2016 World Final E Forever Young

题意:

。。

思路:

xjb搞一下就行了。

#include <iostream>
#include <cstdio>
#include <cstring>
#include <cmath>
#include <vector>
#include <queue>
#include <map>
#include <set>
#include <algorithm>
#include <ctime>
#pragma comment(linker,"/STACK:102400000,102400000")
using namespace std;


#define eps 1e-10
#define N 200020
#define B 20
#define M 3000020
#define inf 0x3f3f3f3f
#define LL long long
#define pii pair<int, int>
#define MP make_pair
#define fi first
#define se second
#define mod 1000000007

#define md (ll + rr >> 1)


LL n, l;
LL ans;
int a[N];

void check(LL b) {
    if(b < 10) return;
    LL nn = n;
    int len = 0;
    while(nn) {
        LL t = nn % b;
        if(t > 9) return;
        nn /= b;
        a[len++] = t;
    }
    reverse(a, a + len);
    LL tmp = 0;
    for(int i = 0; i < len; ++i) tmp = tmp * 10 + a[i];
    if(tmp < l) return;
    if(ans == -1 || ans < b) ans = b;
}

void solve(LL a, LL b, LL c, LL &x) {
    LL l = 1, r = sqrt(c + 0.5);
    while(l < r) {
        LL mid = (l + r) / 2;
        if(1.0 * mid * (a * mid + b) > 5e18) r = mid;
        else if(mid * (a * mid + b) < c) l = mid + 1;
        else r = mid;
    }
    if(l * (a * l + b) == c) x = l;
    else x = -1;
}

int main() {
    ans = -1;
    cin >> n >> l;
    for(int x = 1; x <= 9; ++x) {
        for(int y = 0; y <= 9; ++y) {
            if((n - y) % x) continue;
            LL b = (n - y) / x;
            if(b < 10) continue;
            check(b);
        }
    }
    for(int a = 1; a <= 9; ++a) {
        for(int b = 0; b <= 9; ++b) {
            for(int c = 0; c <= 9; ++c) {
                LL x1;
                solve(a, b, n - c, x1);
                check(x1);
            }
        }
    }
    for(int i = 10; 1LL * i * i * i <= n; ++i) check(i);
    cout << ans << endl;
    return 0;
}



基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算与所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
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