Codeforces Round #752 (Div. 2) D. Moderate Modular Mode(数学)

D. Moderate Modular Mode

在这里插入图片描述
题目大意:
给定两个数, x , y x,y xy,求出一个数 n n n使得 n m o d x = y m o d n n mod x = y mod n nmodx=ymodn.

思路:
显然我们对于 x x x y y y的大小可以进行一个初步的限定。

x x x大于 y y y时,为了满足条件,我们可以直接让 n n n mod x x x 的值为 y y y,即此时直接输出 x + y x + y x+y

x x x等于 y y y时,直接输出 x x x即可。

难点就在第三种情况,当 x x x小于 y y y时,如何进行构造,求出答案。

首先我们要思考答案所处的范围

首先答案n肯定不能小于x,若 n n n小于 x x x,那么说此时 n m o d x = n n mod x = n nmodx=n,而 y m o d n ymodn ymodn所得的数一定是小于n的,显然答案不在此区间。

其次n肯定不大于y,假设 n n n大于 y y y,此时 x x x小于 y y y,那么说 n m o d x = h < x n mod x = h < x nmodx=h<x,而 y m o d n = y y mod n = y ymodn=yy一定大于h,即 n n n也不在此区间。

所以说答案n一定存在于x,y之间。那么我们的答案,应该是x的h倍又余上一个数k,而恰好 y y y与这个数取模也能得到这个余数 k k k,显然我们可以从 y y y中一定能找到一个数 p = y − y m o d x p=y-ymodx p=yymodx p p p一定是 x x x h h h倍,那么我们就只需要找出这个特定的余数即可。这个余数怎么找?前面几句话提到,这个答案一定小于y那么说明我们在进行 y m o d n ymodn ymodn这个操作的结果时实际上是进行了减法操作,得出的结果是 y − n = k y - n = k yn=k,即我们最后的余数为 y m o d x 2 \frac{y mod x}{2} 2ymodx,那么我们的答案也就是 p + k p + k p+k

#define _CRT_SECURE_NO_WARNINGS
#include<bits/stdc++.h>
#include<iostream>
#include<map>
using namespace std;
const int N = 1e6 + 10;
typedef long long ll;
typedef pair<int, int> pii;
const int mod = 998244353;
int a[N];
map<int, int>mp;
int main()
{
	int t;
	cin >> t;
	while (t--)
	{
		ll x, y;
		cin >> x >> y;
		if (x > y) {
			cout << x * y + y << endl;
		}
		else if (x == y) {
			cout << x << endl;	
		}
		else {
			if (y % x == 0) {
				cout << y << endl;
			}
			else {
				cout << y - y % x / 2 << endl;
			}
		}
	}

}
//                            _ooOoo_
//                           o8888888o
//                           88" . "88
//                           (| -_- |)
//                           O\  =  /O
//                        ____/`---'\____
//                      .'  \|     |//  `.
//                     /  \|||  :  |||//  \
//                    /  _||||| -:- |||||-  \
//                    |   | \\  -  /// |   |
//                    | \_|  ''\---/''  |   |
//                    \  .-\__  `-`  ___/-. /
//                  ___`. .'  /--.--\  `. . __
//               ."" '<  `.___\_<|>_/___.'  >'"".
//              | | :  `- \`.;`\ _ /`;.`/ - ` : | |
//              \  \ `-.   \_ __\ /__ _/   .-` /  /
//         ======`-.____`-.___\_____/___.-`____.-'======
//                            `=---='
//        ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
//
//             Buddha blesses the code with no bugs



  • 2
    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