LibreOJ2095 - 「CQOI2015」选数

本文探讨了一个数学问题:如何计算从指定区间[L,R]中选取n个数,使其最大公约数为k的方案数。通过定义辅助函数f(x)和F(x),并运用莫比乌斯反演和整除分块技术,给出了一种有效的解决方案。
部署运行你感兴趣的模型镜像

Portal

Description

给出\(n,k,L,R(\leq10^9)\),求从\([L,R]\)中选出\(n\)个可相同有顺序的数使得其gcd为\(k\)的方案数。

Solution

\(f(x)\)表示gcd为\(x\)时的方案数,那么我们要求的就是\(f(k)\)。设\(F(x)=\sum_{x|d}f(d)\)表示gcd为\(x\)的倍数时的方案数,即\(F(x)=(⌊\dfrac{R}{x}⌋-⌊\dfrac{L-1}{x}⌋)^n\)。于是我们得到
\[\begin{align*} f(k) &= \sum_{k|d}\mu(\frac{k}{d})F(d) \\ &= \sum_{i=1}^{+∞}\mu(i)(⌊\frac{R}{ik}⌋-⌊\frac{L-1}{ik}⌋)^n \\ &= \sum_{i=1}^{+∞}\mu(i)(⌊\frac{⌊\frac{R}{k}⌋}{i}⌋-⌊\frac{⌊\frac{L-1}{k}⌋}{i}⌋)^n \end{align*}\] 于是\(\mu(x)\)用杜教筛+map求前缀和,后面的部分整除分块即可。

Code

//「CQOI2015」选数
#include <cstdio>
#include <map>
typedef long long lint;
using std::map;
inline int min(int x,int y) {return x<y?x:y;}
const int P=1e9+7;
const int N=2e6+10;
int n0;
int prCnt,pr[N]; bool prNot[N];
int mu[N],sum0[N];
void init(int n)
{
    mu[1]=1;
    for(int i=2;i<=n;i++)
    {
        if(!prNot[i]) pr[++prCnt]=i,mu[i]=-1;
        for(int j=1;j<=prCnt;j++)
        {
            int x=i*pr[j];
            if(x>n) break;
            prNot[x]=true;
            if(i%pr[j]) mu[x]=-mu[i];
            else break; 
        }
    }
    for(int i=1;i<=n;i++) sum0[i]=sum0[i-1]+mu[i];
}
map<int,int> S;
map<int,bool> get;
int sum(int x)
{
    if(x<=n0) return sum0[x];
    if(get[x]) return S[x];
    int r=1;
    for(int L=2,R;L<=x;L=R+1)
    {
        int v=x/L; R=x/v;
        r=(r-1LL*(R-L+1)*sum(v)%P+P)%P;
    }
    get[x]=true; return S[x]=r;
}
int pow(int x,int y)
{
    int r=1,t=x;
    for(int i=y;i;i>>=1,t=(1LL*t*t)%P) if(i&1) r=(1LL*r*t)%P;
    return r;
}
int main()
{
    int n,k,a,b; init(n0=2e6);
    scanf("%d%d%d%d",&n,&k,&a,&b);
    a=(a-1)/k,b=b/k;
    lint ans=0;
    for(int L=1,R;L<=b;L=R+1)
    {
        int v1=b/L,v2=a/L; R=v2?min(b/v1,a/v2):b/v1;
        ans=(ans+1LL*(sum(R)-sum(L-1)+P)*pow(v1-v2,n)%P)%P;
    }
    printf("%lld\n",ans);
    return 0;   
}

P.S.

因为\(\mu(x)\)的部分和有可能是负数,所以运算之前要加一个\(10^9+7\)变成正数...

转载于:https://www.cnblogs.com/VisJiao/p/LOJ2095.html

您可能感兴趣的与本文相关的镜像

Facefusion

Facefusion

AI应用

FaceFusion是全新一代AI换脸工具,无需安装,一键运行,可以完成去遮挡,高清化,卡通脸一键替换,并且Nvidia/AMD等显卡全平台支持

基于据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
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  | 博主筛选后可见
 
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