BZOJ2820 YY的GCD 莫比乌斯反演

本文介绍了一种利用质数筛法和μ函数计算特定数学表达式的算法。通过线性筛法预处理μ函数值,并运用枚举质数倍数的方法,在O(n)的时间复杂度内求解涉及质数及除数函数的问题。

isprime(p)na=1mb=1gcd(a,b)==p
isprime(p)npa=1mpb=1gcd(a,b)==1
isprime(p)npa=1mpb=1d|gcd(a,b)μ(d)
isprime(p)npa=1mpb=1d|ad|bμ(d)
isprime(p)npd=1μ(d)npdmpd
k=pd
nk=1isprime(p)p|kμ(kp)nkmk
F(k)=isprime(p)p|kμ(kp)
nk=1F(k)nkmk
线性筛出μ 然后枚举质数的倍数 复杂度约是O(n)

#include<bits/stdc++.h>
#define inf 1000000000
#define ll long long
using namespace std;
const int N=1e7+5;
const int M=1e6+5;
int T,n,m,cnt;
bool mark[N];
int pri[M],mu[N];
ll f[N];
inline int read(){
    int x=0,f=1;char ch=getchar();
    while(ch<'0'||ch>'9'){if(ch=='-')f=-1;ch=getchar();}
    while(ch>='0'&&ch<='9'){x=x*10+ch-'0';ch=getchar();}
    return x*f;
}
void getphi() {
    mu[1]=1;
    for(int i=2; i<N; i++) {
        if(!mark[i])pri[++cnt]=i,mu[i]=-1;
        for(int j=1; j<=cnt&&pri[j]*i<N; j++) {
            mark[i*pri[j]]=1;
            if(i%pri[j]==0) {
                mu[i*pri[j]]=0;
                break;
            } else mu[i*pri[j]]=-mu[i];
        }
    }
    for(int i=1; i<=cnt; i++) {
        int p=pri[i];
        for(int j=1; j*p<N; j++)f[j*p]+=mu[j];
    }
    for(int i=1; i<N; i++)f[i]+=f[i-1];
}
int main() {
    getphi(),T=read();
    while(T--) {
        ll ans=0;
        n=read(),m=read();
        if(n>m)swap(n,m);
        for(int i=1,j; i<=n; i=j+1) {
            j=min(n/(n/i),m/(m/i));
            ans+=(f[j]-f[i-1])*(n/i)*(m/i);
        }
        printf("%lld\n",ans);
    }
    return 0;
}
【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)内容概要:本文提出了一种基于融合鱼鹰和柯西变异的麻雀优化算法(OCSSA)优化变分模态分解(VMD)参数,并结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的轴承故障诊断模型。该方法利用西储大学公开的轴承数据集进行验证,通过OCSSA算法优化VMD的分解层数K和惩罚因子α,有效提升信号分解精度,抑制模态混叠;随后利用CNN提取故障特征的空间信息,BiLSTM捕捉时间序列的动态特征,最终实现高精度的轴承故障分类。整个诊断流程充分结合了信号预处理、智能优化与深度学习的优势,显著提升了复杂工况下轴承故障诊断的准确性与鲁棒性。; 适合人群:具备一定信号处理、机器学习及MATLAB编程基础的研究生、科研人员及从事工业设备故障诊断的工程技术人员。; 使用场景及目标:①应用于旋转机械设备的智能运维与故障预警系统;②为轴承等关键部件的早期故障识别提供高精度诊断方案;③推动智能优化算法与深度学习在工业信号处理领域的融合研究。; 阅读建议:建议读者结合MATLAB代码实现,深入理解OCSSA优化机制、VMD参数选择策略以及CNN-BiLSTM网络结构的设计逻辑,通过复现实验掌握完整诊断流程,并可进一步尝试迁移至其他设备的故障诊断任务中进行验证与优化。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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