BestCoder Round #85 1003 abs

本文介绍了一种算法,用于解决给定一个整数x,如何找到正整数y(y≥2),使得y-x的绝对值最小,且y的质因数分解中每个质因数恰好出现两次的问题。通过预先计算一定范围内的质数,并采用优化搜索策略来减少计算复杂度。

问题描述

给定一个数x,求正整数y≥2y\geq 2y2,使得满足以下条件:
1.y-x的绝对值最小
2.y的质因数分解式中每个质因数均恰好出现2次。
输入描述
第一行输入一个整数T(1≤T≤501\leq T\leq 501T50)
每组数据有一行,一个整数x(1≤x≤10181\leq x\leq {10}^{18}1x1018)
输出描述
对于每组数据,输出一行y-x的最小绝对值
输入样例
5
1112
4290
8716
9957
9095
输出样例
23
65
67
244
70



思路:

因为每个质因子恰好出现两次,所以可以开平方到10的9次,10的9次方内的数相邻两质数距离不超过三百,因为质数是肯定满足条件的所以答案就在距离x最近的两相邻质数区间内。这样只需前后暴力排除就行,注意往前找的时候有停止范围(1),排除的方法是素数打表,挨个排...


代码:


#include <iostream>
#include <cstdio>
#include <string>
#include <cstring>
#include <algorithm>
#include <cmath>
#define MAX_N 100000 + 1

using namespace std;
typedef __int64 LL;
int h;
LL  prime[MAX_N]; ///第i个素数
bool is_prime[MAX_N + 1];/// is_prime[i]为true表示i为素数
// 返回n以内素数的个数
int sieve(int n)
{
    int p = 0;
    for(int i = 2; i <= n; i++)
        is_prime[i] = true;
    is_prime[0] = is_prime[1] = false;
    for(int i = 2; i <= n; i++)
    {
        if(is_prime[i])
        {
            prime[p++] = i;
            for(int j = 2*i; j <= n; j += i)
                is_prime[j] = false;
        }
    }
    return p;
}

bool operat(int n)
{
    for(int i = 0; i < h && 1LL*prime[i]*prime[i]<=n; i++)
        if(n%(1LL*prime[i]*prime[i])==0)       //说明该数的因子中至少有两个prime[i];
            return false;
    return true;
}
int main()
{
    int n;
    cin>>n;
    h = sieve(40000);
    while(n--)
    {
        long long x,x1,y1;
        scanf("%I64d",&x);
        long long xx = 1LL*sqrt(x*1.0);
        for(x1 = xx; x1 >= 2; x1--)
            if(operat(x1))
                break;
        for(y1 = xx+1;;y1++)
            if(operat(y1))
                break;
        if(x1 >= 2)
            printf("%I64d\n",min(x-x1*x1,y1*y1-x));
        else
            printf("%I64d\n",y1*y1-x);

    }
    return 0;
}



具有多种最大功率点跟踪(MPPT)方法的光伏发电系统(P&O-增量法-人工神经网络-模糊逻辑控制-粒子群优化)之使用粒子群算法的最大功率点追踪(MPPT)(Simulink仿真实现)内容概要:本文介绍了一个涵盖多个科研领域的综合性MATLAB仿真资源集合,重点聚焦于光伏发电系统中基于粒子群优化(PSO)算法的最大功率点追踪(MPPT)技术的Simulink仿真实现。文档还列举了多种MPPT方法(如P&O、增量电导法、神经网络、模糊逻辑控制等),并展示了该团队在电力系统、智能优化算法、机器学习、路径规划、无人机控制、信号处理等多个方向的技术服务能力与代码实现案例。整体内容以科研仿真为核心,提供大量可复现的Matlab/Simulink模型和优化算法应用实例。; 适合人群:具备一定电力电子、自动控制或新能源背景,熟悉MATLAB/Simulink环境,从事科研或工程仿真的研究生、科研人员及技术人员。; 使用场景及目标:①学习并实现光伏系统中基于粒子群算法的MPPT控制策略;②掌握多种智能优化算法在电力系统与自动化领域的建模与仿真方法;③获取可用于论文复现、项目开发和技术攻关的高量仿真资源。; 阅读建议:建议结合提供的网盘资料,按照研究方向选取对应模块进行实践,重点关注Simulink模型结构与算法代码逻辑的结合,注重从原理到仿真实现的全过程理解,提升科研建模能力。
热成像人物检测据集 一、基础信息 据集名称:热成像人物检测据集 图片量: 训练集:424张图片 验证集:121张图片 测试集:61张图片 总计:606张热成像图片 分类类别: - 热成像人物:在热成像图像中的人物实例 - 非热成像人物:在非热成像或普通图像中的人物实例,用于对比分析 标注格式: YOLO格式,包含边界框和类别标签,适用于目标检测任务。据来源于热成像和视觉图像,覆盖多种场景条件。 二、适用场景 热成像监控与安防系统开发: 据集支持目标检测任务,帮助构建能够在低光、夜间或恶劣环境下自动检测和定位人物的AI模型,提升监控系统的可靠性和实时响应能力。 红外视觉应用研发: 集成至红外摄像头或热成像设备中,实现实时人物检测功能,应用于安防、军事、救援和工业检测等领域。 学术研究与创新: 支持计算机视觉与热成像技术的交叉研究,助力开发新算法用于人物行为分析或环境适应型检测模型。 教育与培训: 可用于高校或培训机构,作为学习热成像人物检测和AI模型开发的教学资源,提升实践技能。 三、据集优势 精准标注与多样性: 每张图片均由专业标注员标注,确保边界框定位准确,类别分类清晰。包含热成像和非热成像类别,提供对比据,增强模型的泛化能力和鲁棒性。 场景实用性强: 据覆盖多种环境条件,如不同光照和天气,模拟真实世界应用,适用于复杂场景下的人物检测任务。 任务适配性高: YOLO标注格式兼容主流深度学习框架(如YOLOv5、YOLOv8等),可直接加载使用,支持快速模型开发和评估。 应用价值突出: 专注于热成像人物检测,在安防、监控和特殊环境检测中具有重要价值,支持早期预警和高效决策。
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