51nod1040最大公约数之和(欧拉函数)

本文详细解析了51nod1040题目的解题思路,通过转换枚举方式,利用欧拉函数优化计算过程,最终实现对大规模数值n(1≤n≤10^9)下与n的最大公约数之和的有效求解。

题目:51nod1040.
题目大意:给定 n n n,求 1 1 1~ n n n n n n的最大公约数之和.
1 ≤ n ≤ 1 0 9 1\leq n\leq 10^9 1n109.

先将式子写出来:
∑ i = 1 n g c d ( i , n ) \sum_{i=1}^{n}gcd(i,n) i=1ngcd(i,n)

考虑从枚举 1 1 1~ n n n转变为枚举 n n n的因数:
∑ i = 1 n g c d ( i , n ) = ∑ d ∣ n d ∑ i = 1 n [ g c d ( i , n ) = d ] \sum_{i=1}^{n}gcd(i,n)=\sum_{d|n}d\sum_{i=1}^{n}[gcd(i,n)=d] i=1ngcd(i,n)=dndi=1n[gcd(i,n)=d]

我们设 m = n d m=\frac{n}{d} m=dn,那么:
∑ i = 1 n g c d ( i , n ) = ∑ d ∣ n d ∑ i = 1 m [ g c d ( i , m ) = 1 ] = ∑ d ∣ n d ϕ ( m ) = ∑ d ∣ n d ϕ ( n d ) \sum_{i=1}^{n}gcd(i,n)\\ =\sum_{d|n}d\sum_{i=1}^{m}[gcd(i,m)=1]\\ =\sum_{d|n}d\phi(m)\\ =\sum_{d|n}d\phi(\frac{n}{d}) i=1ngcd(i,n)=dndi=1m[gcd(i,m)=1]=dndϕ(m)=dndϕ(dn)

由于 n n n很大,我们没有办法直接线性筛筛出 ϕ \phi ϕ值,所以直接根号求解就可以了.

那么时间复杂度为 O ( n 2 ) = O ( n ) O(\sqrt{n}^2)=O(n) O(n 2)=O(n),但是这个上界很松,事实上复杂度明显跑不满,所以可以过.

不过一个更正经的做法是,大力分解 n n n的所有质因数,然后计算欧拉函数时直接用 n n n的质因数计算,时间复杂度 O ( n log ⁡ n ) O(\sqrt{n}\log n) O(n logn).

代码如下:

#include<bits/stdc++.h>
using namespace std;

#define Abigail inline void
typedef long long LL;

const int N=50;

int n;
int pr[N+9],cp;

void Get_pr(int n){
  int now=n;
  for (int i=2;i*i<=n;++i)
    if (now%i==0)
      for (pr[++cp]=i;now%i==0;now/=i);
  if (now>1) pr[++cp]=now;
}

int Get_phi(int n){
  int res=n;
  for (int i=1;i<=cp;++i)
    if (n%pr[i]==0) res=res/pr[i]*(pr[i]-1);
  return res;
}

LL ans;

Abigail into(){
  scanf("%d",&n);
}

Abigail work(){
  Get_pr(n);
  for (int i=1;i*i<=n;++i)
    if (n%i==0){
      ans+=(LL)i*Get_phi(n/i);
      if (i*i^n) ans+=(LL)n/i*Get_phi(i);
    }
}

Abigail outo(){
  printf("%lld\n",ans);
}

int main(){
  into();
  work();
  outo();
  return 0;
}
【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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
 
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