Codeforces 1422 F. Boring Queries —— 线段树+主席树,数据大小使用不同方法

本文主要是介绍Codeforces 1422 F. Boring Queries —— 线段树+主席树,数据大小使用不同方法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

This way

题意:

给你n个数,每次问你区间l~r的所有数的lcm

题解:

对于每一种质因子,我们只需要取出幂次最高的一个组成lcm就行了,比如
6,2,8,9
那么2最大是3次,3最大是2次,因此lcm是 2 3 ∗ 3 2 2^3*3^2 2332
同时我们可以知道>sqrt(2e5)的质数的次数最多只有一次。
那么此时我们可以使用主席树来维护一段区间中>sqrt(2e5)的所有不同的质数的积。
然后可以发现<=sqrt(2e5)的质因子只有80+,于是我们可以使用90颗线段树维护区间最大值即可。
但是单纯的线段树时间复杂度过大,同时因为这道题没有操作,可以换成ST表。或者像我这样加个优化:
在这里插入图片描述
表示如果没有这个数就直接返回

#include<bits/stdc++.h>
using namespace std;
#define ll long long
#define G if(++ip==ie)if(fread(ip=buf,1,SZ,stdin))
#pragma GCC optimize(2)
#define ri register int
#define iv inline void
using namespace std;
const int SZ=1<<19;
char buf[SZ],*ie=buf+SZ,*ip=ie-1;
inline int in(){G;while(*ip<'-')G;ri x=*ip&15;G;while(*ip>'-'){x*=10;x+=*ip&15;G;}return x;
}const int N=2e5+5,M=sqrt(N)+1,A=90;
int a[N],cnt,p[N],np[N];
struct Segment_Tree{int mx[N*4];void update(int l,int r,int root,int p,int v){if(l==r){mx[root]=v;return ;}int mid=l+r>>1;if(mid>=p)update(l,mid,root<<1,p,v);elseupdate(mid+1,r,root<<1|1,p,v);mx[root]=max(mx[root<<1],mx[root<<1|1]);}int query(int l,int r,int root,int ql,int qr){if(!mx[root])return 0;if(l>=ql&&r<=qr)return mx[root];int mid=l+r>>1,ans=0;if(mid>=ql)ans=query(l,mid,root<<1,ql,qr);if(mid<qr)ans=max(ans,query(mid+1,r,root<<1|1,ql,qr));return ans;}
}t[A];
ll val[N*30];
int ls[N*30],rs[N*30],rt[N],tot;
const ll mod=1e9+7;
ll qpow(ll a,ll b){ll ans=1;for(;b;b>>=1,a=a*a%mod)if(b&1)ans=ans*a%mod;return ans;}
void update(int l,int r,int root,int last,int p,ll v){val[root]=(val[last]?val[last]*v:v)%mod;ls[root]=ls[last];rs[root]=rs[last];if(l==r)return ;int mid=l+r>>1;if(mid>=p)update(l,mid,ls[root]=++tot,ls[last],p,v);if(mid<p)update(mid+1,r,rs[root]=++tot,rs[last],p,v);
}
ll query(int l,int r,int root,int ql,int qr){if(l>=ql&&r<=qr)return val[root]?val[root]:1;int mid=l+r>>1;ll ans=1;if(mid>=ql)ans=query(l,mid,ls[root],ql,qr);if(mid<qr)ans=ans*query(mid+1,r,rs[root],ql,qr)%mod;return ans;
}
int pre[N];
int main()
{for(int i=2;i<M;i++){if(!np[i]){p[++cnt]=i;for(int j=i*i;j<M;j+=i)np[j]=1;}}//printf("%d\n",cnt);int n;n=in();for(int i=1;i<=n;i++){a[i]=in();int x=a[i];for(int j=1;j<=cnt;j++){if(x==1)break;int num=0;if(x%p[j]==0){while(x%p[j]==0)x/=p[j],num++;t[j].update(1,n,1,i,num);}}if(x!=1){update(1,n,rt[i]=++tot,rt[i-1],i,x);if(pre[x]){int now=++tot;update(1,n,now,rt[i],pre[x],qpow(x,mod-2));rt[i]=now;}pre[x]=i;}else rt[i]=rt[i-1];}int q;q=in();ll ls=0;while(q--){int l,r;l=in(),r=in();l=(ls+l)%n+1,r=(ls+r)%n+1;if(l>r)swap(l,r);ll ans=1;for(int i=1;i<=cnt;i++)ans=ans*qpow(p[i],t[i].query(1,n,1,l,r))%mod;ll v=query(1,n,rt[r],l,r);v=max(v,1ll);ans=ans*v%mod;ls=ans;printf("%lld\n",ans);}return 0;
}

这篇关于Codeforces 1422 F. Boring Queries —— 线段树+主席树,数据大小使用不同方法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/881082

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传