铁一中模拟赛2018.11.1 T1

本文详细解析洛谷月赛P3794题目的解题思路与算法实现,通过分析数组中特定条件下的对数计数,利用ST表、二分查找和位运算解决复杂问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目:

(Luogu月赛P3794)

给你一个长度为N的数组a,求有多少对i<=j满足 g c d ( a i , a i + 1 , a i + 2 , . . . , a j ) x o r ( a i o r a i + 1 o r a i + 2 o r . . . a j ) = k gcd(a_i,a_{i+1},a_{i+2},...,a_j)xor(a_i or a_{i+1} or a_{i+2} or ... a_j) =k gcd(ai,ai+1,ai+2,...,aj)xor(aiorai+1orai+2or...aj)=k

注: x o r , o r xor,or xor,or都指位运算

数据范围: n ≤ 500000 , 1 ≤ a [ i ] ≤ 500000 n\le 500000,1\le a[i]\le 500000 n500000,1a[i]500000

题解:

这个题思维难度其实不高主要是要:

  1. 有一个意识(也可以说是套路):求多个数的gcd时,添加一个数,gcd要么不变,要么降低,且最多降低 l o g n log n logn次就变成1

  2. 会二分求出像这样的单调函数的每个断层:

  3. 会灵活运用st表

显然说到这这题也就没什么可做的了,用st表维护区间Gcd和Or值。对于每个区间左端点,Gcd的值都为单调递减断层函数(且最多有log n个断层),Or的值都为单调递增断层函数。直接枚举区间左端点,二分求出Gcd的每个断层,因为 G c d x o r O r = k Gcd xor Or=k GcdxorOr=k,所以 O r = k G c d Or=k^Gcd Or=kGcd,就可以二分找到每个Gcd断层对应的Or断层,然后根据两个断层统计答案即可。

时间复杂度: O ( n l o g 2 n ) O(nlog^2 n) O(nlog2n)

代码:

#include <iostream> 
#include <stdio.h>
#include <algorithm>
using namespace std;
#define N 500005
int n,k;
int ai[N],Gcd[N][25],Or[N][25],Log[N];
long long ans;

inline int getGcd(int x,int y) //O(1)求[x,y]的Gcd
{
    int a=Log[y-x+1];
    return __gcd(Gcd[x][a],Gcd[y-(1<<a)+1][a]);
}

inline int getOr(int x,int y) //O(1)求[x,y]的Or 
{
    int a=Log[y-x+1];
    return (Or[x][a]|Or[y-(1<<a)+1][a]);
}

int main()
{
    scanf("%d%d",&n,&k);
    int np=0;
    for(int i=1;i<=n;i++){
        if(i==(1<<np))
            Log[i]=np++;
        else
            Log[i]=np-1;
    }
    for(int i=1;i<=n;i++){
        int x;
        scanf("%d",&x);
        Or[i][0]=Gcd[i][0]=x;
    }
    for(int a=1;a<=20;a++)
        for(int i=1;i+(1<<a)-1<=n;i++)
        {
            Gcd[i][a]=__gcd(Gcd[i][a-1],Gcd[i+(1<<(a-1))][a-1]);
            Or[i][a]=Or[i][a-1]|Or[i+(1<<(a-1))][a-1];
        }
    for(int now=1;now<=n;now++){ //固定左指针为now
        int nowGcd=Gcd[now][0],rpGcd=now; //now为目前右指针范围到左指针的值,rp为目前右指针范围的左边界
        while(true)
        {
            int l=rpGcd,r=n;
            while(l<r) //二分Gcd右指针范围的右边界 (Gcd右指针递减)
            {
                int mid=((l+r)>>1);
                if(r==l+1) mid++;
                int tnGcd=getGcd(now,mid);
                if(tnGcd<nowGcd)
                    r=mid-1;
                else
                    l=mid;
            }
            int nowOr=(k^nowGcd),yoGcd=l,rpOr,yoOr;
/**/
            l=now,r=n;
            while(l<r) //二分Or右指针范围的左边界 (Or右指针递增)
            {
                int mid=((l+r)>>1);
                int tnOr=getOr(now,mid);
                if(tnOr>nowOr)
                    r=mid-1;
                else if(tnOr==nowOr)
                    r=mid;
                else
                    l=mid+1;
            }
            rpOr=l,r=n;
            while(l<r) //二分Or右指针范围的右边界 (Or右指针递增)
            {
                int mid=((l+r)>>1);
                if(r==l+1) mid++;
                int tnOr=getOr(now,mid);
                if(tnOr>nowOr)
                    r=mid-1;
                else
                    l=mid;
            }
            yoOr=l;
            int zuo=max(rpGcd,rpOr),you=min(yoGcd,yoOr);
            if(you>=zuo && getOr(now,rpOr)==nowOr) ans+=you-zuo+1;
            rpGcd=yoGcd+1;
            if(rpGcd>n) break;
            nowGcd=getGcd(now,rpGcd);
        }
    }
    cout<<ans<<endl;
        
    return 0;
}
<think>好的,我现在需要解决用户的问题:如何用Python计算从110的阶乘之和。首先,我需要回忆阶乘的定义,即n!表示1×2×3×…×n。然后,用户要求的是将1!到10!相加的结果。 根据用户提供的几个引用,特别是引用[1]、[2]、[3],他们提到了不同的方法,包括循环嵌套、函数定义以及递归等方法。不过,用户特别提到的是Python实现,所以需要确保代码的语法正确性。 首先,我应该考虑最基本的方法:使用双重循环。外层循环遍历110,内层循环计算每个数的阶乘。例如,对于每个n,从1乘到n,得到n!,然后累加到总和中。这种方法直观,但可能效率较低,因为每次都要重新计算阶乘。不过对于n=10来说,效率问题可以忽略。 然后,用户提供的引用[1]中有一个示例代码,使用了两层循环,外层是n从110,内层是i从1到n,计算阶乘jc,然后加到sum中。这段代码看起来可行,但可能可以优化。例如,可以避免重复计算,因为每个数的阶乘其实是前一个数的阶乘乘以当前数。比如,5! = 4! ×5。这样,可以只用单层循环,保存当前的阶乘值,避免内层循环,提高效率。 另外,引用[3]中提到的方法一也是使用函数multiplication来计算每个数的阶乘,然后累加。这同样需要双重循环。而引用[4]则提到了使用reduce和lambda函数,这可能更简洁,但需要导functools模块的reduce函数。 用户可能希望得到多种方法的实现,因此我应该提供至两种不同的方法:一种是基础的双重循环,另一种是优化的单循环累积乘法,或者使用递归(不过引用[5]提到递归深度的问题,但n=10不会有问题)。 另外,需要注意变量的命名规范,比如sum在Python中是内置函数,使用sum作为变量名虽然可以,但可能影响代码的可读性,可以考虑改用total或其他名称。不过引用中的代码已经使用了sum,可能用户习惯如此,所以可以保留,但需要指出这一点。 总结步骤: 1. 方法一:双重循环。外层遍历110,内层计算每个数的阶乘,累加到总和中。 2. 方法二:单循环,利用前一个阶乘结果乘以当前数,减重复计算。 3. 方法三:使用递归函数计算阶乘,然后累加(注意递归深度问题,但n=10没问题)。 4. 方法四:使用高阶函数如reduce和lambda表达式。 接下来,需要编写代码,并确保每种方法的正确性。同时,需要解释每种方法的优缺点,比如效率、可读性等。 例如,方法一虽然简单,但时间复杂度为O(n^2),当n较大时效率低。而方法二的时间复杂度为O(n),更高效。方法三的递归可能在n较大时导致栈溢出,但n=10是安全的。方法四则更简洁,但需要熟悉函数式编程。 此外,还需要注意代码中的细节,比如循环的范围是否正确(是否包括10),变量初始化是否在正确的位置。例如,在方法一中,内层循环的阶乘变量jc需要在外层循环的每次迭代中重置为1,否则会导致错误。 最后,应该测试代码,确保计算结果正确。根据数学计算,1!+2!++10!的值应该是4037913。因此,在编写代码后,运行确认是否得到这个结果。 可能的问题包括:循环范围是否正确(如range(1,11)是否覆盖到10),阶乘计算是否正确,累加是否正确。此外,在方法二中,需要确保阶乘的累积正确,比如初始值为1,每次乘以i,然后加到总和中。 现在,我需要将这些思路整理成步骤清晰的解答,并提供相应的代码示例,同时引用用户提供的参考资料中的方法,如引用[1]、[3]、[4]中的实现。</think>### 分步解答 以下是三种实现方式,涵盖基础循环、优化计算和函数式编程方法: --- #### **方法一:双重循环法** 通过嵌套循环实现,外层遍历1-10,内层计算每个数的阶乘。 ```python total = 0 for n in range(1, 11): factorial = 1 # 每次外层循环开始时重置阶乘值 for i in range(1, n+1): factorial *= i total += factorial print('1!+2!+...+10! =', total) # 输出结果为4037913 ``` **说明** - 外层循环控制数字范围(1-10),内层循环计算阶乘[^1][^3]。 - 时间复杂度为$O(n^2)$,适用于小规模计算。 --- #### **方法二:累积优化法** 通过单层循环避免重复计算,利用前一次阶乘结果加速当前计算。 ```python total = 0 current_factorial = 1 # 保存当前阶乘值 for n in range(1, 11): current_factorial *= n # 当前阶乘 = 前一次阶乘 * n total += current_factorial print('1!+2!+...+10! =', total) # 输出结果为4037913 ``` **说明** - 时间复杂度优化为$O(n)$,效率显著提升。 - 通过数学关系$n! = (n-1)! \times n$减重复计算[^2]。 --- #### **方法三:函数式编程法** 使用`reduce`和`lambda`函数简化代码。 ```python from functools import reduce total = 0 for n in range(1, 11): # 计算n!:reduce将1到n依次相乘 factorial = reduce(lambda x, y: x*y, range(1, n+1)) total += factorial print('1!+2!+...+10! =', total) # 输出结果为4037913 ``` **说明** - `reduce`函数将序列元素累积计算,`lambda`定义乘法规则[^4]。 - 代码简洁,但需理解函数式编程概念。 --- ### **计算结果验证** 三种方法均输出**4037913**,与数学计算结果一致。 --- ### **注意事项** 1. **变量命名**:避免使用`sum`作为变量名(与内置函数冲突)。 2. **递归限制**:递归法在n较大时可能引发栈溢出(如n=1000)[^5]。 3. **效率选择**:推荐方法二,时间复杂度最优。 ---
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