当前位置: 首页 > news >正文

欧洲做塑料交易网站/舆情分析

欧洲做塑料交易网站,舆情分析,一般网站的优缺点,西安哪里可以做公司网站题目大意 小 C C C有一个括号序列 A A A,其长度为 m m m,且序列元素只包含左右括号。他想生成一个无限长的括号序列 B B B,由于 B B B的长度为正无穷,所以其下标可以为任意整数(可以为负)。为了由 A A A生…

题目大意

C C C有一个括号序列 A A A,其长度为 m m m,且序列元素只包含左右括号。他想生成一个无限长的括号序列 B B B,由于 B B B的长度为正无穷,所以其下标可以为任意整数(可以为负)。为了由 A A A生成 B B B,小 C C C采用如下方式:

{ b i = a i , 0 ≤ i < n b i = b i − n , i ≥ n b i = b i + n , i < 0 \begin{cases} b_i=a_i,\qquad 0\leq i<n \\ b_i=b_{i-n},\quad \ i\geq n \\ b_i=b_{i+n},\quad \ i<0 \end{cases} bi=ai,0i<nbi=bin, inbi=bi+n, i<0

无聊的小 C C C还打算以序列 B B B为基础生成无穷个长度为正无穷的括号序列,我们定义 B k B^k Bk代表第 k k k个无穷序列, B 0 = B B^0=B B0=B。对于任意 k ≥ 1 k\geq 1 k1,由 B k − 1 B^{k-1} Bk1生成 B k B^k Bk的方式如下:

{ b i k = b i + 1 k − 1 , b i k − 1 = ‘ ( ’ b i k = b i − 1 k − 1 , b i k − 1 = ‘ ) ’ \begin{cases} b_i^k=b_{i+1}^{k-1}, \quad b_i^{k-1}=‘(’ \\ b_i^k=b_{i-1}^{k-1}, \quad b_i^{k-1}=‘)’ \end{cases} {bik=bi+1k1,bik1=(bik=bi1k1,bik1=)

最后,小 C C C q q q次询问,每次询问给定的 k , l , r k,l,r k,l,r,求有多少个左括号存在于无穷括号序列 B k B^k Bk中下标位于 [ l , r ] [l,r] [l,r]的元素中。

T T T组数据。

1 ≤ n , q ≤ 1 0 5 , 0 ≤ k ≤ 1 0 9 , − 1 0 9 ≤ l ≤ r ≤ 1 0 9 , 1 ≤ T ≤ 10 1\leq n,q\leq 10^5,0\leq k\leq 10^9,-10^9\leq l\leq r\leq 10^9,1\leq T\leq 10 1n,q105,0k109,109lr109,1T10

时间限制 3000 m s 3000ms 3000ms,空间限制 512 M B 512MB 512MB


题解

f ( k , i ) f(k,i) f(k,i)表示 B k B^k Bk中第 i i i个左括号的下标( i i i可以为 0 0 0甚至负数),设 g ( k , p ) g(k,p) g(k,p)表示满足 f ( k , i ) ≤ p f(k,i)\leq p f(k,i)p的最大的 i i i,则区间 [ l , r ] [l,r] [l,r]里的左括号的总数为 g ( k , r ) − g ( k , l − 1 ) g(k,r)-g(k,l-1) g(k,r)g(k,l1) g g g的值可以用二分求出。

因为我们只关心 g g g的差值,所以第 0 0 0个左括号的位置对应那个左括号其实是可以任意指定的。方便起见,我们把括号序列 A A A中的第一个左括号设为第 0 0 0个左括号。

下面考虑 f ( k , i ) f(k,i) f(k,i)的转移式:

  • 如果 f ( k − 1 , i ) f(k-1,i) f(k1,i)的下一个字符为右括号,因为 ( ) () ()会变成 ) ( )( )(,所以 f ( k , i ) = f ( k − 1 , i ) + 1 f(k,i)=f(k-1,i)+1 f(k,i)=f(k1,i)+1
  • 如果 f ( k − 1 , i ) f(k-1,i) f(k1,i)的下一个字符为右括号,因为 ( ( (( ((会变成 ( ∗ (* (,所以 f ( k , i ) = f ( k − 1 , i + 1 ) − 1 f(k,i)=f(k-1,i+1)-1 f(k,i)=f(k1,i+1)1

那么,转移式为

f ( k , i ) = min ⁡ { f ( k − 1 , i ) + 1 , f ( k − 1 , i + 1 ) − 1 } f(k,i)=\min\{f(k-1,i)+1,f(k-1,i+1)-1\} f(k,i)=min{f(k1,i)+1,f(k1,i+1)1}

假设 f ( k , i ) f(k,i) f(k,i)是从 f ( 0 , j ) f(0,j) f(0,j)转移过来的,那么第一维从 0 0 0走到 k k k的过程中, min ⁡ \min min中的第二项恰好选了 j − i j-i ji次,第一项恰好选了 k − ( j − i ) k-(j-i) k(ji)次,所以转移式还可以写为

f ( k , i ) = min ⁡ i ≤ j ≤ i + k { f ( 0 , j ) + k − 2 ( j − i ) } f(k,i)=\min\limits_{i\leq j\leq i+k}\{f(0,j)+k-2(j-i)\} f(k,i)=iji+kmin{f(0,j)+k2(ji)}

可以看出决策区间的大小为 k k k。设括号序列 A A A中,左括号的数量为 m m m,我们先分析 k ≤ m k\leq m km时如何求解。

F ( j ) = f ( 0 , j ) − 2 j F(j)=f(0,j)-2j F(j)=f(0,j)2j,注意到 f ( 0 , j + m ) − f ( 0 , j ) = n f(0,j+m)-f(0,j)=n f(0,j+m)f(0,j)=n,则有

F ( j + t ) = F ( j % m + t ) + ( n − 2 m ) × ⌊ j m ⌋ F(j+t)=F(j\% m+t)+(n-2m)\times \lfloor\dfrac jm\rfloor F(j+t)=F(j%m+t)+(n2m)×mj

其中 t t t是任意非负整数。我们可以用 R M Q RMQ RMQ来预处理 F ( 0 ) F(0) F(0) F ( 2 m − 1 ) F(2m-1) F(2m1),然后把 [ i , i + k ] [i,i+k] [i,i+k]映射到 [ i % m , i % m + k ] [i\%m,i\%m+k] [i%m,i%m+k]求最小值即可。

接下来分析一下 k k k比较大的解法。讨论 n − 2 × m n-2\times m n2×m的值:

  • 如果 n − 2 × m ≥ 0 n-2\times m\geq 0 n2×m0,说明 F ( j + m ) ≥ f ( j ) F(j+m)\geq f(j) F(j+m)f(j),因此最小值只存在于 i ≤ j < i + m i\leq j<i+m ij<i+m这个范围中
  • 如果 n − 2 × m < 0 n-2\times m<0 n2×m<0,说明 F ( j + m ) < f ( j ) F(j+m)<f(j) F(j+m)<f(j),因此最小值只存在于 i + k − m < j ≤ i + k i+k-m<j\leq i+k i+km<ji+k这个范围中

这样,我们就把区间长度缩小到了 m m m,通过与上面类似的方法,用 R M Q RMQ RMQ求最小值即可。

时间复杂度为 O ( ∑ ( n log ⁡ n + q log ⁡ v ) ) O(\sum(n\log n+q\log v)) O((nlogn+qlogv)),其中 v v v表示 l , r l,r l,r的值域。

可以参考代码帮助理解。

卡常小技巧

如果你 TLE \text{TLE} TLE的话,可以参考一下下面这些卡常小技巧:

  • 加上快读
  • 在将当前区间映射在 [ 0 , 2 m − 1 ] [0,2m-1] [0,2m1]上时,因为 i i i有可能为负数,所以会需要用 ( i % m + m ) % m (i\%m+m)\%m (i%m+m)%m,这样模了两次,会比较慢,所以当 i < 0 i<0 i<0时我们可以改为 ( i + i n f × m ) % m (i+inf\times m)\%m (i+inf×m)%m,其中 i n f inf inf是一个很大的数,来保证 i + i n f × m ≥ 0 i+inf\times m\geq 0 i+inf×m0;如果 i ≥ 0 i\geq 0 i0,则直接用 i % m i\% m i%m。这样就都只需要模一次了,可以快不少
  • 在求 S T ST ST表的时候,对二维数组要先枚举行再枚举列,参考这篇博客,这样也可以快很多

code

#include<bits/stdc++.h>
#define rg register
using namespace std;
const int N=100000;
const long long inf=1e9;
int T,n,m,q,lg[2*N+5],f[2*N+5],st[2*N+5][20];
char s[N+5];
int rd(){int t=0,fl=1;char ch=getchar();while(ch<'0'||ch>'9'){if(ch=='-') fl=-1;ch=getchar();}while(ch>='0'&&ch<='9'){t=t*10+ch-'0';ch=getchar();}return t*fl;
}
void init(){lg[0]=-1;for(rg int i=1;i<=2*N;i++) lg[i]=lg[i/2]+1;
}
void solve(){for(rg int i=0;i<m;i++) f[i+m]=f[i]+n;for(rg int i=0;i<2*m;i++) st[i][0]=f[i]-2*i;for(rg int j=1;j<=17;j++){for(rg int i=0;i+(1<<j)-1<2*m;i++){st[i][j]=min(st[i][j-1],st[i+(1<<j-1)][j-1]);}}
}
int findst(int l,int r){int k=lg[r-l+1];return min(st[l][k],st[r-(1<<k)+1][k]);
}
int sv(int x,int mod){if(x>=0) return x%mod;return (x+inf*mod)%mod;
}
int find(int k,int x){if(k<=m){int md=sv(x,m),tmp=(x-md)/m;return findst(md,md+k)+(n-2*m)*tmp+k+2*x;}else if(n-2*m>=0){int md=sv(x,m),tmp=(x-md)/m;return findst(md,md+m-1)+(n-2*m)*tmp+k+2*x;}else{int md=sv(x+k-m,m),tmp=(x+k-m-md)/m;return findst(md+1,md+m)+(n-2*m)*tmp+k+2*x;}
}
int gt(int k,int x){int l=-inf,r=inf,mid;while(l<=r){mid=l+r>>1;if(find(k,mid)<=x) l=mid+1;else r=mid-1;}return l-1;
}
int main()
{
//	freopen("seq.in","r",stdin);
//	freopen("seq.out","w",stdout);init();T=rd();while(T--){scanf("%s",s);n=strlen(s);m=0;for(rg int i=0;i<n;i++){if(s[i]=='(') f[m++]=i;}q=rd();if(!m){for(rg int i=1,k,l,r;i<=q;i++){k=rd();l=rd();r=rd();printf("0\n");}continue;}solve();for(rg int i=1,k,l,r;i<=q;i++){k=rd();l=rd();r=rd();printf("%d\n",gt(k,r)-gt(k,l-1));}}return 0;
}

相关文章:

NOIP2023模拟6联测27 无穷括号序列

题目大意 小 C C C有一个括号序列 A A A&#xff0c;其长度为 m m m&#xff0c;且序列元素只包含左右括号。他想生成一个无限长的括号序列 B B B&#xff0c;由于 B B B的长度为正无穷&#xff0c;所以其下标可以为任意整数&#xff08;可以为负&#xff09;。为了由 A A A生…...

java spring cloud 工程企业管理软件-综合型项目管理软件-工程系统源码

Java版工程项目管理系统 Spring CloudSpring BootMybatisVueElementUI前后端分离 功能清单如下&#xff1a; 首页 工作台&#xff1a;待办工作、消息通知、预警信息&#xff0c;点击可进入相应的列表 项目进度图表&#xff1a;选择&#xff08;总体或单个&#xff09;项目显示…...

openEuler 22.03 x86架构下docker运行arm等架构的容器——筑梦之路

为什么要这样做&#xff1f; 随着国产化的普及&#xff0c;国家政策对信创产业的支持&#xff0c;尤其一些金融证券行业、政府单位等&#xff0c;逐渐开始走国产化信创的路线&#xff0c;越来越多接触到国产 CPU &#xff08;arm 平台&#xff0c;比如华为的鲲鹏处理器&#xf…...

【Java】HashMap常见的面试题

HashMap常见面试题 1.HashMap key 是否可以是为 我们自定义对象&#xff1f;——可以 2.HashMap 存储数据 有序还是无序&#xff1f;——无序 3.HashMap key 是否可以存放 null值&#xff1f;如果可以的话 存放在 数组中那个位置&#xff1f;——可以;存放在 index0的位置 4.Ha…...

openpnp - src - 配置文件载入过程的初步分析

文章目录 openpnp - src - 配置文件载入过程的初步分析概述笔记自己编译用的git版本报错截图问题1 - 怎么在调试状态下, 定位到抛异常的第一现场?结合单步调试找到的现场, 来分析报错的原因openpnp配置文件读取的流程END openpnp - src - 配置文件载入过程的初步分析 概述 从…...

中国各城市土地利用类型(城市功能)数据集(shp)

中国各城市土地利用类型(城市功能)数据集 时间:2018年 全国范围的城市用地类型数据(居住/商业/交通用地等共计11类) 分类:居住用地、商业用地、工业用地、医疗设施用地、体育文化设施用地、交通场站用地、绿地等用地类型 含城市编码、一级分类5个、二级分类11个 数据按…...

Linux网络编程:数据链路层

目录 一. 数据链路层概述 二. 以太网 2.1 以太网的概念 2.2 以太网数据帧 2.3 对于MAC地址的认识 2.4 数据碰撞问题 三. MTU和MSS 3.1 什么是MTU 3.2 MTU对UDP的影响 3.3 MTU对TCP的影响&#xff08;MSS的概念&#xff09; 四. ARP协议 4.1 ARP协议的作用 4.2 ARP数…...

python 线程 超时时间

python 线程 超时时间_mob649e815f0f18的技术博客_51CTO博客...

LeetCode:274. H 指数、275. H 指数 II(C++)

目录 274. H 指数 题目描述&#xff1a; 实现代码与解析&#xff1a; 排序暴力 275. H 指数 II 题目描述&#xff1a; 实现代码与解析&#xff1a; 二分 比较简单&#xff0c;不再写解析&#xff0c;注意二分的时候&#xff0c;r指针为n&#xff0c;含义为个数&#xf…...

多线程及锁

1.lock锁和synchronized锁的区别。 1&#xff1a;Synchronized 是Java的一个关键字&#xff0c;而Lock是java.util.concurrent.Locks 包下的一个接口&#xff1b; 2&#xff1a;Synchronized 使用过后&#xff0c;会自动释放锁&#xff0c;而Lock需要手动上锁、手动释放锁&am…...

C++ 写一个Data类的注意问题

Data类 声明和定义分离的一些问题 声明里面我们不带缺省参数&#xff0c;定义我们给缺省参数&#xff0c;如下面两段代码&#xff1a; Data.h#pragma once #include<iostream> using namespace std; class Data { public:Data(int year,int month,int day);private:in…...

postman做接口测试

之前搞自动化接口测试&#xff0c;由于接口的特性&#xff0c;要验证接口返回xml中的数据&#xff0c;所以没找到合适的轮子&#xff0c;就自己用requests造了个轮子&#xff0c;用着也还行&#xff0c;不过就是case管理有些麻烦&#xff0c;近几天又回头看了看postman也可以玩…...

hdlbits系列verilog解答(always块)-29

文章目录 一、问题描述二、verilog源码三、仿真结果一、问题描述 由于数字电路由用网线连接的逻辑门组成,因此任何电路都可以表示为模块和赋值语句的某种组合。然而,有时这不是描述电路的最方便方式。过程procedure(其中 always 的块就是一个示例)提供了描述电路的替代语法…...

uniapp实现瀑布流

首先我们要先了解什么是瀑布流&#xff1a; 瀑布流&#xff08;Waterfall Flow&#xff09;是一种常见的网页布局方式&#xff0c;也被称为瀑布式布局或砌砖式布局。它通常用于展示图片、博客文章、商品等多个不同大小和高度的元素。 瀑布流布局的特点是每个元素按照从上到下…...

15. 机器学习 - 支持向量机

Hi, 你好。我是茶桁。 逻辑回归预测心脏病 在本节课开始呢&#xff0c;我给大家一份逻辑回归的练习&#xff0c;利用下面这个数据集做了一次逻辑回归预测心脏病的练习。 本次练习的代码在「茶桁的AI秘籍」在Github上的代码库内&#xff0c;数据集的获取在文末。这样做是因为我…...

如何根据进程号查询服务的端口号

ps -ef | grep nacos ps -ef | grep nacos 命令是用于查找系统中所有包含 "nacos" 关键字的进程。这个命令的含义如下&#xff1a; ps: 这是一个用于显示当前正在运行的进程的命令。 -ef: 这两个选项一起使用&#xff0c;表示显示所有进程的详细信息。 -e 选项表示显…...

2.10、自定义量化优化过程

introduction 如何自定义量化优化过程&#xff0c;以及如何手动调用优化过程 code from typing import Callable, Iterableimport torch import torchvision from ppq import QuantizationSettingFactory, TargetPlatform from ppq.api import (ENABLE_CUDA_KERNEL, Quantiz…...

MySQL如何添加自定义函数

深入MySQL&#xff1a;学习如何添加自定义函数 MySQL 是一种流行的开源关系型数据库管理系统&#xff0c;它支持很多内置函数来完成各种操作。不过有时候这些内置函数无法满足我们的需求&#xff0c;这时候就需要自定义函数了。在 MySQL 中&#xff0c;可以通过编写自定义函数…...

超融合数据库:解锁全场景数据价值的钥匙

前言 近日&#xff0c;四维纵横对外官宣已完成上亿元 B 轮融资。作为超融合数据库理念的提出者&#xff0c;三年来 YMatrix 持续在超融合数据库领域中保持精进与迭代&#xff0c;对于超融合数据库在行业、场景中的应用和理解也更为深刻。 本篇文章&#xff0c;我们将基于 YMa…...

Pap.er for Mac:高清壁纸应用打造你的专属视觉盛宴

在浩瀚的互联网海洋中&#xff0c;你是否曾为寻找一张心仪的高清壁纸而烦恼&#xff1f;或者是在大量的壁纸应用中感到困扰&#xff0c;不知道哪一个能满足你的需求&#xff1f;今天&#xff0c;我要向你介绍的&#xff0c;是一款独特的5K高清壁纸应用——Pap.er for Mac。 Pa…...

AI:46-基于深度学习的垃圾邮件识别

🚀 本文选自专栏:AI领域专栏 从基础到实践,深入了解算法、案例和最新趋势。无论你是初学者还是经验丰富的数据科学家,通过案例和项目实践,掌握核心概念和实用技能。每篇案例都包含代码实例,详细讲解供大家学习。 📌📌📌本专栏包含以下学习方向: 机器学习、深度学…...

【骑行贝丘渔场】一场与海的邂逅,一段难忘的旅程

在这个渐凉的秋日&#xff0c;我们校长骑行队一行人骑着自行车&#xff0c;从大观公园门口出发&#xff0c;开始了一段别开生面的海滩之旅。沿途穿越草海隧道湿地公园、迎海路、海埂公园西门&#xff08;第二集合点&#xff09;、宝丰湿地公园、斗南湿地公园、蓝光城&#xff0…...

消息中间件——RabbitMQ(一)Windows/Linux环境搭建(完整版)

前言 最近在学习消息中间件——RabbitMQ&#xff0c;打算把这个学习过程记录下来。此章主要介绍环境搭建。此次主要是单机搭建&#xff08;条件有限&#xff09;&#xff0c;包括在Windows、Linux环境下的搭建&#xff0c;以及RabbitMQ的监控平台搭建。 环境准备 在搭建Rabb…...

Mysql 表读锁与表写锁

表读锁 加锁&#xff1a;lock table table_name read 释放锁&#xff1a;unlock tables 当事务一用表读锁锁住某张表后&#xff0c; 1.事务一必须释放表读锁才能访问其他表 2.期间事务2可以访问该表&#xff0c;但是修改事会遇到阻塞等待&#xff0c;只有等到事务一释放锁后…...

目标检测概述

1.是什么&#xff1f; 目标检测是计算机视觉领域的核心问题之一&#xff0c;其任务就是找出图像中所有感兴趣的目标&#xff0c;确定他们的类别和位置。由于各类不同物体有不同的外观&#xff0c;姿态&#xff0c;以及不同程度的遮挡&#xff0c;加上成像是光照等因素的干扰&a…...

10月31日星期二今日早报简报微语报早读

10月31日星期二&#xff0c;农历九月十七&#xff0c;早报微语早读分享。 1、广西官宣&#xff1a;做试管婴儿费用可报销&#xff1b; 2、港媒&#xff1a;4名港大学生承认“煽惑他人蓄意伤人罪”&#xff0c;被判监禁2年&#xff1b; 3、331名中国维和官兵全部获联合国勋章…...

【Linux】虚拟机项目部署与发布

目录 一、Linux部署单机项目 1.1 优缺点 1.2 将项目共享到虚拟机 1.3 解压后将war包放入tomcat 1.4 数据库导入脚本 1.5 Tomcat启动项目 二、部署前后端分离项目 2.1 准备工作 2.2 部署SPA项目 2.2.1 nginx反向代理 2.2.2 SPA项目宿主机访问 一、Linux部署单机项目…...

边缘计算技术的崭新篇章:赋能未来智能系统

边缘计算是近年来云计算和物联网技术发展的重要趋势。通过将数据处理和分析从云端迁移到设备边缘&#xff0c;边缘计算能够实现更低的延迟和更高的数据安全。本文将探索边缘计算技术的最新进展及其在不同行业中的应用场景。 1. 实时数据处理与决策 在需要快速响应的场景中&…...

Mac/Linux类虚拟机_CrossOver虚拟机CrossOver 23.6正式发布2024全新功能解析

CodeWeivers 公司于今年 10 月发布了 CrossOver 23.6 测试版&#xff0c;重点添加了对 DirectX 12 支持&#xff0c;从而在 Mac 上更好地模拟运行 Windows 游戏。 该公司今天发布新闻稿&#xff0c;表示正式发布 CrossOver 23 稳定版&#xff0c;在诸多新增功能中&#xff0c;最…...

RabbitMQ 运维 扩展

1、集群管理与配置 1.1、集群搭建 关于Rabbitmq 集群的搭建&#xff0c;详见以下文章。简单说来就是将多个单机rabbitmq服务&#xff0c;通过给到一致的密钥&#xff08;.erlang.cookie&#xff09;并且开放rabbitmq服务的 25672 端口&#xff0c;允许多节点间进行互相通讯&am…...