Luogu_P4140 奇数国

这是一篇关于 Luogu_P4140 "奇数国" 题目的解题报告。文章介绍了如何利用欧拉函数解决该问题,以及通过质因数分解和树状数组来处理大数计算。领袖在不同的银行存钱,GFS 需要计算与产品不冲突的账房数量,答案对 19961993 取模。

奇数国

链接

Luogu_P4140 奇数国

题目描述

在一片美丽的大陆上有 100000 100000 100000个国家,记为 1 1 1 100000 100000 100000。这里经济发达,有数不尽的账房,并且每个国家有一个银行。

某大公司的领袖在这 100000 100000 100000个银行开户时都存了 3 3 3大洋,他惜财如命,因此会不时地派小弟 GFS 清点一些银行的存款或者让GFS改变某个银行的存款。

该村子在财产上的求和运算等同于我们的乘法运算,也就是说领袖开户时的存款总和为 3 100000 3^{100000} 3100000。这里发行的软妹面额是最小的60个素数 p 1 = 2 , p 2 = 3 , … , p 60 = 281 p_1=2,p_2=3,\ldots, p_{60}=281 p1=2,p2=3,,p60=281,任何人的财产都只能由这 6060 个基本面额表示,即设某个人的财产为 f o r t u n e fortune fortune(正整数),则 f o r t u n e = p 1 k 1 × p 2 k 2 × … p 60 k 60 fortune=p_1^{k_1} \times p_2^{k_2} \times \ldots p_{60}^{k_{60}} fortune=p1k1×p2k2×p60k60

领袖习惯将一段编号连续的银行里的存款拿到一个账房去清点,为了避免 GFS 串通账房叛变,所以他不会每次都选择同一个账房。GFS 跟随领袖多年已经摸清了门路,知道领袖选择账房的方式。如果领袖选择清点编号在 [ a , b ] [a,b] [a,b]内的银行财产,他会先对 [ a , b ] [a,b] [a,b]的财产求和(记为 p r o d u c t product product),然后在编号属于 [ 1 , p r o d u c t ] [1,product] [1,product]的账房中选择一个去清点存款,检验自己计算是否正确同时也检验账房与 GFS 是否有勾结。GFS 发现如果某个账房的编号 n u m b e r number number p r o d u c t product product相冲,领袖绝对不会选择这个账房。

怎样才算与 p r o d u c t product product不相冲呢?若存在整数 x , y x,y x,y 使得 n u m b e r × x + p r o d u c t × y = 1 number \times x+product \times y=1 number×x+product×y=1,那么我们称 n u m b e r number number p r o d u c t product product不相冲,即该账房有可能被领袖相中。当领袖又赚大钱了的时候,他会在某个银行改变存款,这样一来相同区间的银行在不同的时候算出来的 p r o d u c t product product可能是不一样的,而且领袖不会在某个银行的存款总数超过 1 0 6 10^6 106

现在 GFS 预先知道了领袖的清点存款与变动存款的计划,想请你告诉他,每次清点存款时领袖有多少个账房可以供他选择,当然这个值可能非常大,GFS 只想知道对 19961993 19961993 19961993 取模后的答案。

输入格式

第一行一个整数 x x x表示领袖清点和变动存款的总次数。

接下来 x x x行,每行 3 3 3个整数 a i , b i , c i a_i,b_i,c_i ai,bi,ci a i a_i ai 0 0 0时表示该条记录是清点计划,领袖会清点 b i b_i bi c i c_i ci的银行存款,你需要对该条记录计算出 GFS 想要的答案。 a i a_i ai
1 1 1时表示该条记录是存款变动,你要把银行 b i b_i bi的存款改为 c i c_i ci ,不需要对该记录进行计算。

输出格式

对于每个询问,输出一行一个整数表示答案。

输入输出

输入 #1
6
0 1 3
1 1 5
0 1 3
1 1 7
0 1 3
0 2 3
输出 #1
18
24
36
6

数据范围

所有数据均满足: x ≥ 1 x ≥ 1 , c i − b i ≥ 0 x \geq 1x≥1,c_i -b_i \geq 0 x1x1cibi0

思路

又是一道根本不知道怎么用树状数组解的题目。

不过呢,看到 n u m b e r × x + p r o d u c t × y = 1 number \times x+product \times y=1 number×x+product×y=1这个式子,我们自然而然地可以想到“若 a , b a,b a,b互质,则有 a x + b y = 1 ax+by=1 ax+by=1”这个结论。所以我们可以看出, n u m b e r number number p r o d u c t product product一定是一对互质数。

题目中要求统计与 p r o d u c t product product“相冲”的 n u m b e r number number的个数,而 n u m b e r number number ⩽ p r o d u c t \leqslant product product,于是我们可以想到用专门求“小于或等于 n n n的正整数中与 n n n互质的数的数目”的欧拉函数“ φ ( n ) \varphi (n) φ(n)”。

到这里,最基本的问题就解决了。

接下来的问题是,我们如何存储 3 100000 3^{100000} 3100000这么大的数呢?

当然是质因数分解啦!

我们把每个银行的存的钱的数目进行质因数分解,再用树状数组统计每个数各有哪些质因子。这样做的好处是,既可以存储 3 100000 3^{100000} 3100000这么大的数,又可以方便我们对欧拉函数中的 ∏ i = 1 k ( 1 − 1 p i ) \prod_{i=1}^{k}(1-\frac{1}{p_i}) i=1k(1pi1)进行运算。

当我们拿到一个 [ b , c ] [b,c] [b,c]的区间时,我们可以先将 [ b , c ] [b,c] [b,c]之间的数所拥有的质因子乘起来,算出 p r o d u c t product product,再算 φ ( p r o d u c t ) \varphi (product) φ(product)

于是,我们就有了计算 φ ( p r o d u c t ) \varphi (product) φ(product)的式子:
φ ( p r o d u c t ) = ∏ i = 1 n p i k i × ∏ i = 1 n ( 1 − 1 p i ) \varphi (product)=\prod_{i=1}^{n}p_i^{k_i}\times\prod_{i=1}^{n}(1-\frac{1}{p_i}) φ(product)=i=1npiki×i=1n(1pi1)
其中, n n n p r o d u c t product product的质因子的个数, p i p_i pi p r o d u c t product product的每个质因子, k i k_i ki为对应 p i p_i pi的指数。

不过,因为这里涉及分数以及除法,不方便在计算机中计算,所以我们需要把这个式子变形一下。

首先,“ × \times ×”号右边的式子可以变形一下,变成:
φ ( p r o d u c t ) = ∏ i = 1 n p i k i × ∏ i = 1 n p i − 1 p i \varphi (product)=\prod_{i=1}^{n}p_i^{k_i}\times\prod_{i=1}^{n}\frac{{p_i}-1}{p_i} φ(product)=i=1npiki×i=1npipi1

接着,由于每个 p i {p_i} pi既要乘 k i {k_i} ki次,又要除 1 1 1次,所以我们又可以把式子变成:
φ ( p r o d u c t ) = ∏ i = 1 n p i k i − 1 × ∏ i = 1 n p i − 1 \varphi (product)=\prod_{i=1}^{n}p_i^{k_i-1}\times\prod_{i=1}^{n}{{p_i}-1} φ(product)=i=1npiki1×i=1npi1

再变一下,就成了:
φ ( p r o d u c t ) = ∏ i = 1 n ( p i k i − 1 × p i − 1 ) \varphi (product)=\prod_{i=1}^{n}(p_i^{k_i-1}\times{{p_i}-1}) φ(product)=i=1n(piki1×pi1)

这样就方便我们在计算机里计算了。

最后,不要忘记在计算的时候进行取模运算,不要忘记用long long类型,否则答案会爆。

感谢做题过程中大佬们的谆谆教诲。

代码

#include<cstdio>
using namespace std;
const long long N=100000,MOD=19961993;
long long n,a,b,c,tre[61][2*N+1],mon[N+1],pro;//树状数组存每个数分解质因数的结果 
long long prime[60+1];
bool vis[281+1];
void Euler()
{
	long long cntA=0;
	for(int i=2;i<=281;i++)
	{
		if(!vis[i])
		{
			cntA++;
			prime[cntA]=i;
		}
		for(int j=1;j<=cntA&&i*prime[j]<=281;j++)
		{
			vis[i*prime[j]]=true;
			if(!i%prime[j])
				break;
		}
	}
}
long long lowbit(int i)
{
	return i&(-i);
}
void update(long long i,long long j,long long x)//i:质因子的编号;j:数的下标;x:质因子个数;
{
	while(j<=N)
	{
		tre[i][j]+=x;
		j+=lowbit(j);
	}
}
long long index(long long i,long long j)//i:质因子的编号;j:数的下标;
{
	long long ans=0;
	while(j>0)
	{
		ans+=tre[i][j];
		j-=lowbit(j);
	}
	return ans;
}
void decompose(long long n,long long j,long long p)//p:判断对树状数组中的某个值是+还是-;
{
	long long cntB;
	for(long long i=1;i<=60;i++)
	{
		cntB=0;
		while(!(n%prime[i]))
		{
			cntB++;
			n/=prime[i];
		}
		if(cntB)
			update(i,j,cntB*p);
	}
}
long long fast_power(long long n,long long m)//快速幂
{
	long long ans=1;
	while(m>0)
	{
		if(m%2)
			ans=ans*n%MOD;
		n=n*n%MOD;
		m/=2;
	}
	return ans;
}
int main()
{
	Euler();
	scanf("%d",&n);
	for(long long i=1;i<=N;i++)
	{
		mon[i]=3;
		update(2,i,1);//每个数最开始都是3,分解质因数后都等于3
	}
	for(long long i=1;i<=n;i++)
	{
		scanf("%d%d%d",&a,&b,&c);
		if(a)//修改 
		{
			decompose(mon[b],b,-1);//分解质因数
			mon[b]=c;
			decompose(mon[b],b,1);
		}
		else//查询
		{
			pro=1;
			for(long long j=1;j<=60;j++)
			{
				long long cntC=0;
				cntC=index(j,c)-index(j,b-1);//求product的质因子prime[i]的指数
				if(!cntC)
					continue;
				pro=pro*fast_power(prime[j],cntC-1)*(prime[j]-1)%MOD;//上文提到的欧拉函数的变形
			}
			printf("%d\n",pro%MOD);
		}
	}
	return 0;
}
成都市作为中西部地区具有战略地位的核心都市,其人口的空间分布状况对于城市规划、社会经济发展及公共资源配置等研究具有基础性数据价值。本文聚焦于2019年度成都市人口分布的空间数据集,该数据以矢量格式存储,属于地理信息系统中常用的数据交换形式。以下将对数据集内容及其相关技术要点进行系统阐述。 Shapefile 是一种由 Esri 公司提出的开放型地理空间数据格式,用于记录点、线、面等几何要素。该格式通常由一组相互关联的文件构成,主要包括存储几何信息的 SHP 文件、记录属性信息的 DBF 文件、定义坐标系统的 PRJ 文件以及提供快速检索功能的 SHX 文件。 1. **DBF 文件**:该文件以 dBase 表格形式保存与各地理要素相关联的属性信息,例如各区域的人口统计数值、行政区划名称及编码等。这类表格结构便于在各类 GIS 平台中进行查询与编辑。 2. **PRJ 文件**:此文件明确了数据所采用的空间参考系统。本数据集基于 WGS84 地理坐标系,该坐标系在全球范围内广泛应用于定位与空间分析,有助于实现跨区域数据的准确整合。 3. **SHP 文件**:该文件存储成都市各区(县)的几何边界,以多边形要素表示。每个多边形均配有唯一标识符,可与属性表中的相应记录关联,实现空间数据与统计数据的联结。 4. **SHX 文件**:作为形状索引文件,它提升了在大型数据集中定位特定几何对象的效率,支持快速读取与显示。 基于上述数据,可开展以下几类空间分析: - **人口密度评估**:结合各区域面积与对应人口数,计算并比较人口密度,识别高密度与低密度区域。 - **空间集聚识别**:运用热点分析(如 Getis-Ord Gi* 统计)或聚类算法(如 DBSCAN),探测人口在空间上的聚集特征。 - **空间相关性检验**:通过莫兰指数等空间自相关方法,分析人口分布是否呈现显著的空间关联模式。 - **多要素叠加分析**:将人口分布数据与地形、交通网络、环境指标等其他地理图层进行叠加,探究自然与人文因素对人口布局的影响机制。 2019 年成都市人口空间数据集为深入解析城市人口格局、优化土空间规划及完善公共服务体系提供了重要的数据基础。借助地理信息系统工具,可开展多尺度、多维度的定量分析,从而为城市管理与学术研究提供科学依据。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛选模型(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛选模型(Matlab代码实现)》的技术资源,重点围绕电力系统中连锁故障的传播路径展开研究,提出了一种N-k多阶段双层优化模型,并结合故障场景筛选方法,用于提升电力系统在复杂故障条件下的安全性与鲁棒性。该模型通过Matlab代码实现,具备较强的工程应用价值和学术参考意义,适用于电力系统风险评估、脆弱性分析及预防控制策略设计等场景。文中还列举了大量相关的科研技术支持方向,涵盖智能优化算法、机器学习、路径规划、信号处理、电力系统管理等多个领域,展示了广泛的仿真与复现能力。; 适合人群:具备电力系统、自动化、电气工程等相关背景,熟悉Matlab编程,有一定科研基础的研究生、高校教师及工程技术人员。; 使用场景及目标:①用于电力系统连锁故障建模与风险评估研究;②支撑高水平论文(如EI/SCI)的模型复现与算法验证;③为电网安全分析、故障传播防控提供优化决策工具;④结合YALMIP等工具进行数学规划求解,提升科研效率。; 阅读建议:建议读者结合提供的网盘资源,下载完整代码与案例进行实践操作,重点关注双层优化结构与场景筛选逻辑的设计思路,同时可参考文档中提及的其他复现案例拓展研究视野。
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