描述

一般來說，我們采用針孔相機模型，也就是認為它用到的是小孔成像原理。

在相機坐標系下，一般來說，我們用到的單位長度，不是“米”這樣的國際單位，而是相鄰像素的長度。而焦距在相機坐標系中的大小，是在圖像處理領域的一個非常重要的物理量。

假設我們已經根據相機參數，得到鏡頭的物理焦距大小(focal length)，和相機膠片的寬度(CCD width)，以及照片的橫向分辨率(image width)，則具體計算公式為：

Focal length in pixels = (image width in pixels) * (focal length on earth) / (CCD width on earth)

比如說對于Canon PowerShot S100, 帶入公式得

Focal length in pixels = 1600 pixels * 5.4mm / 5.27mm = 1639.49 pixels

現在，請您寫一段通用的程序，來求解焦距在相機坐標系中的大小。

輸入

多組測試數據。首先是一個正整數T，表示測試數據的組數。

每組測試數據占一行，分別為

鏡頭的物理焦距大小(focal length on earth)

相機膠片的寬度(CCD width on earth)

照片的橫向分辨率大小(image width in pixels)，單位為px。

之間用一個空格分隔。

輸出

每組數據輸出一行，格式為“Case X: Ypx”。 X為測試數據的編號，從1開始；Y為焦距在相機坐標系中的大小(focallength in pixels)，保留小數點后2位有效數字，四舍五入取整。

數據范圍

對于小數據：focal length on earth和CCD width on earth單位都是毫米(mm)

對于大數據：長度單位還可能為米(m), 分米(dm), 厘米(cm), 毫米(mm), 微米(um)，納米(nm)

2
5.4mm 5.27mm 1600px
5400um 0.00527m 1600px

Case 1: 1639.47px
Case 2: 1639.47px

描述

有一個N個節點的樹，其中點1是根。初始點權值都是0。

一個節點的深度定義為其父節點的深度+1,。特別的，根節點的深度定義為1。

現在需要支持一系列以下操作：給節點u的子樹中，深度在l和r之間的節點的權值（這里的深度依然從整個樹的根節點開始計算），都加上一個數delta。

問完成所有操作后，各節點的權值是多少。

為了減少巨大輸出帶來的開銷，假設完成所有操作后，各節點的權值是answer[1..N]，請你按照如下方式計算出一個Hash值（請選擇合適的數據類型，注意避免溢出的情況）。最終只需要輸出這個Hash值即可。

MOD =1000000007; // 10^9 + 7

MAGIC= 12347;

Hash =0;

For i= 1 to N do

? ?Hash = (Hash * MAGIC + answer[i]) mod MOD;

EndFor

輸入

第一行一個整數T (1 ≤ T ≤ 5)，表示數據組數。

接下來是T組輸入數據，測試數據之間沒有空行。

每組數據格式如下：

第一行一個整數N (1 ≤ N ≤ 105)，表示樹的節點總數。

接下來N - 1行，每行1個數，a (1 ≤ a ≤ N)，依次表示2..N節點的父親節點的編號。

接下來一個整數Q(1 ≤ Q ≤ 105)，表示操作總數。

接下來Q行，每行4個整數，u, l, r, delta (1 ≤ u ≤ N, 1 ≤ l ≤ r ≤ N, -109?≤ delta ≤ 109)，代表一次操作。

輸出

對每組數據，先輸出一行“Case x:?”，x表示是第幾組數據，然后接這組數據答案的Hash值。

數據范圍

小數據：1 ≤ N, Q ≤ 1000

大數據：1 ≤ N, Q ≤ 105

樣例解釋

點1的子樹中有1,2,3三個節點。其中深度在2-3之間的是點2和點3。

點2的子樹中有2,3兩個節點。其中沒有深度為1的節點。

所以，執行完所有操作之后，只有2,3兩點的權值增加了1。即答案是0 1 1。再計算對應的Hash值即可。

1
3
1
2
2
1 2 3 1
2 1 1 1

Case 1: 12348