算法一
枚举所有区间，用 bitset 维护可以做到 \(O(\frac{n^3}{w})\) ,实际上 \(O(n^3)\) 可过，然而我并没有写这个算法，因为算法二更好写，而且时间复杂度可以过。
预计得分:20pts.
实际得分:20pts.
算法二
离散化之后枚举原来的值和更改后的值，将所有这些值记下来，原来值设为 \(-1\)，更改后设为 \(1\)，取一个最大的区间即可。
令值的数量为 \(m\)，\(cnt_i\) 表示值为 \(i\) 的数的数量。
时间复杂度为 \(O(\sum_{i} \sum_{j,i\neq j} cnt_i+cnt_j) = O(nm)\) 。
完全优于算法一。
预计得分:40pts.
实际得分:40pts.
算法三
这里（可能）显然会用到根号分治。
如果出现次数大于 \(B\) 的，用算法二即可。
如果出现次数小于 \(B\) 的，记 \(g_{i,j}\) 表示 \(g_{i,j}\) 是最小的使得 \([i,g_{i,j}]\) 这个区间里的众数出现次数为 \(j\) 的，这里 \(j<B\) ，只考虑 \(cnt_i<B\)。
这个预处理是简单的。
枚举 \(i,j\) 表示更改区间开始的点和这个更改区间的众数的出现次数，这些众数都更改为 \(a_{i-1}\)。
这样的时间复杂度可以控制在 \(O(nB)\)
最后的时间复杂度为 \(O(\frac{n^2}{B} + nB) = O(n\sqrt n)\)
预计得分:100pts.
实际得分:100pts.