翻转硬币 蓝桥杯 公倍数 思维 前缀和 整数分块 杜教筛 莫比乌斯反演

文章讲述了如何用C++实现一个涉及硬币翻转的数学问题,运用质数和莫比乌斯函数来计算最小操作次数,涉及算法、数学和编程技巧。
摘要由CSDN通过智能技术生成

#include <iostream>
using namespace std;
int a[50000000]; // 0朝上 1朝下
int main()
{
    int n, ans = 0;
    cin >> n;
    a[1] = 1; // 第1个硬币朝下
    for (int i = 1; i <= n; i++)
    {
        if (a[i] == 0)
            continue; // 硬币i朝上 跳过
        ans++;         // 硬币i朝下 翻转1次
        for (int j = i; j <= n; j += i)
        {
            if (a[j] == 0)
                a[j] = 1;
            else
                a[j] = 0; // 硬币i的所有倍数j都翻转
        }
    }
    cout << ans;
    return 0;
}

#include <iostream>
#include <unordered_map>
#include <cmath>

using namespace std;

const int N = 20000010;

using i64 = long long;

int primes[N], cnt; // 存储质数的数组和质数个数
bool st[N]; // 标记是否为质数
int mu[N]; // 莫比乌斯函数值
unordered_map<int, int> ans_mu; // 用于存储已经计算过的莫比乌斯函数值,避免重复计算

void init(int n) {
    mu[1] = 1; // 初始化莫比乌斯函数值为1
    for (int i = 2; i <= n; i++) {
        if (!st[i]) { // 如果i是质数
            primes[cnt++] = i; // 将i存入质数数组
            mu[i] = -1; // 设置莫比乌斯函数值为-1
        }
        for (int j = 0; j < cnt && primes[j] * i <= n; j++) { // 遍历已知质数,计算i的质因数
            int x = primes[j];
            st[i * x] = true; // 标记i*x为合数
            if (i % x == 0) { // 如果i可以被x整除,说明x是i的一个质因数
                break;
            } else {
                mu[i * x] = -mu[i]; // 否则,根据莫比乌斯函数的性质,i*x的莫比乌斯函数值为-mu[i]
            }
        }
    }
    for (int i = 1; i <= n; i++) mu[i] += mu[i - 1]; // 计算前缀和,方便后续计算
}

int sum_mu(int n) {
    if (n <= 20000000) return mu[n]; // 如果n小于等于20000000,直接返回对应的莫比乌斯函数值
    if (ans_mu.count(n)) return ans_mu[n]; // 如果已经计算过n的莫比乌斯函数值,直接返回结果
    i64 res = 1;
    for (i64 l = 2, r; l <= n; l = r + 1) { // 使用整除分块的方法计算莫比乌斯函数值
        r = n / (n / l);
        res -= (r - l + 1) * sum_mu(n / l); // 根据莫比乌斯函数的性质,累加每个分块的贡献
    }
    return ans_mu[n] = res; // 将计算结果存入哈希表中,避免重复计算
}

int main() {
    init(20000000); // 初始化质数表和莫比乌斯函数表
    i64 n;
    cin >> n; // 输入硬币数量n
    i64 res = 0;
    for (i64 l = 1, r; l <= n / l; l = r + 1) { // 遍历所有可能的操作次数
        r = sqrt(n / (n / l / l)); // 计算当前操作次数下,可以翻转的硬币的最大位置
        res += (sum_mu(r) - sum_mu(l - 1)) * (n / (l * l)); // 根据莫比乌斯函数的性质,累加每个操作次数的贡献
    }
    cout << res << '\n'; // 输出最少需要的操作次数
    return 0;
}

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
SQLAlchemy 是一个 SQL 工具包和对象关系映射(ORM)库,用于 Python 编程语言。它提供了一个高级的 SQL 工具和对象关系映射工具,允许开发者以 Python 类和对象的形式操作数据库,而无需编写大量的 SQL 语句。SQLAlchemy 建立在 DBAPI 之上,支持多种数据库后端,如 SQLite, MySQL, PostgreSQL 等。 SQLAlchemy 的核心功能: 对象关系映射(ORM): SQLAlchemy 允许开发者使用 Python 类来表示数据库表,使用类的实例表示表中的行。 开发者可以定义类之间的关系(如一对多、多对多),SQLAlchemy 会自动处理这些关系在数据库中的映射。 通过 ORM,开发者可以像操作 Python 对象一样操作数据库,这大大简化了数据库操作的复杂性。 表达式语言: SQLAlchemy 提供了一个丰富的 SQL 表达式语言,允许开发者以 Python 表达式的方式编写复杂的 SQL 查询。 表达式语言提供了对 SQL 语句的灵活控制,同时保持了代码的可读性和可维护性。 数据库引擎和连接池: SQLAlchemy 支持多种数据库后端,并且为每种后端提供了对应的数据库引擎。 它还提供了连接池管理功能,以优化数据库连接的创建、使用和释放。 会话管理: SQLAlchemy 使用会话(Session)来管理对象的持久化状态。 会话提供了一个工作单元(unit of work)和身份映射(identity map)的概念,使得对象的状态管理和查询更加高效。 事件系统: SQLAlchemy 提供了一个事件系统,允许开发者在 ORM 的各个生命周期阶段插入自定义的钩子函数。 这使得开发者可以在对象加载、修改、删除等操作时执行额外的逻辑。
SQLAlchemy 是一个 SQL 工具包和对象关系映射(ORM)库,用于 Python 编程语言。它提供了一个高级的 SQL 工具和对象关系映射工具,允许开发者以 Python 类和对象的形式操作数据库,而无需编写大量的 SQL 语句。SQLAlchemy 建立在 DBAPI 之上,支持多种数据库后端,如 SQLite, MySQL, PostgreSQL 等。 SQLAlchemy 的核心功能: 对象关系映射(ORM): SQLAlchemy 允许开发者使用 Python 类来表示数据库表,使用类的实例表示表中的行。 开发者可以定义类之间的关系(如一对多、多对多),SQLAlchemy 会自动处理这些关系在数据库中的映射。 通过 ORM,开发者可以像操作 Python 对象一样操作数据库,这大大简化了数据库操作的复杂性。 表达式语言: SQLAlchemy 提供了一个丰富的 SQL 表达式语言,允许开发者以 Python 表达式的方式编写复杂的 SQL 查询。 表达式语言提供了对 SQL 语句的灵活控制,同时保持了代码的可读性和可维护性。 数据库引擎和连接池: SQLAlchemy 支持多种数据库后端,并且为每种后端提供了对应的数据库引擎。 它还提供了连接池管理功能,以优化数据库连接的创建、使用和释放。 会话管理: SQLAlchemy 使用会话(Session)来管理对象的持久化状态。 会话提供了一个工作单元(unit of work)和身份映射(identity map)的概念,使得对象的状态管理和查询更加高效。 事件系统: SQLAlchemy 提供了一个事件系统,允许开发者在 ORM 的各个生命周期阶段插入自定义的钩子函数。 这使得开发者可以在对象加载、修改、删除等操作时执行额外的逻辑。
GeoPandas是一个开源的Python库,旨在简化地理空间数据的处理和分析。它结合了Pandas和Shapely的能力,为Python用户提供了一个强大而灵活的工具来处理地理空间数据。以下是关于GeoPandas的详细介绍: 一、GeoPandas的基本概念 1. 定义 GeoPandas是建立在Pandas和Shapely之上的一个Python库,用于处理和分析地理空间数据。 它扩展了Pandas的DataFrame和Series数据结构,允许在其中存储和操作地理空间几何图形。 2. 核心数据结构 GeoDataFrame:GeoPandas的核心数据结构,是Pandas DataFrame的扩展。它包含一个或多个列,其中至少一列是几何列(geometry column),用于存储地理空间几何图形(如点、线、多边形等)。 GeoSeries:GeoPandas中的另一个重要数据结构,类似于Pandas的Series,但用于存储几何图形序列。 二、GeoPandas的功能特性 1. 读取和写入多种地理空间数据格式 GeoPandas支持读取和写入多种常见的地理空间数据格式,包括Shapefile、GeoJSON、PostGIS、KML等。这使得用户可以轻松地从各种数据源中加载地理空间数据,并将处理后的数据保存为所需的格式。 2. 地理空间几何图形的创建、编辑和分析 GeoPandas允许用户创建、编辑和分析地理空间几何图形,包括点、线、多边形等。它提供了丰富的空间操作函数,如缓冲区分析、交集、并集、差集等,使得用户可以方便地进行地理空间数据分析。 3. 数据可视化 GeoPandas内置了数据可视化功能,可以绘制地理空间数据的地图。用户可以使用matplotlib等库来进一步定制地图的样式和布局。 4. 空间连接和空间索引 GeoPandas支持空间连接操作,可以将两个GeoDataFrame按照空间关系(如相交、包含等)进行连接。此外,它还支持空间索引,可以提高地理空间数据查询的效率。
SQLAlchemy 是一个 SQL 工具包和对象关系映射(ORM)库,用于 Python 编程语言。它提供了一个高级的 SQL 工具和对象关系映射工具,允许开发者以 Python 类和对象的形式操作数据库,而无需编写大量的 SQL 语句。SQLAlchemy 建立在 DBAPI 之上,支持多种数据库后端,如 SQLite, MySQL, PostgreSQL 等。 SQLAlchemy 的核心功能: 对象关系映射(ORM): SQLAlchemy 允许开发者使用 Python 类来表示数据库表,使用类的实例表示表中的行。 开发者可以定义类之间的关系(如一对多、多对多),SQLAlchemy 会自动处理这些关系在数据库中的映射。 通过 ORM,开发者可以像操作 Python 对象一样操作数据库,这大大简化了数据库操作的复杂性。 表达式语言: SQLAlchemy 提供了一个丰富的 SQL 表达式语言,允许开发者以 Python 表达式的方式编写复杂的 SQL 查询。 表达式语言提供了对 SQL 语句的灵活控制,同时保持了代码的可读性和可维护性。 数据库引擎和连接池: SQLAlchemy 支持多种数据库后端,并且为每种后端提供了对应的数据库引擎。 它还提供了连接池管理功能,以优化数据库连接的创建、使用和释放。 会话管理: SQLAlchemy 使用会话(Session)来管理对象的持久化状态。 会话提供了一个工作单元(unit of work)和身份映射(identity map)的概念,使得对象的状态管理和查询更加高效。 事件系统: SQLAlchemy 提供了一个事件系统,允许开发者在 ORM 的各个生命周期阶段插入自定义的钩子函数。 这使得开发者可以在对象加载、修改、删除等操作时执行额外的逻辑。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值