当前位置: 首页 > article >正文

最大数(信息学奥赛一本通- P1549)(洛谷-P1198)

【题目描述】原题来自JSOI 2008给定一个正整数数列 a1,a2,a3,⋯,an 每一个数都在 0∼p–1 之间。可以对这列数进行两种操作添加操作向序列后添加一个数序列长度变成 n1询问操作询问这个序列中最后 L 个数中最大的数是多少。程序运行的最开始整数序列为空。写一个程序读入操作的序列并输出询问操作的答案。【输入】第一行有两个正整数 m,p意义如题目描述接下来 m 行每一行表示一个操作。如果该行的内容是 Q L则表示这个操作是询问序列中最后 L 个数的最大数是多少如果是 A t则表示向序列后面加一个数加入的数是 (ta)modp。其中t 是输入的参数a 是在这个添加操作之前最后一个询问操作的答案如果之前没有询问操作则 a0。第一个操作一定是添加操作。对于询问操作L0 且不超过当前序列的长度。【输出】对于每一个询问操作输出一行。该行只有一个数即序列中最后 L 个数的最大数。【输入样例】10 100 A 97 Q 1 Q 1 A 17 Q 2 A 63 Q 1 Q 1 Q 3 A 99【输出样例】97 97 97 60 60 97【提示】样例说明最后的序列是 97,14,60,96。数据范围与提示对于全部数据1≤m≤2×10^5,1≤p≤2×10^9,0≤tp。一、 题目分析本题要求我们维护一个初始为空的序列并支持两种极高频率的操作添加操作 (A t)在序列末尾追加一个数该数的值与上一次查询的结果有关强制在线。询问操作 (Q L)查询当前序列中最后L个数的最大值。数据规模操作总数M≤2×10^5数字大小p≤2×10^9。 面对20万次的动态修改和区间查询暴力的O(N)扫描必将导致超时。我们需要一种能在O(logN)时间内完成修改和查询的数据结构——线段树。二、 思考过程化动态为静态同学们刚开始看到这道题最大的疑惑往往是“序列一开始是空的长度在不断增加我该怎么建线段树”如果每次添加数字都去动态改变线段树的管辖范围例如让根节点从管辖[1,1]变成管辖[1,2]会导致线段树在计算中点mid(lr)/2时发生偏移原本存好的底层数据会彻底“串槽”丢失。破局核心动态化静态 题目给出了一个极其关键的隐藏条件操作总数 M≤200000。这意味着无论怎么添加最终序列的长度绝对不会超过 200000。因此我们可以直接在内存中建一棵管辖范围死死固定为[1, 200000]的大线段树。一开始这栋20万个房间的大楼是空的我们维护一个全局变量cnt记录当前有几个数每来一个新数字就相当于让它住进大楼的第cnt个房间单点修改。三、 解题思路与算法设计理清了“固定地基”的概念算法设计就水到渠成了核心数据结构维护区间最大值的线段树。由于只是在尾部追加数字不涉及区间大面积修改所以不需要懒标记Lazy Tag。添加操作 (A)序列长度增加cnt。计算真实值x(ta)%p。执行单点修改在线段树中将第cnt个位置的值更新为x。查询操作 (Q)题目要求求“最后L个数”的最大值。既然当前共有cnt个数那么最后L个数对应的绝对区间就是[cnt-L1,cnt]。直接调用线段树的区间求最大值查询即可并将结果存入变量a中以备后用。四、 时空复杂度分析时间复杂度无需额外建树因为初始全为0。单次添加单点修改O(logM)。单次询问区间查询O(logM)。总时间复杂度O(MlogM)在 20 万的数据规模下耗时通常在几十毫秒内极其高效。空间复杂度线段树需要开最大容量的4倍空间O(4×M)完全在题目限制范围内。五、 易错总结地址错乱初学线段树同学极易出错 在执行update和query时根节点的右边界必须传入固定的最大容量n即操作总数M绝不能传入当前的元素个数cnt。线段树的管辖边界一旦确定一寸都不能动。数据溢出 计算(ta)%p时由于t和a都可能高达2×10^9两个int相加会瞬间撑爆导致变成负数。必须将t和a定义为long long。变量遮蔽 如果全局定义了操作次数m在递归函数中计算中点时切忌再写int m(lr)1;这会触发变量遮蔽。养成良好的工程习惯中点统一使用mid。六、完整代码//单点修改 区间求最值 线段树 #include iostream #include algorithm//对应min max函数 using namespace std; const int maxn200010;//序列元素可能出现的最大个数 int m,p; int cnt;//代表现在序列中实际有多少个数 //线段树节点封装 struct node{ long long val;//节点所所代表区间最大值 }tree[maxn2];//线段树要开四倍最大元素大小 //向上更新 把左儿子和右儿子中的最大值给到父节点 void pushup(int rt){ tree[rt].valmax(tree[rt1].val,tree[rt1|1].val); } //一开始序列为空所以更新操作替代建树操作 //原序列第K个数增加x 当前节点为rt 节点所管辖区间[l,r] void update(int k,long long x,int l,int r,int rt){ //当递归到叶子节点叶子节点区间最大值就是自己 if(lr){ tree[rt].valx; return; } int mid(lr)1; //如果k在当前节点管辖区间左半区间 递归左子树 if(kmid) update(k,x,l,mid,rt1); //如果k在当前节点管辖区间右半区间 递归右子树 else update(k,x,mid1,r,rt1|1); //最后通过左儿子和右儿子更新当前节点 pushup(rt); } //查询[L,R]区间的最大值当前节点为rt //rt所带代表区间为[l,r] long long query(int L,int R,int l,int r,int rt){ //当查询区间覆盖当前节点所管辖区间时 //直接返回当前节点所管辖区间的最大值 if(LlRr){ return tree[rt].val; } //当查询区间和当前节点所管辖区间无重叠时 //返回个不影响求最大值的极小值0不会影响结果 if(Lr||Rl) return 0; int mid(lr)1; //ans记录最大值 long long ans0; //当与左子树有重合递归查询左子树的最大值 if(Lmid) ansmax(ans,query(L,R,l,mid,rt1)); //当与右子树有重合递归查询右子树的最大值 if(Rmid) ansmax(ans,query(L,R,mid1,r,rt1|1)); return ans; } int main(){ ios::sync_with_stdio(false); cin.tie(0); cinmp; int nm;//存储最多可能有多个数 //第一个操作一定是添加操作之前没有询问操作 //所以a0 long long a0; //总共有m次操作 while(m--){ char flag; cinflag; if(flagA){//加数 long long t; cint; long long x1ll*(ta)%p; cnt;//序列中增加了一个数字 update(cnt,x,1,n,1); } else{//询问序列中最后L个数的最大数是多少 int L; cinL; //最后L个数所表示区间为[cnt-L1,cnt] aquery(cnt-L1,cnt,1,n,1); couta\n; } } return 0; }

相关文章:

最大数(信息学奥赛一本通- P1549)(洛谷-P1198)

【题目描述】原题来自:JSOI 2008给定一个正整数数列 a1,a2,a3,⋯,an ,每一个数都在 0∼p–1 之间。可以对这列数进行两种操作:添加操作:向序列后添加一个数,序列长度变成 n1;询问操作:询问这个序…...

CTFHub—Web题目解题合集1(超详细)

目录一. HTTP协议(web前置技能)1. 请求方式题解小知识2. 302跳转3. Cookie题目解法二. 信息泄露2.1 备份文件下载1. 网站源码2. bak文件题目题解小知识3. vim缓存题目小知识题解4. DS_Store题目小知识题解2.2 Git泄露1. Log题目小知识(GitHack与dirsearc…...

Qwen3-ForcedAligner-0.6B生产环境:支持日均1000+分钟音频批处理任务

Qwen3-ForcedAligner-0.6B生产环境:支持日均1000分钟音频批处理任务 1. 项目概述 Qwen3-ForcedAligner-0.6B是一款基于阿里巴巴先进语音识别技术开发的本地化智能语音转录工具。该工具采用双模型架构设计,集成了Qwen3-ASR-1.7B语音识别模型和ForcedAli…...

ChatClient 全家桶保姆级博客讲解

最近 Spring AI 迭代很快,从原来的 ChatModel 转向了更易用的 ChatClient API。如果你看到这串名词:ChatClient、default、Options、Functions、Tools、System&User、Advisors,肯定会说好多名词啊。不急,慢慢来。一、先搞懂&a…...

我花了 3 小时吃透:Spring AI 核心三剑客 ChatModel、Prompt、ChatResponse 到底怎么用?

你在学习 Spring AI 的时候,肯定遇到过这三个类:ChatModel、Prompt、ChatResponse看着眼熟,却总搞不清谁负责干嘛、代码里为啥要这么写?接下来就是我的理解。一、先搞懂:这三个东西是什么关系?在开始写代码…...

如何快速打造微信风格视频编辑功能?推荐开源神器WeiXinRecordedDemo

如何快速打造微信风格视频编辑功能?推荐开源神器WeiXinRecordedDemo 【免费下载链接】WeiXinRecordedDemo 仿微信视频拍摄UI, 基于ffmpeg的视频录制编辑 项目地址: https://gitcode.com/gh_mirrors/we/WeiXinRecordedDemo WeiXinRecordedDemo是一款基于FFmpe…...

飞书文档到Markdown的突破性转换技术:feishu2md架构深度解析

飞书文档到Markdown的突破性转换技术:feishu2md架构深度解析 【免费下载链接】feishu2md 一键命令下载飞书文档为 Markdown 项目地址: https://gitcode.com/gh_mirrors/fe/feishu2md 在当今企业协作环境中,飞书文档已成为团队知识沉淀的核心载体&…...

雀魂AI助手Akagi:5分钟搭建你的专属麻将教练

雀魂AI助手Akagi:5分钟搭建你的专属麻将教练 【免费下载链接】Akagi A helper client for Majsoul 项目地址: https://gitcode.com/gh_mirrors/ak/Akagi 你是否曾在雀魂游戏中面对复杂牌局不知所措?是否想提升麻将技巧却苦于没有专业指导&#xf…...

深入剖析大数据领域数据分片的优缺点

深入剖析大数据领域数据分片的优缺点 关键词:数据分片、大数据架构、分片策略、水平扩展、分布式系统 摘要:在大数据时代,单台服务器已无法承载海量数据的存储与计算需求,数据分片(Sharding)作为分布式系统…...

OpenClaw安全防护配置:Qwen3.5-9B任务执行边界与权限控制

OpenClaw安全防护配置:Qwen3.5-9B任务执行边界与权限控制 1. 为什么需要安全防护? 当我第一次在本地部署OpenClaw时,最让我不安的是这个AI助手拥有和我一样的系统权限。它能读写我的文件、发送邮件、甚至执行终端命令——这种能力就像把家门…...

交易数据一致性保障:大数据环境下的挑战

交易数据一致性保障:大数据环境下的挑战 1. 引入与连接:数字世界的"货币守卫" 想象一下:当你在电商平台下单支付后,银行显示扣款成功,但商家却显示支付失败;或者在股票交易中,你看到的股价与实际成交价格存在差异。这些看似微小的数据不一致,可能导致企业声…...

3分钟快速上手!Balena Etcher终极镜像烧录工具完全指南

3分钟快速上手!Balena Etcher终极镜像烧录工具完全指南 【免费下载链接】etcher Flash OS images to SD cards & USB drives, safely and easily. 项目地址: https://gitcode.com/GitHub_Trending/et/etcher Balena Etcher是一款革命性的跨平台镜像烧录工…...

提示工程架构师实战手册:2025年基于最新趋势的AI项目设计指南

提示工程架构师实战手册:2025年基于最新趋势的AI项目设计指南 1. 引入与连接:从“写Prompt”到“设计提示系统”的认知跃迁 1.1 一个真实的AI项目痛点 2024年底,某头部电商公司的智能客服项目陷入瓶颈: 用户发“这件衣服洗了会缩水…...

OpenCore 辅助工具(OCAT):跨平台开源配置工具的零基础上手指南

OpenCore 辅助工具(OCAT):跨平台开源配置工具的零基础上手指南 【免费下载链接】OCAuxiliaryTools Cross-platform GUI management tools for OpenCore(OCAT) 项目地址: https://gitcode.com/gh_mirrors/oc/OCAuxili…...

OpenClaw语音交互:nanobot对接Whisper实现声控任务触发

OpenClaw语音交互:nanobot对接Whisper实现声控任务触发 1. 为什么需要语音交互能力 作为一个长期使用OpenClaw进行个人工作流自动化的用户,我一直在思考如何让这个工具更加"无感"地融入日常。键盘输入固然高效,但在某些场景下——…...

Qwen3.5-4B-Claude-Opus行业落地:高校编程教学辅助与算法解题思路生成

Qwen3.5-4B-Claude-Opus行业落地:高校编程教学辅助与算法解题思路生成 1. 模型介绍与教育场景适配性 Qwen3.5-4B-Claude-4.6-Opus-Reasoning-Distilled-GGUF是一个专为推理任务优化的轻量级AI模型,特别适合教育领域的应用场景。该模型基于Qwen3.5-4B架…...

毕业论文神器 2026 降AI率平台推荐:工具对比+最好用AI推荐

2026年真正好用的AI论文降重与改写工具,核心看降重效果、去AI味、格式保留、学术适配四大指标。综合实测,千笔AI、ThouPen、豆包、DeepSeek、Grammarly 是当前最值得推荐的梯队,覆盖从免费到付费、从中文到英文、从文科到理工的全场景需求。 …...

浏览器自动化:OpenClaw+GLM-4.7-Flash爬取数据并生成报告

浏览器自动化:OpenClawGLM-4.7-Flash爬取数据并生成报告 1. 为什么选择OpenClaw做浏览器自动化? 去年我接手了一个每周都要重复的数据分析任务:登录内部系统导出销售数据,清洗后生成可视化报告。这种机械劳动不仅耗时&#xff0…...

STM32模拟Linux内核自动初始化机制实现

STM32模拟Linux内核自动初始化机制实现1. 项目概述1.1 技术背景在传统嵌入式开发中,程序通常按照顺序逻辑执行,当系统复杂度增加时会导致代码臃肿、模块耦合紧密。Linux内核通过initcall机制实现了模块化初始化,本项目在STM32平台上模拟实现了…...

LeetDown完全指南:系统降级功能解决A6/A7设备用户的卡顿痛点

LeetDown完全指南:系统降级功能解决A6/A7设备用户的卡顿痛点 【免费下载链接】LeetDown a GUI macOS Downgrade Tool for A6 and A7 iDevices 项目地址: https://gitcode.com/gh_mirrors/le/LeetDown LeetDown是一款专为macOS设计的图形化降级工具&#xff0…...

PyTorch 2.8镜像多场景落地:在线教育平台个性化习题生成引擎部署

PyTorch 2.8镜像多场景落地:在线教育平台个性化习题生成引擎部署 1. 教育行业的AI转型机遇 在线教育行业正面临个性化学习的迫切需求。传统题库系统存在内容同质化、更新成本高、难以匹配学生个体差异等问题。基于PyTorch 2.8构建的个性化习题生成引擎&#xff0c…...

Nginx反向代理实战:不改代码轻松解决前后端跨域问题(附完整配置模板)

Nginx反向代理实战:不改代码轻松解决前后端跨域问题(附完整配置模板) 前后端分离架构已成为现代Web开发的主流模式,但随之而来的跨域问题却让不少开发者头疼。想象一下这样的场景:你的前端运行在https://frontend.com&…...

AnythingtoRealCharacters2511效果展示:动漫角色真人化案例

AnythingtoRealCharacters2511效果展示:动漫角色真人化案例 你有没有想过,如果自己喜欢的动漫角色真的出现在现实世界里,会是什么样子?不是那种粗糙的3D建模,也不是简单的滤镜叠加,而是看起来就像用专业相…...

深度解析DiffSinger:基于扩散模型的AI歌声合成技术革命

深度解析DiffSinger:基于扩散模型的AI歌声合成技术革命 【免费下载链接】DiffSinger 项目地址: https://gitcode.com/gh_mirrors/dif/DiffSinger 在当今AI音乐创作领域,DiffSinger歌声合成技术正引领着一场声音生成的技术革命。这个由OpenVPI维护…...

SEO_避开这些常见SEO误区,你的排名才能快速上升

<h2>SEO误区&#xff1a;为什么你的网站排名不上升</h2> <p>在当前竞争激烈的互联网环境中&#xff0c;搜索引擎优化&#xff08;SEO&#xff09;是提升网站排名的关键。很多人在进行SEO优化时却常常犯下一些常见的SEO误区。这些误区不仅会让你的排名停滞不前…...

Spring AI:Spring生态的AI工程框架全面解析

Spring AI&#xff1a;Spring生态的AI工程框架全面解析 【免费下载链接】spring-ai An Application Framework for AI Engineering 项目地址: https://gitcode.com/GitHub_Trending/spr/spring-ai Spring AI是Spring生态系统中的AI工程框架&#xff0c;为Java开发者提供…...

HunyuanVideo-Foley 社区贡献指南:如何提交Prompt案例与优化建议

HunyuanVideo-Foley 社区贡献指南&#xff1a;如何提交Prompt案例与优化建议 1. 为什么你的贡献很重要 开源项目的生命力来自社区的共同参与。HunyuanVideo-Foley作为一款专注于音效生成的AI模型&#xff0c;其效果提升离不开用户的实际使用反馈和创意贡献。你的每一次Prompt…...

SEO_快速提升流量的五个SEO关键操作步骤

<h3 id"seoseo">SEO:快速提升流量的五个SEO关键操作步骤</h3> <p>在数字化时代&#xff0c;网站的流量直接影响着企业的市场竞争力。如何让你的网站在搜索引擎上排名靠前&#xff0c;吸引更多的访客&#xff0c;这是每个网站运营者都面临的重要课题…...

为什么90%的Python项目误用SM9?——基于NIST SP 800-56A rev3与GB/T 38635.2的合规性性能审计清单

第一章&#xff1a;SM9密码算法的合规性认知误区与审计必要性在国产密码应用推广过程中&#xff0c;SM9标识密码体系常被误认为“天然合规”——仅因列入《GB/T 38635.1—2020 信息安全技术 SM9标识密码算法 第1部分&#xff1a;总则》即等同于满足等保2.0、密评及《商用密码管…...

如何快速掌握扩散模型:PyTorch实现的终极指南

如何快速掌握扩散模型&#xff1a;PyTorch实现的终极指南 【免费下载链接】Diffusion-Models-pytorch Pytorch implementation of Diffusion Models (https://arxiv.org/pdf/2006.11239.pdf) 项目地址: https://gitcode.com/gh_mirrors/di/Diffusion-Models-pytorch 想要…...