UVA 10061 How many zeros and how many digits?

计算阶乘位数与尾零
本文介绍了一种高效算法来计算任意整数n的阶乘(n!)的位数及其尾随零的数量。通过数学分析和逐步示例说明了如何避免直接计算阶乘以减少内存使用和计算时间,特别关注于确定尾零数量的方法。
部署运行你感兴趣的模型镜像

题目

多少个零和数字?

分析

  1. 真的难
  2. 计算 n! 有多少位以及有多少尾零;
  3. 第一个问题是多少位,举一些栗子,
    16(10)=1×101+6×100
    256(10)=2×102+5×101+6×100

    对于给定的数字 a 和进制b,只需要求 k=floor(logba)=floor(logalogb) 即可获得位数 k ,实际上所求的是bk<a<bk+1
    再而是对于 n! ,如果先行求出 n! ,可能存在溢出和超时,那么可以这样
    log(n!)=log(n×(n1)×(n2)××1)=log(n)+log(n1)+log(n2)++log(1)
  4. 第二个问题是尾零,观察 3000(10)!
    求尾零实际是在求有多少个10相乘, 1000=10×10×10 有3个10就有三个0,再而分析,有1个10就有一个5最大质因数),求出这些数分解后有多少个5相乘,就有多少个尾零,为什么考虑5呢?因为阶乘可能溢出或者超时,如果拆开对每个数考察,只考察10结果是不可靠的,所以应该考察组成10的因子;
    3000(10)! 可以表示为
    1×2×3×4×(5×1)××9×(5×2)××14×(5×3)××1×(5×600)

    有600个5相乘,就是有600个0。
    但是在上式中,括号内的 [1,600] 这些数字中又有5的倍数,那么 [1,600] 中有多少个5的倍数,意味着漏了多少个0。
    1×2×3×4×(5×1)××9×(5×2)××14×(5×3)××1×(5×120)

    有120个5相乘,就是有120个0 。
    但是在上式中,括号内的 [1,120] 这些数字中又有5的倍数,那么 [1,120] 中有多少个5的倍数,意味着又漏了多少个0。
    1×2×3×4×(5×1)××9×(5×2)××14×(5×3)××1×(5×24)

    有24个5相乘,就是有24个0 。
    但是在上式中,括号内的 [1,24] 这些数字中又有5的倍数,那么 [1,24] 中有多少个5的倍数,意味着又漏了多少个0。
    1×2×3×4×(5×1)××9×(5×2)××14×(5×3)××1×(5×4)××24

    有4个5相乘,就是有4个0 。
    此时不再有5,结束。共有 600+120+24+4=748 个尾零。

代码

#include <stdio.h>
#include <math.h>

int cal_digit(int n, int b)
{
    int i;
    double l;
    for (i = 2, l = 0; i <= n; i++)
        l += log10(i) / log10(b);
    return l + 1;
}

int cal_zero(int n, int b)
{
    int i, d, m, t;
    for (i = 2, d = 1; i <= b; i++) {
        m = 0;
        while (b % i == 0) {
            m++;
            d = i;
            b /= i;
        }
    }
    for (t = 0; n > 0; ) {
        t += n / d;
        n /= d;
    }
    return t / m;
}

int main(void)
{
    int n, b;
    while (scanf("%d%d", &n, &b) != EOF)
        printf("%d %d\n", cal_zero(n, b), cal_digit(n, b));
    return 0;
}

您可能感兴趣的与本文相关的镜像

Qwen3-8B

Qwen3-8B

文本生成
Qwen3

Qwen3 是 Qwen 系列中的最新一代大型语言模型,提供了一整套密集型和专家混合(MoE)模型。基于广泛的训练,Qwen3 在推理、指令执行、代理能力和多语言支持方面取得了突破性进展

AI 代码审查Review工具 是一个旨在自动化代码审查流程的工具。它通过集成版本控制系统(如 GitHub 和 GitLab)的 Webhook,利用大型语言模型(LLM)对代码变更进行分析,并将审查意见反馈到相应的 Pull Request 或 Merge Request 中。此外,它还支持将审查结果通知到企业微信等通讯工具。 一个基于 LLM 的自动化代码审查助手。通过 GitHub/GitLab Webhook 监听 PR/MR 变更,调用 AI 分析代码,并将审查意见自动评论到 PR/MR,同时支持多种通知渠道。 主要功能 多平台支持: 集成 GitHub 和 GitLab Webhook,监听 Pull Request / Merge Request 事件。 智能审查模式: 详细审查 (/github_webhook, /gitlab_webhook): AI 对每个变更文件进行分析,旨在找出具体问题。审查意见会以结构化的形式(例如,定位到特定代码行、问题分类、严重程度、分析和建议)逐条评论到 PR/MR。AI 模型会输出 JSON 格式的分析结果,系统再将其转换为多条独立的评论。 通用审查 (/github_webhook_general, /gitlab_webhook_general): AI 对每个变更文件进行整体性分析,并为每个文件生成一个 Markdown 格式的总结性评论。 自动化流程: 自动将 AI 审查意见(详细模式下为多条,通用模式下为每个文件一条)发布到 PR/MR。 在所有文件审查完毕后,自动在 PR/MR 中发布一条总结性评论。 即便 AI 未发现任何值得报告的问题,也会发布相应的友好提示和总结评论。 异步处理审查任务,快速响应 Webhook。 通过 Redis 防止对同一 Commit 的重复审查。 灵活配置: 通过环境变量设置基
【直流微电网】径向直流微电网的状态空间建模与线性化:一种耦合DC-DC变换器状态空间平均模型的方法 (Matlab代码实现)内容概要:本文介绍了径向直流微电网的状态空间建模与线性化方法,重点提出了一种基于耦合DC-DC变换器的状态空间平均模型的建模策略。该方法通过数学建模手段对直流微电网系统进行精确的状态空间描述,并对其进行线性化处理,以便于系统稳定性分析与控制器设计。文中结合Matlab代码实现,展示了建模与仿真过程,有助于研究人员理解和复现相关技术,推动直流微电网系统的动态性能研究与工程应用。; 适合人群:具备电力电子、电力系统或自动化等相关背景,熟悉Matlab/Simulink仿真工具,从事新能源、微电网或智能电网研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握直流微电网的动态建模方法;②学习DC-DC变换器在耦合条件下的状态空间平均建模技巧;③实现系统的线性化分析并支持后续控制器设计(如电压稳定控制、功率分配等);④为科研论文撰写、项目仿真验证提供技术支持与代码参考。; 阅读建议:建议读者结合Matlab代码逐步实践建模流程,重点关注状态变量选取、平均化处理和线性化推导过程,同时可扩展应用于更复杂的直流微电网拓扑结构中,提升系统分析与设计能力。
### 解决 `np.zeros` 浮点数参数引发的 `TypeError` 在使用 `np.zeros` 函数时,其参数必须为整数类型。如果传递了浮点数,则会触发错误 `TypeError: 'float' object cannot be interpreted as an integer`。以下是详细的分析与解决方案。 #### 问题原因 `np.zeros` 的第一个参数是一个形状元组 `(shape)`,其中的每个元素都必须是整数。当传入的值为浮点数时,Python 无法将其解释为有效的数组维度,因此抛出类型错误。例如: ```python import numpy as np # 错误示例 np.zeros((2.5, 3.0)) # TypeError: 'float' object cannot be interpreted as an integer ``` #### 解决方案 确保传递给 `np.zeros` 的所有参数均为整数。可以通过以下方法实现: 1. **显式转换为整数** 使用 `int()` 函数将浮点数转换为整数[^2]。需要注意的是,直接转换可能会导致精度损失,因此需要根据具体需求选择是否进行取整操作。 ```python import numpy as np delta_t = 0.5 EV_N = 10 # 将浮点数转换为整数 P_min = np.zeros((int(24 / delta_t), int(EV_N))) ``` 2. **使用数学函数进行取整** 如果需要对浮点数进行向上或向下取整,可以结合 `math.floor()` 或 `math.ceil()` 函数[^1]。 ```python import numpy as np import math delta_t = 0.5 EV_N = 10 # 向下取整 P_min = np.zeros((math.floor(24 / delta_t), math.floor(EV_N))) # 或者向上取整 P_min = np.zeros((math.ceil(24 / delta_t), math.ceil(EV_N))) ``` 3. **检查输入数据类型** 在某些情况下,可能需要对输入数据进行验证,确保其符合预期类型。例如: ```python import numpy as np def create_zeros_array(rows, cols): if not isinstance(rows, int) or not isinstance(cols, int): raise ValueError("Rows and columns must be integers.") return np.zeros((rows, cols)) delta_t = 0.5 EV_N = 10 # 调用函数前进行类型转换 P_min = create_zeros_array(int(24 / delta_t), int(EV_N)) ``` #### 示例代码 以下是一个完整的示例,展示如何正确使用 `np.zeros` 并避免类型错误: ```python import numpy as np delta_t = 0.5 EV_N = 10 # 确保所有参数为整数 P_min = np.zeros((int(24 / delta_t), int(EV_N)), dtype=np.float64) print(P_min) ``` #### 注意事项 - 如果 `24 / delta_t` 或 `EV_N` 的计算结果为非整数,需要明确业务逻辑以决定是否进行取整操作。 - 在高性能计算场景中,确保所有数组维度为整数是 NumPy 高效运行的关键之一[^1]。 --- ###
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