BZOJ4652 NOI2016循环之美(莫比乌斯反演+杜教筛)

  因为要求数值不同,不妨设gcd(x,y)=1。由提示可以知道,x/y是纯循环小数的充要条件是x·klen=x(mod y)。因为x和y互质,两边同除x,得klen=1(mod y)。那么当且仅当k和y互质,存在len使该式成立。

  于是现在要求的就是

  k是固定的,先不管后面一部分。套路地化式子:

  

  

  

  设f(i)=[i⊥k]。注意到k很小,并且显然有gcd(j,k)=gcd(j%k,k)。于是O(k)的预处理出f的前缀和。

  

  那么几乎已经做到线性了,能拿到84分,感觉非常棒。

  然而要A掉还需要低于线性的做法。看到两个下取整就会特别想整除分块。那么现在我们需要求的是g(i)=μ(i)*[i⊥k]的前缀和。

  继续套路地化:

  

  

  

  注意到若i和d不互质,则μ(id)=0,否则μ(i)·μ(d)=μ(id)。

  

  可以发现后面一个求和和我们的g函数形式上是一样的。于是可以递归求解,记忆化一下。边界k=1时用杜教筛求出μ的前缀和。

  考虑复杂度。上面式子中的n有√N种(⌊N/d⌋的取值个数),k有√K种(K的因子个数)。转移时枚举因子√K种。把μ筛到2e7的话,杜教筛的次数非常少。于是总复杂度约为O(k√n+n2/3),且远远跑不满。

  以上复杂度分析均为口胡。总之O(能过)。

 

#include<iostream> 
#include<cstdio>
#include<cmath>
#include<cstdlib>
#include<cstring>
#include<algorithm>
#include<map>
using namespace std;
int read()
{
    int x=0,f=1;char c=getchar();
    while (c<'0'||c>'9') {if (c=='-') f=-1;c=getchar();}
    while (c>='0'&&c<='9') x=(x<<1)+(x<<3)+(c^48),c=getchar();
    return x*f;
}
#define N 20000010
#define K 2010
int n,m,k,mobius[N],prime[N],sum[K],cnt=0;
long long ans=0;
bool flag[N];
map<int,int> miu;
map<int,int> G[K];
int gcd(int n,int m){return m==0?n:gcd(m,n%m);}
inline int f(int n){return sum[k]*(n/k)+sum[n%k];}
int calc(int k)
{
    if (k<=min(min(n,m),N-10)) return mobius[k];
    if (miu[k]) return miu[k];
    int s=1;
    for (int i=2;i<=k;i++)
    {
        int t=k/(k/i);
        s-=(t-i+1)*calc(k/i);
        i=t;
    }
    miu[k]=s;
    return s;
}
int g(int n,int k)
{
    if (n==0) return 0;
    if (G[k][n]) return G[k][n];
    if (k==1) return calc(n);
    int s=0;
    for (int i=1;i*i<=k;i++)
    if (k%i==0)
    {
        if (mobius[i]-mobius[i-1]) s+=g(n/i,i);
        if (i*i!=k&&(mobius[k/i]-mobius[k/i-1])) s+=g(n/(k/i),k/i);
    }
    G[k][n]=s;
    return s;
}
int main()
{
#ifndef ONLINE_JUDGE
    freopen("bzoj4652.in","r",stdin);
    freopen("bzoj4652.out","w",stdout);
    const char LL[]="%I64d\n";
#else
    const char LL[]="%lld\n";
#endif
    n=read(),m=read(),k=read();
    flag[1]=1;mobius[1]=1;
    for (int i=2;i<=max(min(min(n,m),N-10),k);i++)
    {
        if (!flag[i]) prime[++cnt]=i,mobius[i]=-1;
        for (int j=1;j<=cnt&&prime[j]*i<=min(min(n,m),N-10);j++)
        {
            flag[prime[j]*i]=1;
            if (i%prime[j]==0) break;
            else mobius[prime[j]*i]=-mobius[i];
        }
    }
    for (int i=2;i<=max(min(min(n,m),N-10),k);i++) mobius[i]+=mobius[i-1];
    for (int i=1;i<=k;i++)
    sum[i]=sum[i-1]+(gcd(i,k)==1);
    for (int i=1;i<=min(n,m);i++)
    {
        int t=min(n/(n/i),m/(m/i));
        ans+=1ll*(n/i)*f(m/i)*(g(t,k)-g(i-1,k));
        i=t;
    }
    cout<<ans;
    return 0;
}

 

转载于:https://www.cnblogs.com/Gloid/p/9486115.html

  • 0
    点赞
  • 0
    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