YY的GCD[BZOJ2820]

欢迎大家访问我的老师的OJ———caioj.cn

题面描述

因为没钱,所以

思路

Zap的结论我们可以知道
我们这题应该求的是 ∑ i s p r i m e ( p ) ∑ i = 1 min ⁡ ( ⌊ n / p ⌋ , ⌊ m / p ⌋ ) μ ( i ) ∗ ⌊ ⌊ n / p ⌋ / i ⌋ ∗ ⌊ ⌊ m / p ⌋ / i ⌋ \large\sum_{isprime(p)}\sum_{i=1}^{\min(\left\lfloor n/p\right\rfloor,\left\lfloor m/p\right\rfloor)}\mu(i)*\left\lfloor\\\left\lfloor n/p\right\rfloor/i\right\rfloor*\left\lfloor\\\left\lfloor m/p\right\rfloor/i\right\rfloor isprime(p)i=1min(n/p,m/p)μ(i)n/p/im/p/i

k = p ∗ i k=p*i k=pi,则上式应为:
∑ k = 1 n ∑ i s p r i m e ( p ) 并 且 p ∣ k μ ( k p ) ∗ ⌊ n / k ⌋ ∗ ⌊ m / k ⌋ \large\sum_{k=1}^n\sum_{isprime(p)并且p\mid k}\mu(\frac{k}{p})*\left\lfloor\\ n/k\right\rfloor*\left\lfloor\\ m/k\right\rfloor k=1nisprime(p)pkμ(pk)n/km/k

f ( k ) = ∑ i s p r i m e ( p ) 并 且 p ∣ k μ ( k p ) f(k)=\sum_{isprime(p)并且p|k}\mu(\frac{k}{p}) f(k)=isprime(p)pkμ(pk)就有
∑ k = 1 n f ( k ) ∗ ⌊ n / k ⌋ ∗ ⌊ m / k ⌋ \large\sum_{k=1}^nf(k)*\left\lfloor\\ n/k\right\rfloor*\left\lfloor\\ m/k\right\rfloor k=1nf(k)n/km/k

预处理出 f ( k ) f(k) f(k)的前缀和即可。

慢一点的预处理

void g_p()
{
    m=0;mu[1]=1;
    for(int i=2;i<=inf;i++)
    {
        if(!v[i])prime[++m]=i,mu[i]=-1;
        for(int j=1;j<=m&&i*prime[j]<=inf;j++)
        {
            v[i*prime[j]]=1;
            if(i%prime[j]==0){mu[i*prime[j]]=0;break;}
            else{mu[i*prime[j]]=-mu[i];}
        }
    }
    for(int i=1;i<=m;i++)
    {
        int p=prime[i];
        for(int j=1;j*p<=inf;j++)f[j*p]+=mu[j];
    }
    for(int i=2;i<=inf;i++)f[i]+=f[i-1];
}

快一点的预处理

void g_p()
{
	m=0;mu[1]=1;
	for(int i=2;i<=inf;i++)
	{
		if(!v[i])prime[++m]=i,mu[i]=-1,f[i]=1;//f[i]=mu[i/i]
		for(int j=1;j<=m&&i*prime[j]<=inf;j++)
		{
			v[i*prime[j]]=1;
			if(i%prime[j]==0){f[i*prime[j]]=mu[i];mu[i*prime[j]]=0;break;}
			else{mu[i*prime[j]]=-mu[i];f[i*prime[j]]=-f[i]+mu[i];}
		}
	}
	for(int i=2;i<=inf;i++)f[i]+=f[i-1];
}

稍微解释一下:

f[i*prime[j]]=-f[i]+mu[i]

因为 f ( i ) f(i) f(i)可以类似看作一个 μ \mu μ的集合,现在这个集合中都乘上一个 p r i m e [ j ] prime[j] prime[j],会导致 μ \mu μ的值成为其相反数。

同理 f ( i ∗ p r i m e [ j ] ) f(i*prime[j]) f(iprime[j])理应成为 f ( i ) f(i) f(i)的相反数再加上 p r i m e [ j ] prime[j] prime[j]

AC code

#include<cstdio>
#include<cstring>
#include<cmath>
#include<cstdlib>
#include<algorithm>
#define ll long long
#define gc getchar()
using namespace std;
const int N=1e7+10;
const int M=5e6+10;
const int inf=1e7;
inline void qr(int &x)
{
	x=0;int f=1;char c=gc;
	while(c<'0'||c>'9'){if(c=='-')f=-1;c=gc;}
	while(c>='0'&&c<='9'){x=x*10+(c^48);c=gc;}
	x*=f;
}
void qw(ll x)
{
	if(x/10)qw(x/10);
	putchar(x%10+48);
}
int prime[M],m,mu[N];ll f[N];bool v[N];
void g_p()
{
	m=0;mu[1]=1;
	for(int i=2;i<=inf;i++)
	{
		if(!v[i])prime[++m]=i,mu[i]=-1,f[i]=1;
		for(int j=1;j<=m&&i*prime[j]<=inf;j++)
		{
			v[i*prime[j]]=1;
			if(i%prime[j]==0){f[i*prime[j]]=mu[i];mu[i*prime[j]]=0;break;}
			else{mu[i*prime[j]]=-mu[i];f[i*prime[j]]=-f[i]+mu[i];}
		}
	}
	for(int i=2;i<=inf;i++)f[i]+=f[i-1];
}
ll calc(int a,int b)
{
	if(a>b)swap(a,b);
	ll ans=0;
	for(int x=1,gx;x<=a;x=gx+1)
	{
		gx=min(a/(a/x),b/(b/x));
		ans+=(f[gx]-f[x-1])*(a/x)*(b/x);
	}
	return ans;
}
int main()
{
	g_p();
	int n;qr(n);
	while(n--)
	{
		int a,b;qr(a),qr(b);
		qw(calc(a,b));puts("");
	}
	return 0;
}
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
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