codeforces511 div2C/div1A enlarge gcd 数论+思维

探讨了如何通过删除最少数量的元素使剩余元素的最大公约数大于初始集合的最大公约数,提供了一种高效的算法实现。

题意:

给你n个数,需要删除几个数,使得剩余数的gcd大于初始数的gcd,问最少需要删除多少个数。

题解:

所有数的gcd是跟每个数的质因子有关的,此题只需算出删除数的个数,不需要计算删除数后的gcd。首先,算出所有数的gcd,然后一次枚举每一个数,先将这个数除以gcd,之后在枚举质数p,算每个数所贡献的质数cnt[prime]++。答案就是n-max{ cnt[prime] }。

这个复杂度如果直接枚举全部质数的话复杂度太高,可以发现2,4,6,8…都可以归于一个质数2,因为我们只需要比初始gcd大,所以只需计算对2的贡献即可。


#include <bits/stdc++.h>
using namespace std;
const int maxn = 3e5+5;
const int N = 15000000;
int gcd(int a,int b) {
    return b == 0 ? a : gcd(b, a%b);
}
int a[maxn];
int check[N+5];
int prime[N+5],phi[N+5];
int tot;
void phi_table() {
    memset(check, 0 ,sizeof check);
    for(int i = 2; i <= N; ++i) {
        if(!check[i]) 
            for(int j = i; j <= N; j+= i)
                check[j] = i;
    }
}
int cnt[N+5];
int main() {
    phi_table();
    // cout << tot << endl;
    // cout << -1 << endl;
    int n;
    scanf("%d", &n);
    int GCD = 0;
    for(int i = 0; i < n; ++i) {
        scanf("%d", &a[i]);
        GCD = gcd(GCD, a[i]);
    }
    for(int i = 0; i < n; ++i) {
        int t = a[i]/GCD;
        for(int x = check[t]; x > 1;) {
            cnt[x]++; // 含有质因子x的a[i]个数
            while(t%x == 0) t /= x;
            x = check[t];
        }
    }
    int ans = 0;
    for(int i = 0; i <= N; ++i) {
        if(cnt[i] > ans)
            ans = max(ans,cnt[i]);
    }
    ans = n-ans;
    if(ans == n)
        puts("-1");
    else {
        cout << ans << endl;
    }
    return 0;
}

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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