Codeforces 542 D. Superhero's Job

本文详细解析 CodeForces 542D 的解题思路,介绍了如何通过分解整数 A 的素因数来求解 J(x) 函数值的方法。使用动态规划算法计算方案数,关键在于确定素因数及其对应的幂次。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

http://codeforces.com/problemset/problem/542/D

x = p1^k1 * p2^k2 * p3^k3 * .....  (p1,p2,p3...是素因子)

那么 k 一定是某几个素因子的乘积,且每个素因子的个数都与x相等。

J(x) = 1 + p1^k1 + p2^k2 +...+ p1^k1 * p2^k2 + .... (共 2 ^ q 项)

       = (p1^k1 + 1) * (p2^k2 + 1)*...

由于A的约数个数不多,而一个约数只对应一个素因子,所以有效的素因子也不多,先处理出来。

然后 dp[i][j] 表示前i个素因子能组成A的第j个因子的方案数。


#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 

using namespace std;
#define rep(i,n) for(int i=0; i= N) break;
			use[i * pri[j]] = 1;
			if(i % pri[j] == 0) break;
		}
	}
}

int _fac;
ll fac[N];
map mp;

void get_fac(ll n) // 因子
{
	_fac = 0;
	for(ll i=1; i*i<=n; i++) if(n % i == 0)
	{
		fac[_fac++] = i;
		if(n / i != i) fac[_fac++] = n / i;
	}
}

ll usf_pri[N];
int _usf_pri;

void get_usf_pri() // 有效的素因子
{
	_usf_pri = 0;
	for(int i=0; i<_fac; i++)
	{
		ll tmp = fac[i] - 1;
		for(int j=0; j<_pri && pri[j] * 1LL * pri[j] <= tmp; j++)
		{
			if(tmp % pri[j] != 0) continue;
			while(tmp % pri[j] == 0) tmp /= pri[j];
			if(tmp == 1) usf_pri[_usf_pri++] = pri[j];
			break;
		}
		if(tmp + 1 == fac[i] && tmp > 1) usf_pri[_usf_pri++] = tmp;
	}
	sort(usf_pri,usf_pri+_usf_pri);
	_usf_pri = unique(usf_pri,usf_pri+_usf_pri) - usf_pri;
}

ll dp[N];
int get_ans()
{
	mst(dp,0);
	dp[0] = 1;
	rep(i,_usf_pri)
	{
		for(int j=_fac-1; j>=0; j--)
		{
			for(ll a=usf_pri[i]; ; a*=usf_pri[i])
			{
				if(a > fac[j]) break;
				if(fac[j] % (a + 1) != 0) continue;
				dp[j] += dp[mp[fac[j] / (a + 1)]];
			}
		}
	}
	return (int)dp[_fac-1];
}
int main()
{
	get_pri();
	ll A;
	scanf("%I64d",&A);
	get_fac(A);
	sort(fac,fac+_fac);
	for(int i=0; i<_fac; i++) 
	{
		mp[fac[i]] = i;
	}
	get_usf_pri();
	printf("%d\n",get_ans());
	return 0;
}

内容概要:本文深入探讨了Kotlin语言在函数式编程和跨平台开发方面的特性和优势,结合详细的代码案例,展示了Kotlin的核心技巧和应用场景。文章首先介绍了高阶函数和Lambda表达式的使用,解释了它们如何简化集合操作和回调函数处理。接着,详细讲解了Kotlin Multiplatform(KMP)的实现方式,包括共享模块的创建和平台特定模块的配置,展示了如何通过共享业务逻辑代码提高开发效率。最后,文章总结了Kotlin在Android开发、跨平台移动开发、后端开发和Web开发中的应用场景,并展望了其未来发展趋势,指出Kotlin将继续在函数式编程和跨平台开发领域不断完善和发展。; 适合人群:对函数式编程和跨平台开发感兴趣的开发者,尤其是有一定编程基础的Kotlin初学者和中级开发者。; 使用场景及目标:①理解Kotlin中高阶函数和Lambda表达式的使用方法及其在实际开发中的应用场景;②掌握Kotlin Multiplatform的实现方式,能够在多个平台上共享业务逻辑代码,提高开发效率;③了解Kotlin在不同开发领域的应用场景,为选择合适的技术栈提供参考。; 其他说明:本文不仅提供了理论知识,还结合了大量代码案例,帮助读者更好地理解和实践Kotlin的函数式编程特性和跨平台开发能力。建议读者在学习过程中动手实践代码案例,以加深理解和掌握。
内容概要:本文深入探讨了利用历史速度命令(HVC)增强仿射编队机动控制性能的方法。论文提出了HVC在仿射编队控制中的潜在价值,通过全面评估HVC对系统的影响,提出了易于测试的稳定性条件,并给出了延迟参数与跟踪误差关系的显式不等式。研究为两轮差动机器人(TWDRs)群提供了系统的协调编队机动控制方案,并通过9台TWDRs的仿真和实验验证了稳定性和综合性能改进。此外,文中还提供了详细的Python代码实现,涵盖仿射编队控制类、HVC增强、稳定性条件检查以及仿真实验。代码不仅实现了论文的核心思想,还扩展了邻居历史信息利用、动态拓扑优化和自适应控制等性能提升策略,更全面地反映了群体智能协作和性能优化思想。 适用人群:具备一定编程基础,对群体智能、机器人编队控制、时滞系统稳定性分析感兴趣的科研人员和工程师。 使用场景及目标:①理解HVC在仿射编队控制中的应用及其对系统性能的提升;②掌握仿射编队控制的具体实现方法,包括控制器设计、稳定性分析和仿真实验;③学习如何通过引入历史信息(如HVC)来优化群体智能系统的性能;④探索中性型时滞系统的稳定性条件及其在实际系统中的应用。 其他说明:此资源不仅提供了理论分析,还包括完整的Python代码实现,帮助读者从理论到实践全面掌握仿射编队控制技术。代码结构清晰,涵盖了从初始化配置、控制律设计到性能评估的各个环节,并提供了丰富的可视化工具,便于理解和分析系统性能。通过阅读和实践,读者可以深入了解HVC增强仿射编队控制的工作原理及其实际应用效果。
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