HDU6053 TrickGCD(容斥原理)

本文介绍了一种关于最大公约数的数论问题解决方案,利用莫比乌斯函数进行容斥原理计算,并通过优化算法实现高效求解。文章提供了一个具体的C++实现案例。

传送门
考虑枚举所有数的最大公约数g,那么答案大概张成这个样子

g=2(μ(g))i=1naig

其中的莫比乌斯函数是用来容斥的,不知道的可以先学习一下。
按照式子直接做是 n2 的,肯定不能通过。考虑优化。想到 aig 的最多有 amaxg 个取值,对于所有的g,一共有 O(amaxg=2amaxg)=O(amaxi=1i)=O(amaxlogamax)
所以我们可以枚举g,对于每一个取值,我们可以通过前缀和的形式求出来有x个数可以取这个值v,然后我们用快速幂算出 vx 乘起来就可以算出针对g的答案了,然后加起来就好。

#include<bits/stdc++.h>
using namespace std;
const int MAXN = 1e5 + 5;
const int MOD = 1e9 + 7;
int p[MAXN], n, a[MAXN], mu[MAXN], cnt, s[MAXN];
bool vis[MAXN];
inline void GET(int&n) {
    static char c; n = 0; do c = getchar(); while('0' > c || c > '9');
    while('0' <= c && c <= '9') { n = n*10 + c - '0'; c = getchar(); }
}
inline void gmax(int&a, int b) { if(a < b) a = b; }
void Sieve() {
    for(int i = 2; i <= 1e5; ++ i) {
        if(!vis[i]) { p[++ cnt] = i; mu[i] = -1; }
        for(int j = 1, d; j <= cnt && (d = i * p[j]) <= 1e5; ++ j) {
            vis[d] = 1;
            if(i % p[j] == 0) { mu[d] = 0; break; }
            else mu[d] = -mu[i];
        }
    }
}
inline int ksm(int a, int k) {
    int res = 1;
    for(; k; k >>= 1, a = 1ll * a * a % MOD)
        if(k & 1) res = 1ll * res * a % MOD;
    return res;
}
int main() {
    Sieve(); int T; scanf("%d", &T);
    for(int Cas = 1; Cas <= T; ++ Cas) {
        memset(s, 0, sizeof s);
        scanf("%d", &n); int mx = 0;
        for(int i = 1; i <= n; ++ i) {
            GET(a[i]); s[a[i]] ++;
            gmax(mx, a[i]);
        }
        for(int i = 1; i <= mx; ++ i)
            s[i] += s[i-1];
        int ans = 0;
        for(int i = 2; i <= mx; ++ i) {
            int res = 1;
            for(int j = 0; j <= mx; j += i) {
                int tmp = s[min(j+i-1, mx)] - (j ? s[j-1] : 0);
                tmp = ksm(j/i, tmp);
                res = 1ll * res * tmp % MOD;
            }
            ans = (1ll * ans + 1ll * res * (-mu[i]) + 1ll * MOD) % MOD;
        }
        printf("Case #%d: %d\n", Cas, ans);
    }
    return 0;
}
基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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