std; #define ll long long const int maxn=2e5+5,maxm=1000; int n,m,block,a[maxn],L[maxn],R[maxn]; ll sum[maxm],c[maxn],pub[maxn],f[maxm][maxm],fs[maxm][maxm];
namespace IO{
#define BF_SIZE 100000
bool IOerr=0;
inline char nc(){
static char buf[BF_SIZE],*p1=buf+BF_SIZE,*pend=buf+BF_SIZE;
if(p1==pend){
p1=buf;
pend=buf+fread(buf,1,BF_SIZE,stdin);
if(pend==p1){IOerr=1;return -1;}
}
return *p1++;
}
inline bool bla(char ch){return ch==' '||ch=='\n'||ch=='\r'||ch=='\t';}
inline void Rd(int &x){
char ch;
while(bla(ch=nc()));
if(IOerr){return;}
for(x=ch-'0';(ch=nc())>='0'&&ch<='9';x=x*10+ch-'0');
}
inline void Rd(ll&x){
char ch;
while(bla(ch=nc()));
if(IOerr){return;}
for(x=ch-'0';(ch=nc())>='0'&&ch<='9';x=x*10+ch-'0');
}
#undef BF_SIZE
};
inline void write(ll X)
{
if(X<0) {X=~(X-1); putchar('-');}
if(X>9) write(X/10);
putchar(X%10+'0');
} inline void ycl()
{
for(int i=1;i<=n;i++)
{
int id=(i-1)/block;
sum[id]+=a[i];
}
} int main()
{
IO::Rd(n), IO::Rd(m);
block=max((int)sqrt(n/4),1);
for(int i=1;i<=n;i++) IO::Rd(a[i]);
for(int i=0;i<=(n-1)/block;i++) L[i]=block*i+1,R[i]=block*i+block;
ycl();
for(int o=1;o<=m;o++)
{
int op,x,y;
ll k;
IO::Rd(op);IO::Rd(x);IO::Rd(y);
if(op==2)
{
int l=x,r=y;
ll ans=0;
for(int i=1;i<=block;i++)
{
int tl=(l-1)%i,tr=(r-1)%i;
int ml=(l-1)/i,mr=(r-1)/i;
if(ml==mr) ans+=fs[i][tr+1]-fs[i][tl];
else
{
ans+=(mr-ml-1)*fs[i][i];
ans+=fs[i][i]-fs[i][tl];
ans+=fs[i][tr+1];
}
}
int idl=(l-1)/block,idr=(r-1)/block;
if(idl==idr)
{
ll cj=0;
for(int i=L[idl];i<l;i++) cj+=c[i];
for(int i=l;i<=r;i++)
{
cj+=c[i];
ans+=cj+pub[idl]+a[i];
}
}
else
{
ll cj=0;
for(int i=L[idl];i<l;i++) cj+=c[i];
for(int i=l;i<=R[idl];i++)
{
cj+=c[i];
ans+=cj+pub[idl]+a[i];
}
for(int i=idl+1;i<idr;i++) ans+=sum[i];
cj=0;
for(int i=L[idr];i<=r;i++)
{
cj+=c[i];
ans+=cj+pub[idr]+a[i];
}
}
write(ans);
putchar('\n');
continue;
}
IO::Rd(k);
y=min(y,x-1);
if(x<=block)
{
for(int i=1;i<=y+1;i++) f[x][i]+=k;
for(int i=1;i<=x;i++) fs[x][i]=fs[x][i-1]+f[x][i];
}
else
{
for(int i=1;i<=n;i+=x)
{
int l=i,r=i+y;
r=min(r,n);
int idl=(l-1)/block,idr=(r-1)/block;
if(idl==idr)
{
c[l]+=k;
if(r<min((int)R[idl],n)) c[r+1]-=k;
sum[idl]+=(r-l+1)*k;
}
else
{
c[l]+=k;
sum[idl]+=(R[idl]-l+1)*k;
for(int i=idl+1;i<idr;i++)
{
pub[i]+=k;
sum[i]+=k*block;
}
c[L[idr]]+=k;
sum[idr]+=(r-(L[idr])+1)*k;
if(r<min((int)R[idr],n)) c[r+1]-=k;
}
}
}
}
}

2023NOIP A层联测32 T4 红楼 ~ Eastern Dream的更多相关文章

  1. sql server CDC报错:超出存储过程、函数、触发器的最大嵌套层数(最大层为32)

     sys.sp_MScdc_capture_job   RAISERROR(22801, 10, -1)      --原本 go sys.sp_MScdc_capture_job; go --修改后 ...

  2. 使用T4模板生成代码的学习

    之前做项目使用的都是Db First,直接在项目中添加Entity Framework,使用T4模板(T4模板引擎之基础入门)生成DAL BLL层等(T4模板是一个同事给的,也没有仔细研究,代码如下: ...

  3. 使 IIS 6.0 可以在 64 位 Windows 上运行 32 位应用程序 试图加载格式不正确的程序。

    原文 使 IIS 6.0 可以在 64 位 Windows 上运行 32 位应用程序 试图加载格式不正确的程序. win7 64位操作系统上边运行IIS网站应用的时候,提示错误"试图加载格式 ...

  4. 经典网络LeNet5看卷积神经网络各层的维度变化

    本文介绍以下几个CNN经典模型:Lenet(1986年).Alexnet(2012年).GoogleNet(2014年).VGG(2014年).Deep Residual Learning(2015年 ...

  5. Python数据分析之Pandas操作大全

    从头到尾都是手码的,文中的所有示例也都是在Pycharm中运行过的,自己整理笔记的最大好处在于可以按照自己的思路来构建矿建,等到将来在需要的时候能够以最快的速度看懂并应用=_= 注:为方便表述,本章设 ...

  6. Fully Convolutional Networks for semantic Segmentation(深度学习经典论文翻译)

    摘要 卷积网络在特征分层领域是非常强大的视觉模型.我们证明了经过端到端.像素到像素训练的卷积网络超过语义分割中最先进的技术.我们的核心观点是建立"全卷积"网络,输入任意尺寸,经过有 ...

  7. CNN & RNN 及一些常识知识(不断扩充中)

    参考: http://blog.csdn.net/iamrichardwhite/article/details/51089199 一.神经网络的发展历史 五六十年代,提出感知机 八十年代,提出多层感 ...

  8. Deep Learning(深度学习)学习笔记整理

    申明:本文非笔者原创,原文转载自:http://www.sigvc.org/bbs/thread-2187-1-3.html 4.2.初级(浅层)特征表示 既然像素级的特征表示方法没有作用,那怎样的表 ...

  9. 基于jquery的表格动态创建,自动绑定,自动获取值

    最近刚加入GUT项目,学习了很多其他同事写的代码,感觉受益匪浅. 在GUT项目中,经常会碰到这样一个问题:动态生成表格,包括从数据库中读取数据,并绑定在表格中,以及从在页面上通过jQuery新增删除表 ...

  10. 【转载】Deep Learning(深度学习)学习笔记整理

    http://blog.csdn.net/zouxy09/article/details/8775360 一.概述 Artificial Intelligence,也就是人工智能,就像长生不老和星际漫 ...

随机推荐

  1. Catlan--卡特兰数--组合数学

    卡特兰数 \(Catlan\) ·赘述 其实发现卡特兰数和之前不同的是,前面的是给你公式,让你去求具体的例子,然而卡特兰数这里是给你大量例子来给你证明和解释什么是卡特兰数. ·定义 对于卡特兰数来说, ...

  2. 甲方扔给两个存在包名与类名均相同的Jar包,要在工程中同时使用怎么办?

    你的项目是否曾遇到过有jar包冲突,而这些冲突的jar包又必须同时存在的情况?一般来说,jar 冲突都是因不同的上层依赖项,自身又依赖了相同 jar 包的不同版本所致,解决办法也都是去除其中一个即可. ...

  3. freertos学习笔记(十一)直接任务通知

    直接任务通知 起源 队列和信号量是实时操作系统的典型功能,而FreeRTOS提供的直接任务通知比队列和信号量更小且速度更快(快45%) 开发人员应优先使用量身定制的功能:直接任务通知.消息缓冲区和流缓 ...

  4. PCSR:已开源,三星提出像素级路由的超分辨率方法 | ECCV 2024

    基于像素级分类器的单图像超分辨率方法(PCSR)是一种针对大图像高效超分辨率的新方法,在像素级别分配计算资源,处理不同的恢复难度,并通过更精细的粒度减少冗余计算.它还在推断过程中提供可调节性,平衡性能 ...

  5. c++11 动态内存与智能指针详解

    c++ 动态内存与智能指针详解 一. 动态内存 (一)程序对象的生存期 全局对象在程序启动时分配,在程序结束时销毁. 对于局部自动对象,当我们进入其定义所在的程序块时被创建,在离开块时销毁. 局部st ...

  6. 工具 – Prettier、ESLint、Stylelint

    前言 以前在 Webpack 学习笔记 有稍微介绍过它们.这篇是单独整理版. 参考 一文彻底读懂ESLint 你的ESLint真的需要Prettier吗? 搞懂eslint和prettier等的关系 ...

  7. 如何使用Java在Word中插入表格

    序言 各位好啊,我是会编程的蜗牛,作为java开发者,有时候需要操作word或者excel.这里面比较常用的框架是POI,我之前用过POI来读写excel,也有用过alibaba easy excel ...

  8. 全网最适合入门的面向对象编程教程:54 Python字符串与序列化-字符串格式化与format方法

    全网最适合入门的面向对象编程教程:54 Python 字符串与序列化-字符串格式化与 format 方法 摘要: 在 Python 中,字符串格式化是将变量插入到字符串中的一种方式,Python 提供 ...

  9. Nuxt.js 应用中的 app:redirected 钩子详解

    title: Nuxt.js 应用中的 app:redirected 钩子详解 date: 2024/10/3 updated: 2024/10/3 author: cmdragon excerpt: ...

  10. 高强度学习训练第七天总结:JVM分配内存机制

    理解JVM内存分配策略 三大原则+担保机制 JVM分配内存机制有三大原则和担保机制 具体如下所示: 优先分配到eden区 大对象,直接进入到老年代 长期存活的对象分配到老年代 空间分配担保 对象优先在 ...