这里有一个利用 “虚拟偏移” 技巧来高效解决此问题的方案，它能将每次操作的时间复杂度降至 O(1)。

🔄 关键思路：虚拟偏移

直接模拟循环右移操作（尤其是当 n 和 q 很大时）非常耗时。关键在于认识到：

1. 循环右移 k 位 🔁 等效于序列的起始位置在底层数组中向左移动 k 位。
2. 我们只需维护一个偏移量 shift 🧭，它记录当前序列第一个元素在原始数组中的实际索引。
3. 所有操作都基于这个 shift 进行坐标转换，无需实际移动数组元素。

🧮 坐标转换与总和更新

• 初始状态：shift = 0，当前总和 total_sum 为所有元素之和。
• 处理指令：
  1. 循环右移 k 位 (2 k)：
     • 更新偏移量：shift = (shift - k + n) % n。 这里 (shift - k + n) % n 是为了处理负数取模问题，确保结果为非负。
  2. 替换元素 (1 i x)：
     • 计算原始数组中的实际索引：real_index = (shift + i - 1) % n。 这里 i-1 是因为题目中位置 i 是从1开始的。
     • 更新总和：total_sum = total_sum - a[real_index] + x。
     • 更新数组：a[real_index] = x。

📝 示例演示

以样例为例，初始数组 a = [4, 1, 2, 1, 5, 3]，n=6，total_sum=16，shift=0。

1. 指令 2 3 (右移3位)：
   • shift = (0 - 3 + 6) % 6 = 3
   • 输出 total_sum (16)
2. 指令 1 3 10 (将新序列第3位改为10)：
   • 实际索引 real_index = (3 + 3 - 1) % 6 = 5
   • 更新总和 total_sum = 16 - a[5] + 10 = 16 - 3 + 10 = 23，a[5] = 10
   • 输出 23

🖥️ 代码实现

以下是基于上述思路的 Python 代码：

n = int(input())
a = list(map(int, input().split()))
q = int(input())
shift = 0
total_sum = sum(a)

for _ in range(q):
    operation = list(map(int, input().split()))
    if operation[0] == 2:  # 循环右移
        k = operation[1]
        shift = (shift - k + n) % n
        print(total_sum)
    else:  # 替换元素
        i, x = operation[1], operation[2]
        pos = (shift + i - 1) % n
        total_sum += x - a[pos]
        a[pos] = x
        print(total_sum)

💎 总结

这道题的核心在于避免直接操作大规模数据，而是通过维护偏移量并进行坐标转换来间接完成。这种“虚拟偏移”的技巧在处理循环数组问题时非常实用。