2015 Multi-University Training Contest 1 OO’s Sequence hdu5288

题意 :求解区间内不能整出其他数的个数.

转化思想:对数组a,求解有多少个满足a[i]不能整除区间其他数的区间个数.

解题:

需要知道满足a[i]的区间的最大范围,即左端点和右端点。建立L,R数组,L[i]表示包含a[i]的最大左端点,R[i]表示包含a[i]的最大右端点.L,R记录的是最靠近a[i]的因子的下标。

包含a[i]的区间个数为(i-L[i])*(R[i]-i);

sum+=(i-L[i])*(R[i]-i).

求L从左靠近i,求R从右靠近i.更新因子下标.

为避免每次都要查找因子是否存在在数组a中.用Index数组记录a[i]的下标,Index[a[i]]=i.初始Index=-1.

拿求左端点为例,j为a[i]因子.

/*if(Index[j]!=-1)L[i]=Max(Index[j],L[i]);*/    因子j本身已经在数组a中,更新L
/*if(Index[a[i]/j]!=-1)L[i]=Max(Index[a[i]/j],L[i]); */ 因子a[i]/j在数组a中,更新L.

/*Index[a[i]]=i*/ 记录a[i]下标

AC代码:

#include<stdio.h>
#include<math.h>
#include<string.h>
#include<stdlib.h>
#define MAX 100010
#define Max(a,b) a>b?a:b
#define Min(a,b) a<b?a:b
int L[MAX],R[MAX],a[MAX],Index[MAX];
int n,mod=1e9+7;
void read(){
    int i;
    for(i=1;i<=n;i++){
        scanf("%d",a+i);
        L[i]=0;
        R[i]=n+1;
    }
    return ;
}
int main(){
    int i,j,temp,sum;
    while(scanf("%d",&n)!=EOF){
        read();
        sum=0;
        memset(Index,-1,sizeof(Index));
        for(i=1;i<=n;i++){
            temp=sqrt(1.0*a[i]);
            for(j=1;j<=temp;j++){
                if(a[i]%j==0){
                    if(Index[j]!=-1)L[i]=Max(Index[j],L[i]);
                    if(Index[a[i]/j]!=-1)L[i]=Max(Index[a[i]/j],L[i]);        
                }
            }
            Index[a[i]]=i;
        }
        memset(Index,-1,sizeof(Index));
        for(i=n;i>=1;i--){
            temp=sqrt(1.0*a[i]);
            for(j=1;j<=temp;j++){
                if(a[i]%j==0){
                    if(Index[j]!=-1)R[i]=Min(Index[j],R[i]);
                    if(Index[a[i]/j]!=-1)R[i]=Min(Index[a[i]/j],R[i]);
                }
            }
            Index[a[i]]=i;
        }
        for(i=1;i<=n;i++)
            sum=(sum+(i-L[i])*(R[i]-i)%mod)%mod;
        printf("%d\n",sum);
    }
    return 0;
}

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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