NYOJ 70

描述:给定两个数n,m,其中m是一个素数。

将n(0<=n<=2^31)的阶乘分解质因数,求其中有多少个m。

注:^为求幂符号。

输入:

  第一行是一个整数s(0<s<=100),表示测试数据的组数
  随后的s行, 每行有两个整数n,m。 

输出:

  输出m的个数

样例输入

  3

  100 5

  16 2

  1000000000 13

24   15   83333329

  当n,m体量很小的时候,用这个代码就可以AC:

 

 1  #include <iostream>
 2 using namespace std;
 3 
 4 //测试分解test中有多少个m 
 5 int num_m(int test,int m){
 6     int res = 0;
 7     while(test%m==0){
 8         res++;
 9         test/=m;
10     }
11     return res;
12 }
13 
14 int main(){
15     int s; 
16     cin>>s;
17     while(s--){
18         int n,m ;
19         cin>>n>>m ;
20         int res = 0;
21         for(int i=n;i>=1;i-- ){
22             res+= num_m(i,m);                    
23         }
24         cout<<res<<endl;
25     }
26     
27 }         
View Code

 

但是实际情况是这个数还是比较大的,已经达到了2^31量级,所以上面暴力的解法是超时的。

接下来我们考虑:比如n=100,m=5.的情况,这个时候100当中有5,10,15,20,25,30,35,40,45,50,55,60,65,70,75,80,85,90,95,100

这些数能够整除5;其中25,50,75,100又能整除25=5^2,所以可以分解出两个5,因为第一遍的时候已经加过一次了,所以最多只能分解出20+4=24个5.

按照这个思想,我们不妨设置这样一个算法:让n循环除以m,每次得到的商是本次循环中能够整除m的个数,然后n=n/m赋予n新值。n缩小为原来的1/m,继续循环直到n=0为止。这样以来,"数值上接近于n的那些数能够分解质因数m的个数"恰好等于"接近于m及m的小倍数的这些数的计算的次数",如此对称下去,从而巧妙的完成了计算。

 1 #include<stdio.h>
 2 #include<string.h>
 3 #include<stdlib.h>
 4 #include<math.h>
 5 
 6 int main(){
 7     int N;
 8     scanf("%d",&N);
 9     while(N--){
10         int n,m,sum=0;
11         scanf("%d%d",&n,&m);
12         while(n){
13             sum+=n/m;//计算n中有多少个能整除m的数;  
14             n/=m;     // 计算n中有多少个能够整除m^2的数;
15             
16             //n = n/m  这样就把n的大小缩小成了原来的(1/m)  
17         } 
18         printf("%d\n",sum);
19     }
20     
21     return 0;
22 }
View Code

 

转载于:https://www.cnblogs.com/liugl7/p/5348442.html

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