hrbust 2374 Lcm function

本文介绍了一种计算特定数学函数f(n)的方法,该函数统计了所有最小公倍数等于n的数对数量。通过分析质因数分解,并利用乘法原理,文章提出了一种快速求解方案。
题意:
我们定义了一个函数 f(n),这个函数的定义如下:
对任意1<=i<=j<=n,f(n)等于所有lcm(i,j)=n的数量,
其中lcm为最小公倍数。

现在给你一组数,你需要去求所有的f(n)。

题解:
已知一个升序的质数表P1P2P3……PnPn+1……
对于一个正整数M,M一定可以表示为P1a1P2a2P3a3……
对于两个数M1, M2
M1 = P1b1P2b2P3b3……,M2 = P1c1P2c2P3c3……
LCM(M1, M2) = P1max(a1, b1)P2max(a2, b2)P3max(a3, b3)……

如果LCM(M1, M2) = M,那么ai = max(bi, ci)  for any i >= 1

所以只需要保证bi=ai或者ci=ai

也就是(0,ai),(1,ai)....(ai,ai)....(ai,1),(ai,0)

对于每个质因数,都能提供2*ai+1种可能。

根据乘法原理,所有有序对数等于0.5*(ai*2+1)

#include<stdio.h>
#include<string.h>
#include<vector>
#include<algorithm>
#include<iostream>
using namespace std;
#define LL long long
vector<LL>v;
#define N 10000005
vector<LL>prime;
int f[N];
void Init()
{
    for(int i=2; i<N; i++)
    {
        if(f[i]==0)
        {
            prime.push_back(i);
            for(int j=2; i*j<N; j++)
            {
                f[i*j]=1;
            }
        }
    }
}
int main()
{
    int T;
    Init();
    int m=prime.size();
    while(~scanf("%d",&T))
    {
        LL n;
        while(T--)
        {
            scanf("%lld",&n);
            LL s = sqrt(n);
            v.clear();
            for(int i=0; i<m; i++)
            {
                if(n%prime[i]==0)
                {
                    int c=0;
                    while(n%prime[i]==0)
                    {
                        c++;
                        n/=prime[i];
                    }
                    v.push_back(c);
                }
            }
            if(n!=1)v.push_back(1);
            LL res=1;
            int len=v.size();
            for(int i=0; i<len; i++)
            {
                res=(res*(v[i]*2+1));
            }
            cout<<int((1+res)*0.5)<<endl;
        }
    }
}



内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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