洛谷P1892 莫比乌斯反演,套路处理技巧

5个4000比特大状态置换算法的设计与分析 下面是 5 个概念性、实验性的 4000 位可逆置换设计。它们都保证是双射,但未经过密码分析,不可直接用于生产系统。风格分别覆盖:三维 SPN、Feistel、可逆元胞自动机、ARX、宽轨迹/Keccak 式结构。 这 5 个设计分别代表了 SPN、Feistel、元胞自动机、ARX、宽轨迹 Keccak 五种不同风格,覆盖了主流大状态置换的构造思路。再次强调:它们只是实验性概念,若要用于实际协议,必须经过严格安全性分析。 阅读详情

题意:

给出n,mn,mn,m,计算
∑i=1n∑j=1mlcm(i,j) \sum_{i=1}^{n}\sum_{j=1}^{m} lcm(i,j) i=1∑n​j=1∑m​lcm(i,j)

Solution:

lcmlcmlcm不好处理转化为gcdgcdgcd,有
∑i=1n∑j=1mijgcd(i,j) \sum_{i=1}^{n}\sum_{j=1}^{m}\frac{ij}{gcd(i,j)} i=1∑n​j=1∑m​gcd(i,j)ij​
优先枚举因子gcdgcdgcd,这样可以转化成整除问题
∑d=1n∑i=1n∑j=1m[gcd(i,j)=d]ijd \sum_{d=1}^{n}\sum_{i=1}^{n}\sum_{j=1}^{m}[gcd(i,j)=d]\frac{ij}{d} d=1∑n​i=1∑n​j=1∑m​[gcd(i,j)=d]dij​
利用gcd(i,j)=d⇒gcd(id,jd)=1gcd(i,j)=d\Rightarrow gcd(\frac{i}{d},\frac{j}{d})=1gcd(i,j)=d⇒gcd(di​,dj​)=1,枚举右式的id,jd\frac{i}{d},\frac{j}{d}di​,dj​作为新的i,ji,ji,j
∑d=1n∑i=1⌊nd⌋∑j=1⌊md⌋[gcd(i,j)=1]id⋅jdd=∑d=1n∑i=1⌊nd⌋∑j=1⌊md⌋[gcd(i,j)=1]ijd \sum_{d=1}^{n}\sum_{i=1}^{\lfloor\frac{n}{d}\rfloor}\sum_{j=1}^{\lfloor\frac{m}{d}\rfloor}[gcd(i,j)=1]\frac{id\cdot jd}{d}=\sum_{d=1}^{n}\sum_{i=1}^{\lfloor\frac{n}{d}\rfloor}\sum_{j=1}^{\lfloor\frac{m}{d}\rfloor}[gcd(i,j)=1]ijd d=1∑n​i=1∑⌊dn​⌋​j=1∑⌊dm​⌋​[gcd(i,j)=1]did⋅jd​=d=1∑n​i=1∑⌊dn​⌋​j=1∑⌊dm​⌋​[gcd(i,j)=1]ijd
将ddd提出
∑d=1nd∑i=1⌊nd⌋∑j=1⌊md⌋[gcd(i,j)=1]ij \sum_{d=1}^{n}d\sum_{i=1}^{\lfloor\frac{n}{d}\rfloor}\sum_{j=1}^{\lfloor\frac{m}{d}\rfloor}[gcd(i,j)=1]ij d=1∑n​di=1∑⌊dn​⌋​j=1∑⌊dm​⌋​[gcd(i,j)=1]ij
莫比乌斯函数的性质∑d∣nμ(d)=[n=1]\sum_{d|n} \mu(d)=[n=1]∑d∣n​μ(d)=[n=1],可以将布尔表达式转化为整除,于是即求
∑d=1nd∑i=1⌊nd⌋∑j=1⌊md⌋ij∑t∣gcd(i,j)μ(t) \sum_{d=1}^{n}d\sum_{i=1}^{\lfloor\frac{n}{d}\rfloor}\sum_{j=1}^{\lfloor\frac{m}{d}\rfloor}ij\sum_{t|gcd(i,j)}\mu(t) d=1∑n​di=1∑⌊dn​⌋​j=1∑⌊dm​⌋​ijt∣gcd(i,j)∑​μ(t)
再次优先枚举因子ttt,此时知道因子,只需找因子的所有倍数的和,倍数有
t,2t,3t,.... t,2t,3t,.... t,2t,3t,....
那么对于nnn,小于nnn的倍数有⌊nt⌋\lfloor\frac{n}{t}\rfloor⌊tn​⌋个,求和即为
t(1+2+3+...+⌊nd⌋) t(1+2+3+...+\lfloor\frac{n}{d}\rfloor) t(1+2+3+...+⌊dn​⌋)
令sum(i)=1+2+...+i=(1+i)(i)2sum(i)=1+2+...+i=\frac{(1+i)(i)}{2}sum(i)=1+2+...+i=2(1+i)(i)​,那么原式可以写作
∑d=1nd∑tmin{⌊nd⌋,⌊md⌋}t2μ(t)sum(⌊nd⌋t)sum(⌊md⌋t) \sum_{d=1}^{n}d\sum_{t}^{min\{\lfloor\frac{n}{d}\rfloor,\lfloor\frac{m}{d}\rfloor\}}t^2\mu(t) sum(\frac{\lfloor\frac{n}{d}\rfloor}{t})sum(\frac{\lfloor\frac{m}{d}\rfloor}{t}) d=1∑n​dt∑min{⌊dn​⌋,⌊dm​⌋}​t2μ(t)sum(t⌊dn​⌋​)sum(t⌊dm​⌋​)
在题目内,可以交换n,mn,mn,m,那么不妨假设n≤mn\leq mn≤m,即求
∑d=1nd∑t⌊nd⌋t2μ(t)sum(⌊ndt⌋)sum(⌊mdt⌋) \sum_{d=1}^{n}d\sum_{t}^{\lfloor\frac{n}{d}\rfloor}t^2\mu(t) sum(\lfloor\frac{n}{dt}\rfloor)sum(\lfloor\frac{m}{dt}\rfloor) d=1∑n​dt∑⌊dn​⌋​t2μ(t)sum(⌊dtn​⌋)sum(⌊dtm​⌋)
枚举T=dtT=dtT=dt,由于此时ttt是TTT的一个因子,此时枚举ddd为TTT的因子,地位相当于上式的ttt
∑T=1nsum(⌊nT⌋)sum(⌊mT⌋)T∑d∣Tdμ(d) \sum_{T=1}^{n}sum(\lfloor\frac{n}{T}\rfloor)sum(\lfloor\frac{m}{T}\rfloor)T\sum_{d|T}d\mu(d) T=1∑n​sum(⌊Tn​⌋)sum(⌊Tm​⌋)Td∣T∑​dμ(d)
其中sum(⌊nT⌋)sum(⌊mT⌋)sum(\lfloor\frac{n}{T}\rfloor)sum(\lfloor\frac{m}{T}\rfloor)sum(⌊Tn​⌋)sum(⌊Tm​⌋)可以整除分块解决,此时的整除分块应该保证⌊nT⌋\lfloor\frac{n}{T}\rfloor⌊Tn​⌋与⌊mT⌋\lfloor\frac{m}{T}\rfloor⌊Tm​⌋都在这个范围是不变的,所以rrr端点需要两次结果取小,剩下只需要快速求得
f(T)=∑d∣Tdμ(d) f(T)=\sum_{d|T}d\mu(d) f(T)=d∣T∑​dμ(d)
一般数论函数都是积性的,所以我们考虑给一个求出来的f(T)f(T)f(T)的TTT添加一个质因子ppp

  • 如果TTT含有ppp,由于当一个数nnn出现了质因子的平方的时候,μ(n)=0\mu(n)=0μ(n)=0,所以这个p,Tp,Tp,T的分解方式不能给μ(Tp)\mu(Tp)μ(Tp)带来贡献,所以f(Tp)=f(T)f(Tp)=f(T)f(Tp)=f(T)

  • 如果TTT不含有ppp,由于积性函数,f(Tp)=f(T)f(p)f(Tp)=f(T)f(p)f(Tp)=f(T)f(p)

这样就可以线性筛出所有的f(T)f(T)f(T),只需要对Tf(T)Tf(T)Tf(T)做前缀和即可

设一个质因子为ppp,由于μ(p)=1−1=0\mu(p)=1-1=0μ(p)=1−1=0,于是设定f(p)=μ(p)f(p)=\mu(p)f(p)=μ(p)时即筛μ(i)\mu(i)μ(i),上述方法只是一个筛μ(i)\mu(i)μ(i)的改动版

总时间复杂度O(n)O(n)O(n)

// #include<bits/stdc++.h>
#include<iostream>
#include<cstdio>
#include<cmath>
#include<cstring>
#include<algorithm>
#include<vector>
#include<bitset>
#include<map>
using namespace std;

using ll=long long;
const int N=1e7+5,inf=0x3fffffff;
const long long INF=0x3fffffffffffffff,mod=20101009;

bool nt[N];
int prime[N],cnt;
ll n,m,ans,f[N],sum[N];

void make_prime()
{
    f[1]=1;
    for(int i=2;i<=n;i++)
    {
        if(!nt[i]) prime[++cnt]=i,f[i]=((1-i)%mod+mod)%mod;
        for(int j=1;j<=cnt&&i*prime[j]<=n;j++)
        {
            nt[i*prime[j]]=true;
            if(i%prime[j]==0) 
            {
                f[i*prime[j]]=f[i];
                break;
            }
            else f[i*prime[j]]=f[i]*f[prime[j]]%mod;
        }
    }
    for(int i=1;i<=n;i++) f[i]=(f[i-1]+1ll*i*f[i]%mod)%mod;
    for(int i=1;i<=m;i++) sum[i]=(sum[i-1]+i)%mod;
}

ll query(ll l,ll r){
    return ((f[r]-f[l-1])%mod+mod)%mod;
}

int main()
{
    cin>>n>>m;
    if(n>m) swap(n,m);
    make_prime();
    for(ll l=1,r,val;l<=n;l=r+1)
    {
        val=n/l; r=val?min(n/val,n):n;
        val=m/l; r=min(r,val?min(m/val,m):m);
        ans=(ans+sum[n/l]*sum[m/l]%mod*query(l,r)%mod)%mod;
    }
    cout<<ans;
    return 0;
}
开关电源|控制方式PWM、PFM、混合调制 频率调制器根据误差放大器的输出大小来改变方波信号的频率,若负载电流突然增加,输出电压 Vout随之下降,反馈电压 VFB 减小,此时误 差放大器的输出增高,频率调制器输出方波信号的频率增大,增加电感充电次数;若负载电流突然增加,输出电压Vom随之下降,反馈电压Vr减小,此时误差放大器的输出增高,PWM比较器输出方波信号的占空比增大,增加电感充电时间:若负载电流突然下降,PWM比较器输出方波信号的占空比减小,减少电感充电时间,从而稳定输出电压。它是在固定开关频率下,通过改变脉冲宽度来调节占空比的。 阅读详情

相关推荐

MTGS与3D高斯泼溅:如何用多轨迹数据重建自动驾驶场景(附代码解析)

本文深入解析了MTGS(多轨迹高斯泼溅)技术在自动驾驶场景重建中的工程实践。该方法通过分层场景表示,巧妙融合多轨迹数据,利用3D高斯泼溅技术统一处理静态几何与动态物体,有效解决了复杂环境下的重建难题。文章结合代码,详细阐述了其实现框架、损失函数设计及优化策略,为构建高保真数字孪生场景提供了实用指南。

v5w6x的博客 443

BZOJ 3930 Luogu P3172 选数 (莫比乌斯反演)

题目链接: (Luogu)https://www.luogu.org/problemnew/show/P3172 (BZOJ)http://www.lydsy.com/JudgeOnline/problem.php?id=3930 题目大意: 给定N,M,L,R,从区间[L,R]内选出N个整数使得它们的gcd恰好为m,求合法的选数方案数对1e9+7取模的值。1&lt;=N,M,L,R&lt...

suncongbo's blog 468

糖果【贪心】

【问题描述】 有N(1≤N <100,000)N(1≤N~<100,000)N(1≤N <100,000)种不同类型的糖果,每种糖果数量无限多。第i种糖果每颗的价格是Pi(1≤Pi≤1018),有Ci(1≤Ci≤1018)P_i(1≤P_i≤10^{18}),有C_i (1≤C_i≤10^{18)}Pi​(1≤Pi​≤1018),有Ci​(1≤Ci​≤1018)头牛想吃这种糖果。 FarmerJohnFarmer JohnFarmerJohn拥有金钱BBB元(1≤B≤1

算法小猪的博客 793

【洛谷2257】YY的GCD(莫比乌斯反演)

点此看题面 大致题意: 求∑x=1N∑y=1MIsPrime(gcd(x,y))\sum_{x=1}^N\sum_{y=1}^MIsPrime(gcd(x,y))∑x=1N​∑y=1M​IsPrime(gcd(x,y))。 莫比乌斯反演 听说此题是莫比乌斯反演入门题? LinkLinkLink 莫比乌斯反演 详见博客 初学莫比乌斯反演 一些定义 首先,我们可以定义f(d)f(d)f(d)和...

CXR的博客 455

loadStop的原因导致的SSUSP

Total内存值是可用来调度的可用内存,当前可用内存为 0M。 loadSched和loadStop的阈值是根据 Total 内存和节点内存来做限制的。 loadStop 50G,现在有大量作业SSUSP,说明之前某个时间点该节点内存可能有低于50G的时候,导致作业SSUSP,具体是否是这个原因引起的需要用 bjobs -l JobID 看下作业的详细信息。 如果是loadStop的原因导致的 SSUSP,根据loadStop设置的阈值,Total 值高于loadStop值后,将逐步恢复挂起的作业

Blueberry521的博客 664

【AI Infra】Perfetto性能分析工具指南

Perfetto是一款开源性能分析工具,提供系统级和应用级的活动数据追踪功能。其界面分为四个区域:左侧操作区(包含Trace查看、SQL查询、预置分析等功能)、上方信息区、中间图形化展示区以及下方详细信息区。工具支持快捷键操作(w/s缩放、a/d移动、m标记等),并能高效处理大体积Trace文件。通过Timeline分析可发现性能瓶颈,如案例中update_actor耗时过高的问题,最终定位到CPU offloading导致的MemcpyH2D操作耗时过长,提出了优化方案。Perfetto相比Systrac

baiweizeng的博客 1503

【UR #5】怎样跑得更快 题解

Description 传送门 Solution 颓式。 ∑j=1ngcd⁡(i,j)c×lcm(i,j)d×xj≡bi(modp)idjd∑j=1ngcd⁡(i,j)c−dxj≡bi(modp)∑j=1n(∑d∣i,d∣jfd)xj≡bi′(modp)∑d∣ifd∑d∣jxj≡bi′(modp)∑d∣ifdF(d)≡bi′∑d∣iG(d)≡bi′\sum_{j=1}^n \gcd(i,j)^c \times \text{lcm}(i,j)^d \times x_j \equiv b_i \pmod p \

Cherrt的博客 198

10、高阶ΣΔ调制器设计与优化

本文深入探讨了高阶ΣΔ调制器的设计与优化技术,重点介绍了NTF零点优化方法,通过分散单位圆上的零点分布提升信噪失真比(SQNR)。文章分析了量化噪声耦合技术如何有效提高噪声整形阶数,并对比了CIFB、CIFF、CRFB和CRFF等不同架构的性能特点。同时,详细阐述了基于稳定性与性能权衡的设计流程,结合Schreier的Delta-Sigma Toolbox实现NTF综合与仿真验证。内容涵盖从理论推导到实际设计步骤,为高阶ΣΔ调制器的稳定性提升与性能优化提供了系统性指导。

tgb345678的博客 134

洛谷P3768简单的数学题——莫比乌斯反演+杜教筛推导详解

莫比乌斯反演题改编,杜教筛中难题目,你会发现前面推了一页后终于才用到杜教筛

偶耶的博客 443

上机任务一:空气质量指数 (air quality index,AQI是定量描述空气质量状况的指数。为了更好地了解和人们身体健康息息相关的天气状况,本书模拟生成500条某地区天气数据,一行样本对应一天

调整后的R平方为0.4308,考虑了模型中的自由度,它略低于多重R平方,说明模型的解释能力可能有限。总的来说,新的模型相对于之前的模型在AIC值上更优,包含了最高温度(X2)和最低温度(X3)这两个重要的预测因子,并且对AQI的解释能力较好。在表中,Df表示自由度,Sum Sq表示总平方和,Mean Sq表示均方(总平方和除以自由度),F value表示F统计量,Pr(>F)表示对应的p值。在分析这些结果时,需要关注系数的显著性(p值),系数的方向(正向或负向影响),以及系数的大小(估计值)。

Mrrunsen的博客 722

LDRA Testbed软件静态分析_操作指南

从本文起,将开始LDRA Testbed(TBrun)教程的系列文章,包括软件静态分析、单元测试、集成测试,以及基于Testbed的自动化工具开发、持续集成、常见问题解答等。LDRA公司是专业的软件测试工具与测试技术、咨询服务提供者,其总部位于英国利物浦。其旗舰产品Testbed/TBrun功能全面、易于使用,不仅适合于主机平台软件测试,同时适合于嵌入式软件测试。不仅能进行软件静态测试,还能进行软件单元测试、软件集成测试,在白盒测试领域运用比较广泛。

文章主要涉及嵌入式软件开发、测试、项目管理等,欢迎交流,共同进步。 1万+

洛谷 P2257 YY的GCD【莫比乌斯反演】

https://www.luogu.org/problemnew/show/P2257 一年前留下的莫比乌斯反演的坑,竟发现一年后还是不懂(这不是废话嘛)! 但是我觉得搞一搞还是可以的。 实际上算是第一次做莫比乌斯反演问题。 初步感觉解决这类问题的办法就是推公式,当然不是说是这么简单,日后发现有问题还将更改。 一般来说将一个枚举求和问题转换成一个整数分块求前缀和的问题。FFF与fff的关...

Irish_Moonshine的博客 376

少儿学编程系列--使用递归画出龙形曲线DragonCurve

龙形曲线(Dragon Curve) 龙形曲线(Dragon Curve)又叫分形龙,是一种自相似碎形曲线的统称,因形似龙的蜿蜒盘曲而得名 使用黄金比例画龙形曲线 根据黄金比例画一条龙曲线。每次递归,第一步向左转32.89度,移动0.74倍原距离;第二个递归步骤向右转46.99度,移动原来距离的0.55倍。请查看这个网页(https://larryriddle.agnesscott.org/ifs/heighway/goldenDragon.htm)了解关于龙形黄线数学的细节 龙形曲线效果 .

penriver的博客 2296

洛谷P3172(莫比乌斯反演 + 杜教筛)

洛谷P3172 题意: 在[L, H]中选n个数,它们的GCD为k有多少种方法? #include<iostream> #include<cstdio> #include<map> using namespace std; typedef long long ll; const int N = 5e6 + 7; const ll mod = 1e9 + 7; ll miu[N], v[N], sum[N]; map <ll, ll> m1; ll powe

qq_43955586的博客 179

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

洛谷P2257 莫比乌斯反演

  #include&lt;bits/stdc++.h&gt; using namespace std; const int maxn=1e7+10; typedef long long ll; bool vis[maxn]; int mu[maxn]; ll sum[maxn]; int prime[maxn]; int g[maxn]; void get_mu(in...

兜率工的博客 366

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

Luogu P3327 [SDOI2015]约数个数和___莫比乌斯函数

题目大意: 分析: d(ij)=∑x∣i∑y∣j[gcd(x,j/y)=1]d(ij)=\sum_{x|i}\sum_{y|j}[gcd(x,j/y)=1]d(ij)=∑x∣i​∑y∣j​[gcd(x,j/y)=1] ans=∑i=1n∑j=1md(ij)ans=\sum_{i=1}^{n}\sum_{j=1}^{m}d(ij)ans=∑i=1n​∑j=1m​d(ij) =∑i=1n∑j=1m...

生如夏花之绚烂 275

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

莫比乌斯反演(洛谷P5221)

题意: 给一个n(1<=n<=1000000); 求 ∏i=1n∏j=1nlcm(i,j)gcd(i,j)(mod104857601)\prod_{i=1}^n\prod_{j=1}^n\frac{lcm(i,j)}{gcd(i,j)}(mod 104857601)i=1∏n​j=1∏n​gcd(i,j)lcm(i,j)​(mod104857601) 题解: 公式推演: ∏i=1n∏...

Macarons的博客 376

算法日常・每日刷题--<动态规划>42

本题为“不相交的线”,与最长公共子序列问题相似。使用动态规划求解:定义 dp[i][j] 表示 nums1[0:i] 与 nums2[0:j] 的最大不相交连线数。若元素相等,则继承左上值加1;否则取上方或左方最大值。最终返回 dp[m][n],即两数组的最大不相交连线数。时间复杂度 O(mn),空间复杂度 O(mn)。

2503_92261635的博客 15

C语言程序设计题|有序数组插入数字冒泡排序

题目要求将一个数插入有序数组末尾,并用冒泡排序实现整体升序。代码先将输入数存入数组最后位置,再通过双重循环进行冒泡排序,每轮将较大元素向后移动,最终输出11个升序元素。该方法虽时间复杂度为O(n²),但符合题目要求,逻辑清晰,适合初学者理解排序原理。

2301_81429079的博客 437

【算法拾光】模拟|外观数列 + 数青蛙

本文总结两道模拟题解法:外观数列通过迭代统计连续数字个数生成下一项,关键在于处理末尾字符;数青蛙则模拟青蛙叫声“croak”状态转移,维护各阶段青蛙数量,记录最大并发数并确保全部完成。共性在于严格遵循流程、细致处理边界与非法情况,锻炼字符串遍历与状态管理能力。

wuqingyigexiaoba的博客 362

【数据结构-3】算法美学之降复杂度

在while循环的循环体内,首先用临时变量保存最后一个位置的数据,再通过for循环把所有元素往后移动一位,最后把tmp中保存的值放到下标为0的位置上去。方法二的思路是:创建新数组,让原数组中后k个数据移动到新数组中前面的位置,让原数组中前numsSize-k个数据移动到新数组中后面的位置,这。这段代码的思路是:三次逆置,第一次逆置前numsSize-k个数据,第二次逆置后k个数据,最后整体逆置。这篇博文分享一道解法不一的算法题,求解过程的目的在于降低算法的时间复杂度,题源力扣。,属于空间换时间的操作。

weixin_44218929的博客 77

AI和大模型—从克里金算法说开去

克里金算法源于矿业勘探,通过空间自相关性实现稀疏数据下的最优预测,核心优势在于不确定性量化。在AI大模型中,其等价于高斯过程,广泛应用于超参数优化、小样本建模与推理调度。尽管面临计算复杂度高、核函数选择难等问题,通过稀疏化、分治法与低秩近似可有效优化。该方法在降低训练成本、提升泛化能力及减少幻觉方面表现突出,尤其适用于高维、高成本的智能系统优化,具有重要借鉴价值。

fpcc的专栏 602

算法日常・每日刷题--<动态规划>32

给定严格递增的正整数数组,求最长斐波那契子序列长度。使用二维DP,dp[i][j]表示以arr[i]、arr[j]为最后两项的序列长度,初始化均为2。通过哈希表快速查找前一项target = arr[j] - arr[i],若存在且下标小于i,则状态转移:dp[i][j] = dp[k][i] + 1。遍历更新全局最大长度,最终若结果小于3则返回0。时间复杂度O(n²),空间复杂度O(n²)。

2503_92261635的博客 176

算法札记:几何分布在算法题UVA1262的运用

集卡问题求解核心:将集齐n种优惠券的过程分为n个阶段,每个阶段期望购买次数为 $ \frac{n}{k} $(k为剩余种类数),总期望为 $ n \cdot H_n $(调和数)。通过自洽方程推导单阶段期望,无需几何分布或无穷级数,逻辑清晰且适用于大一水平。例如,n=5时期望约11.42,非5。题目要求以带分数形式输出精确结果,算法上需累加分数并化简。

Keven_11的博客 307

不同的二叉搜索树

互不相同的二叉搜索树的种数,以 j (1<=j<=i)为头节点,左子树是 j-1 个数,右子树就是 i - (j - 1) -1 = i - j个数。所以dp[3] = dp[0] * dp[2] + dp[1] * dp[1] + dp[2] * dp[0]头1 = 左子树0节点 * 右子树2节点,二叉搜索树就是排序树,左子树<根节点<右子树,左右子树也满足左子树<根节点<右子树。头2 = 左子树1节点 * 右子树1节点。所以dp[i] += dp[j-1] * dp[i-j]个节点组成且节点值从。

qq_44721738的博客 150

SSL证书选RSA还是ECDSA:公钥算法、CA签名与兼容性怎么核对

申请SSL证书时,RSA和ECDSA该怎么选?先分清站点公钥算法、CA签名算法和TLS实际兼容性,再用隔离OpenSSL实验读取两类材料,核对申请、续期和部署交接,避免只看Signature Algorithm就选错。

谁呀!的博客 381
上一篇: 洛谷P3935 约数个数定理,整除分块
下一篇: 2022威海ccpc G 打表
stdforces
博客等级 码龄4年 9粉丝 136原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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