BZOJ 2440 完全平方数 莫比乌斯函数应用

线性筛求莫比乌斯函数
本文介绍了一种使用线性筛算法求解莫比乌斯函数的方法,并通过具体的C++代码实现展示了该算法的工作原理。算法首先初始化一些基本参数,然后利用线性筛算法来计算莫比乌斯函数的值。

线性筛求莫比乌斯函数练手题,具体见代码。

#include<cstdio>
#include<iostream>
#include<cstring>
#include<cmath> 
#define ll long long
using namespace std;
const int maxn=500000;
int mu[maxn],prime[maxn],tot;
bool mark[maxn];
void get_mu(int n)
{
    mu[1]=1;
    for(int i=2;i<=n;i++)
    {
        if(!mark[i])
        {
            prime[++tot]=i;mu[i]=-1;
        }
        for(int j=1;prime[j]*i<=n;j++)
        {
            mark[prime[j]*i]=1;
            if(i%prime[j]==0)
            {
                mu[prime[j]*i]=0;break;
            }
            mu[prime[j]*i]=-mu[i];
        }
    }
}
ll calc(int x)
{
    ll res=0;
    int t=sqrt(x);
    for(int i=1;i<=t;i++)
        res+=x/(i*i)*mu[i]; 
    return res;
}
ll T,k,ans;
int main()
{
    scanf("%d",&T);
    get_mu(400000);
    while(T--)
    {
        scanf("%lld",&k);
        ll l=1,r=2147483647;
        while(r>=l)
        {
            ll mid=(l+r)>>1;
            if(calc(mid)>=k) 
            {
                ans=mid,r=mid-1;
            }
            else l=mid+1;
        }
        printf("%lld\n",ans);
    }
    return 0;   
} 
内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,涵盖正向逆向运动学求解、正向动力学控制,并采用拉格朗日-欧拉法推导逆向动力学方程,所有内容均通过Matlab代码实现。同时结合RRT路径规划B样条优化技术,提升机械臂运动轨迹的合理性平滑性。文中还涉及多种先进算法仿真技术的应用,如状态估计中的UKF、AUKF、EKF等滤波方法,以及PINN、INN、CNN-LSTM等神经网络模型在工程问题中的建模求解,展示了Matlab在机器人控制、智能算法系统仿真中的强大能力。; 适合人群:具备一定Ma六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)tlab编程基础,从事机器人控制、自动化、智能制造、人工智能等相关领域的科研人员及研究生;熟悉运动学、动力学建模或对神经网络在控制系统中应用感兴趣的工程技术人员。; 使用场景及目标:①实现六自由度机械臂的精确运动学动力学建模;②利用人工神经网络解决传统解析方法难以处理的非线性控制问题;③结合路径规划轨迹优化提升机械臂作业效率;④掌握基于Matlab的状态估计、数据融合智能算法仿真方法; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解运动学建模神经网络控制的设计流程,关注算法实现细节仿真结果分析,同时参考文中提及的多种优化估计方法拓展研究思路。
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