ZOJ 2562 More Divisors 反素数 DFS

本文介绍了一种寻找比给定数N更小的最小因子数x的算法,x满足特定条件并能最大化其因子数。通过质数表预处理和深度优先搜索策略,该算法在复杂度上实现了优化。

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

题解看代码系列。

和HDU4228类似。

传送门:http://acm.zju.edu.cn/onlinejudge/showProblem.do?problemId=1562

//素数表 prime{0,2,3,5,7,11,13,17,19};
//如果一个数num = prime ^ (2 * n - 1) (基数的情况) 则它的因子数为 2 * n ;
//如果一个数num = prime ^ (2 * n    ) (偶数的情况) 则它的因子数为 2 * n + 1; (prime 是一个质素);
//x = prime[1]^( k1 - 1 ) * prime[2] * ( k2 - 1 ) * prime[3] * ( k3 - 1 ) * ... * prime[n] * ( kn - 1 );
//因子数为k , k = k1 * k2 * k3 * ... * kn;
//找出比 N 小的 最小的 x 使得 k 最大;
//k1 >= k2 >= k3 >= ... >= kn;

#include <cmath>
#include <cstdio>
#include <cstring>
#include <cstdlib>
#include <iostream>
#include <algorithm>

using namespace std;

long long prime[20] = {0,2,3,5,7,11,13,17,19,23,29,31,37,41,43,47,53};
long long n;
long long INF = (long long) 1 << 60;

long long numk;
long long totn ;

long long fast_pow(int x,int k) {
	long long base = x;
	long long ans = 1;
	while(k) {
		if(k & 1) ans *= base;
		base *= base;
		k >>= 1;
	}
	return ans;
}

void DFS(int depth,long long num,int lim ,long long tot) {
//depth 搜素深度
//num 因子数
//lim 是下个因子的最大数目
//tot 数的大小
    //printf("depth : %d num : %lld tot : %lld\n",depth,num,tot);
    //printf("totn  : %lld numk : %lld\n",totn,numk);
	if(tot > n) return ;
	if(tot <= 0) return ;
	if(num == numk && tot < totn) {
		totn = tot;
	}
	if(num > numk) {
		totn = tot;
		numk = num;
	}
	for(int i = 2 ; i <= lim; i++) {
		//枚举每层k值得大小;
		DFS(depth+1,num * i, i ,tot * fast_pow(prime[depth],i-1) );
	}
}

void Deal_with() {
	while(~scanf("%lld",&n)) {
		numk = 0; totn = INF;
		//printf("totn  : %lld numk : %lld\n",totn,numk);
		DFS(1,1,50,1);
		printf("%lld\n",totn);
	}
}

int main(void) {
	//freopen("a.in","r",stdin);
	Deal_with();
	return 0;
}



内容概要:本文介绍了基于Python实现的SSA-GRU(麻雀搜索算法优化门控循环单元)时间序列预测项目。项目旨在通过结合SSA的全局搜索能力GRU的时序信息处理能力,提升时间序列预测的精度效率。文中详细描述了项目的背景、目标、挑战及解决方案,涵盖了从据预处理到模型训练、优化及评估的全流程。SSA用于优化GRU的超参,如隐藏层单元、学习率等,以解决传统方法难以捕捉复杂非线性关系的问题。项目还提供了具体的代码示例,包括GRU模型的定义、训练验证过程,以及SSA的种群初始化、迭代更新策略适应度评估函。; 适合人群:具备一定编程基础,特别是对时间序列预测深度学习有一定了解的研究人员技术开发者。; 使用场景及目标:①提高时间序列预测的精度效率,适用于金融市场分析、气象预报、工业设备故障诊断等领域;②解决传统方法难以捕捉复杂非线性关系的问题;③通过自动化参优化,减少人工干预,提升模型开发效率;④增强模型在不同据集未知环境中的泛化能力。; 阅读建议:由于项目涉及深度学习智能优化算法的结合,建议读者在阅读过程中结合代码示例进行实践,理解SSAGRU的工作原理及其在时间序列预测中的具体应用。同时,关注据预处理、模型训练优化的每个步骤,以确保对整个流程有全面的理解。
内容概要:本文详细介绍了如何使用PyQt5创建一个功能全面的桌面备忘录应用程序,涵盖从环境准备、据库设计、界面设计到主程序结构及高级功能实现的全过程。首先,介绍了所需安装的Python库,包括PyQt5、sqlite3等。接着,详细描述了SQLite据库的设计,创建任务表类别表,并插入默认类别。然后,使用Qt Designer设计UI界面,包括主窗口、任务列表、工具栏、过滤器日历控件等。主程序结构部分,展示了如何初始化UI、加载据库据、显示任务列表以及连接信号与槽。任务管理功能方面,实现了添加、编辑、删除、标记完成等操作。高级功能包括类别管理、据导入导出、优先级视觉标识、到期日提醒、状态管理智能筛选等。最后,提供了应用启动与主函的代码,并展望了扩展方向,如多用户支持、云同步、提醒通知等。 适合人群:零基础或初学者,对Python桌面应用程序开发感兴趣的开发者。 使用场景及目标:①学习PyQt5的基本使用方法,包括界面设计、信号与槽机制;②掌握SQLite据库的基本操作,如创建表、插入据、查询等;③实现一个完整的桌面应用程序,具备增删改查据持久化功能;④了解如何为应用程序添加高级特性,如类别管理、据导入导出、到期日提醒等。 阅读建议:此资源不仅适用于零基础的学习者,也适合有一定编程经验的开发者深入理解PyQt5的应用开发。建议读者跟随教程逐步实践,结合实际操作来理解掌握每个步骤,同时可以尝试实现扩展功能,进一步提升自己的开发技能。
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