容斥【玲珑杯】咸鱼值

Description
众所周知zhu是一个大厨,zhu一直有自己独特的咸鱼制作技巧.
tang是一个咸鱼供应商,他告诉zhu在他那里面有N条咸鱼(标号从1到N)可以被用来制作.
每条咸鱼都有一个咸鱼值Ki,初始时所有Ki都是0.
zhu是一个特别的人,他有M个咸数(咸鱼数字), 对于每个咸数x,他都会让所有满足标号是x倍数的咸鱼的咸鱼值异或上1.
zhu现在想知道经过了这M个咸数的筛选之后,最终有多少条的咸鱼的咸鱼值是1?
Input
输入的第一行包含一个整数T(1≤T≤1000),表示有T组数据.
对于每组数据:
输入第一行只有两个整数N(1≤N≤10^9),M(1≤M≤15).
接下来一行有M个整数,依次对应zhu的每个咸数(1≤咸数≤2∗10^5).
Output
对于每组数据,输出答案.
Sample Input
2
10 1
3
10 1
1
Sample Output
3
10
入门级容斥?
但是不是的,她虽然简单毕竟你看到了ZHU
ZHU爷会水题?
最开始奇加偶减过了样例自信交
然后WA了
仔细思考我实际求得是倍数的个数

网上高人的都是找规律我给出一个证明好了
∑i=1k(ki)(−1)i+12i−1\sum_{i=1}^{k}{k \choose i}(-1)^{i+1}2^{i-1}i=1k(ik)(1)i+12i1= ∑i=1k(ki)(−2)i−1\sum_{i=1}^{k}{k \choose i}(-2)^{i-1}i=1k(ik)(2)i1
=1−2∑i=1k(ki)(−2)i=\frac{1}{-2}\sum_{i=1}^{k}{k \choose i}(-2)^{i}=21i=1k(ik)(2)i
=−(k0)(−2)0+∑i=0k(ki)(−2)i−2=\frac{-{k \choose 0}(-2)^0+\sum_{i=0}^{k}{k \choose i}(-2)^{i}}{-2}=2(0k)(2)0+i=0k(ik)(2)i(这一步到下一步我用了数学归纳法证明)
=−1+(−2+1)k−2=\frac{-1+(-2+1)^{k}}{-2}=21+(2+1)k
=1−(−1)k2=\frac{1-(-1)^{k}}{2}=21(1)k
=[2∤k]=[2 \nmid k]=[2k]
实际上容斥系数也可以DP
在这里插入图片描述
实际上就是这样On2On^{2}On2处理是万能的

#include<bits/stdc++.h>
using namespace std;
typedef int INT;
#define int long long
int F[21]; 
int A[21];
int C[21][21];
int n,m;
int ans=0;
void DFS(int x,int sum,int cnt){
	if(sum>n)return;
	if(x==m+1){
		ans=ans+F[cnt]*(n/sum);
		return;
	}
	int tmp=sum/(__gcd(A[x],sum))*A[x];
	DFS(x+1,tmp,cnt+1);
	DFS(x+1,sum,cnt);
}
INT main(){
	C[0][0]=1;
	for(int i=1;i<=20;++i){
		C[i][0]=1;
		for(int j=1;j<=i;++j){
			C[i][j]=C[i-1][j]+C[i-1][j-1];
		}
	}
	F[1]=1;
	for(int i=2;i<=20;++i){
		F[i]=i&1;
		for(int j=1;j<i;++j){
			F[i]-=F[j]*C[i][j];
		}
	}
	int Cas;
	cin>>Cas;
	while(Cas--){
		cin>>n>>m;
		for(int i=1;i<=m;++i)cin>>A[i];
		DFS(1,1,0);
		cout<<ans<<'\n';
		ans=0;
	}
}
内容概要:本文档详细介绍了基于MATLAB实现的无人机三维路径规划项目,核心算法采用蒙特卡罗树搜索(MCTS)。项目旨在解决无人机在复杂三维环境中自主路径规划的问题,通过MCTS的随机模拟与渐进式搜索机制,实现高效、智能化的路径规划。项目不仅考虑静态环境建模,还集成了障碍物检测与避障机制,确保无人机飞行的安全性和效率。文档涵盖了从环境准备、数据处理、算法设计与实现、模型训练与预测、性能评估到GUI界面设计的完整流程,并提供了详细的代码示例。此外,项目采用模块化设计,支持多无人机协同路径规划、动态环境实时路径重规划等未来改进方向。 适合人群:具备一定编程基础,特别是熟悉MATLAB和无人机技术的研发人员;从事无人机路径规划、智能导航系统开发的工程师;对MCTS算法感兴趣的算法研究人员。 使用场景及目标:①理解MCTS算法在三维路径规划中的应用;②掌握基于MATLAB的无人机路径规划项目开发全流程;③学习如何通过MCTS算法优化无人机在复杂环境中的飞行路径,提高飞行安全性和效率;④为后续多无人机协同规划、动态环境实时调整等高级应用打下基础。 其他说明:项目不仅提供了详细的理论解释和技术实现,还特别关注了实际应用中的挑战和解决方案。例如,通过多阶段优化与迭代增强机制提升路径质量,结合环境建模与障碍物感知保障路径安全,利用GPU加速推理提升计算效率等。此外,项目还强调了代码模块化与调试便利性,便于后续功能扩展和性能优化。项目未来改进方向包括引入深度强化学习辅助路径规划、扩展至多无人机协同路径规划、增强动态环境实时路径重规划能力等,展示了广阔的应用前景和发展潜力。
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