hdu 4407 Sum 容斥原理

本文介绍了一种使用容斥原理求解1到n之间与特定数p互质的所有数之和的方法。通过分解p的质因数,并利用递归深度优先搜索进行组合,最终实现了高效计算。

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

思路:主要考虑求1-n中与p互质数的和。直接不好求解,反着来!

求1-n中与p不互质的数的和。由于p=p1^e1*p2^e2……

所以有容斥原理来解决。

代码如下:

 

  1 #include<iostream>
  2 #include<vector>
  3 #include<algorithm>
  4 #include<cstdio>
  5 #include<cstring>
  6 #include<map>
  7 #define ll __int64
  8 using namespace std;
  9 map<int,int>mm;
 10 map<int,int>::iterator it;
 11 bool f[1000];
 12 int factor[1000],prime[1000],cnt,num,cn;
 13 ll an[400001];
 14 void init()
 15 {
 16     int i,j;
 17     cnt=0;
 18     for(i=2;i<1000;i++){
 19         if(f[i]==0) prime[cnt++]=i;
 20         for(j=0;j<cnt&&i*prime[j]<1000;j++){
 21             f[i*prime[j]]=1;
 22             if(i%prime[j]==0) break;
 23         }
 24     }
 25 }
 26 void fac(int n)
 27 {
 28     num=0;
 29     for(int i=0;i<cnt&&prime[i]*prime[i]<=n;i++){
 30         if(n%prime[i]==0){
 31             factor[num++]=prime[i];
 32             n/=prime[i];
 33             while(n%prime[i]==0)
 34                 n/=prime[i];
 35         }
 36     }
 37     if(n>1) factor[num++]=n;
 38 }
 39 void dfs(ll sum,int nn,int cc)
 40 {
 41     an[cn++]=cc*sum;
 42     for(int i=nn+1;i<num;i++)
 43         dfs(sum*factor[i],i,-cc);
 44 }
 45 int gcd(int a,int b)
 46 {
 47     if(a<b) swap(a,b);
 48     while(b){
 49         int t=a;
 50         a=b;
 51         b=t%b;
 52     }
 53     return a;
 54 }
 55 int main()
 56 {
 57     int i,j,t,n,m,s,qq,a,b,c,x,y,p;
 58     init();
 59     ll ans,ans2,ans1,tt;
 60     scanf("%d",&t);
 61     while(t--){
 62         scanf("%d%d",&n,&m);
 63         mm.clear();
 64         qq=0;
 65         for(i=0;i<m;i++){
 66             scanf("%d",&s);
 67             if(s==2){
 68                 scanf("%d%d",&a,&b);
 69                 mm[a]=b;
 70             }
 71             else{
 72                 scanf("%d%d%d",&x,&y,&p);
 73                 if(x>y) swap(x,y);
 74                 ans=(ll)(x+y)*(y-x+1)/2;
 75                 cn=0;
 76                 fac(p);
 77                 for(j=0;j<num;j++)
 78                     dfs(factor[j],j,1);
 79                 for(j=0;j<cn;j++){
 80                     if(an[j]>x-1) continue;
 81                     if(an[j]<0) tt=(x-1)/(-an[j]);
 82                     else tt=(x-1)/an[j];
 83                     ans+=(ll)tt*(tt+1)/2*an[j];
 84                 }
 85                 for(j=0;j<cn;j++){
 86                     if(an[j]>y) continue;
 87                     if(an[j]<0) tt=y/(-an[j]);
 88                     else tt=y/an[j];
 89                     ans-=(ll)tt*(tt+1)/2*an[j];
 90                 }
 91                 for(it=mm.begin();it!=mm.end();it++){
 92                     int ff=it->first;
 93                     int ss=it->second;
 94                     if(ff<x||ff>y) continue;
 95                     int t1=gcd(p,ff);
 96                     int t2=gcd(p,ss);
 97                     if(t1==1) ans-=ff;
 98                     if(t2==1) ans+=ss;
 99                 }
100                 printf("%I64d\n",ans);
101             }
102         }
103     }
104     return 0;
105 }
View Code

 

 

 

转载于:https://www.cnblogs.com/xin-hua/p/3271477.html

内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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