蓝书(算法竞赛进阶指南)刷题记录——POJ3904 Sky Code(容斥原理)

题目:POJ3904.
题目大意:给定 n n n个数 a i a_i ai,求有多少个四元组 ( w , x , y , z ) (w,x,y,z) (w,x,y,z)满足 g c d ( a w , a x , a y , a z ) = 1 gcd(a_w,a_x,a_y,a_z)=1 gcd(aw,ax,ay,az)=1.
1 ≤ n , a i ≤ 1 0 4 1\leq n,a_i\leq 10^4 1n,ai104.

我容斥果然还是太菜了,这种题都要看题解…

首先 g c d ( a , b , c , d ) = 1 gcd(a,b,c,d)=1 gcd(a,b,c,d)=1不代表两两互质.

考虑把问题转化为用所有四元组的数量 C n 4 C_{n}^{4} Cn4减掉 g c d gcd gcd不为 1 1 1的四元组数量.

考虑如何求出后者,我们统计 c n t [ i ] cnt[i] cnt[i]表示有多少个数是 i i i的倍数,那么有 C c n t [ i ] 4 C_{cnt[i]}^{4} Ccnt[i]4个四元组的 g c d gcd gcd i i i的倍数.

想到这一步就开始考虑容斥,很容易发现 i i i的容斥系数即为Mobius函数 μ ( i ) \mu(i) μ(i),线性筛预处理即可,时间复杂度 O ( n log ⁡ n ) O(n\log n) O(nlogn).

代码如下:

#include<iostream>
#include<cstdio>
#include<algorithm>
  using namespace std;
  
#define Abigail inline void
typedef long long LL;

const int N=10000;

LL C(LL n){return n<4?0:n*(n-1)*(n-2)*(n-3)/24;}

int pr[N+9],tp,b[N+9];
LL mu[N+9];

void sieve(int n){
  for (int i=2;i<=n;++i) b[i]=1;
  mu[1]=1;
  for (int i=2;i<=n;++i){
  	if (b[i]) pr[++tp]=i,mu[i]=-1;
  	for (int j=1;j<=tp&&i*pr[j]<=n;++j){      //把n写成tp调了好久... 
	  b[i*pr[j]]=0;
	  if (i%pr[j]==0){mu[i*pr[j]]=0;break;}
	  mu[i*pr[j]]=-mu[i];
	}
  }
}

int n,mx;
LL c[N+9],cnt[N+9],ans;

Abigail start(){
  sieve(N);
}

Abigail into(){
  int a;
  for (int i=1;i<=n;++i){
    scanf("%d",&a);
    mx=max(mx,a);
    ++cnt[a];
  }
}

Abigail work(){
  for (int i=1;i<=mx;++i)
    for (int j=i;j<=mx;j+=i)
      c[i]+=cnt[j];
  for (int i=1;i<=mx;++i)
    ans+=mu[i]*C(c[i]);
}

Abigail outo(){
  printf("%lld\n",ans);
  for (int i=1;i<=mx;++i)
    cnt[i]=c[i]=0;
  mx=ans=0;
}

int main(){
  start();
  while (~scanf("%d",&n)){
    into();
    work();
    outo();
  }
  return 0;
}
  • 0
    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