牛牛做数论(转化,质数)

Linking


题目:

定义 H ( x ) = ϕ ( x ) x H(x) = \frac{ϕ(x)}{x} H(x)=xϕ(x) ϕ ( x ) ϕ(x) ϕ(x) 表示欧拉函数。
摘自牛客

思路:

有公式: φ ( x ) = x ∗ ∏ ( 1 − 1 p i ) φ(x) = x*∏(1 − \frac{1}{p_i}) φ(x)=x(1pi1),那么 H ( x ) = ∏ ( 1 − 1 p i ) H(x) = ∏(1 − \frac{1}{p_i}) H(x)=(1pi1)

于是题目转化为:
求 [2, n] 中的一个数x,满足其 ∏(1-1/pi) 是所有数中的最小的。如果有多个数,输出最小一个。
满足其 ∏(1-1/pi) 是所有数中的最大的。如果有多个数,输出最大一个。

  • (1 - 1/pi) 是小于 1 的,所以越乘越小,而且越往后,这个值越大。 所以为了使其乘积最小,就尽量用前面小的,尽量多的乘。
    为了满足这些数是x的质因数,那么x就可以用这些质因数相乘来确定,乘到不超过n。
  • (1 - 1/pi) 越往后越大,而如果两个小于 1 的数相乘势必比这两个都小,所以就直接用最大的一个。
    那么就是只有一个最大的不超过n的质因子,那么 x 便就是这个质因子。
    从n一直递减,判断是不是质数。(可能因为两个质数之间没隔太远,所以直接遍历就行)

Code:

const int N = 200010, mod = 1e9+7;
int T, n, m, k; 
int a[N], prim[N], f[N];
int cnt;

void Prim() //这里用不了多少质数相乘就会超过1e9了,直接列也行
{
	m = 100010;
	for(int i=2;i<=m;i++)
	{
		if(!f[i]) prim[++cnt]=i;
		for(int j=1;prim[j]<=m/i;j++)
		{
			f[prim[j]*i] = 1;
			if(prim[j] % i == 0) break;
		}
	}
}

bool isP(int x)
{
	if(x==0 || x==1) return 0;
	for(int i=2;i<=x/i;i++)
	{
		if(x%i==0) return 0;
	}
	return 1;
}

signed main(){
	Ios;
	
	Prim();
	
	cin>>T;
	while(T--)
	{
		cin>>n;
		
		if(n==1){
			cout<<-1<<endl;continue;
		}
		
		int x = 1;
		for(int i=1;i;i++)
		{
			if(x * prim[i] <= n) x*=prim[i];
			else break;
		}
		cout << x << " ";
		
		while(!isP(n)) n--;
		cout << n << endl;
	}
	
	return 0;
}
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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