洛谷 - P2158 - 仪仗队 - 欧拉函数

本文详细解析了洛谷P2158题目,通过运用欧拉函数解决格点直线上的点问题。文章提供了完整的C++代码实现,包括筛法求欧拉函数值的过程,并特别注意对称轴和左下角点的处理。

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

https://www.luogu.org/problemnew/show/P2158

好像以前有个妹子收割铲也是欧拉函数.
因为格点直线上的点,dx与dy的gcd相同,画个图就觉得是欧拉函数.但是要注意对称轴还有左下角那个破点!

#include<bits/stdc++.h>
using namespace std;
#define ll long long

const int MAXN=40000+5;

int phi[MAXN];

int pri[MAXN],pritop;
bool notpri[MAXN];
//pritop从1开始计数

void sieve2(int n) {
    notpri[1]=phi[1]=1;
    for(int i=2; i<=n; i++) {
        if(!notpri[i])
            pri[++pritop]=i,phi[i]=i-1;
        for(int j=1; j<=pritop&&i*pri[j]<=n; j++) {
            notpri[i*pri[j]]=1;
            //略有不同
            if(i%pri[j])
                phi[i*pri[j]]=phi[i]*phi[pri[j]];
            else {
                phi[i*pri[j]]=phi[i]*pri[j];
                break;
            }
        }
    }
}

int main(){
    sieve2(40000);
    int n;
    cin>>n;
    if(n==1)
        cout<<"0"<<endl;
    else{
        ll sumphi=0;
        for(int i=1;i<n;i++){
            sumphi+=phi[i];
        }
        sumphi*=2;
        sumphi+=1;
        cout<<sumphi<<endl;
    }
}

转载于:https://www.cnblogs.com/Yinku/p/10693297.html

内容概要:该论文研究增程式电动汽车(REEV)的能量管理策略,针对现有优化策略实时性差的问题,提出基于工况识别的自适应等效燃油消耗最小策略(A-ECMS)。首先建立整车Simulink模型和基于规则的策略;然后研究动态规划(DP)算法和等效燃油最小策略;接着通过聚类分析将道路工况分为四类,并设计工况识别算法;最后开发基于工况识别的A-ECMS,通过高德地图预判工况类型并自适应调整SOC分配。仿真显示该策略比规则策略节油8%,比简单SOC规划策略节油2%,并通过硬件在环实验验证了实时可行性。 适合人群:具备一定编程基础,特别是对电动汽车能量管理策略有兴趣的研发人员和技术爱好者。 使用场景及目标:①理解增程式电动汽车能量管理策略的基本原理;②掌握动态规划算法和等效燃油消耗最小策略的应用;③学习工况识别算法的设计和实现;④了解基于工况识别的A-ECMS策略的具体实现及其优化效果。 其他说明:此资源不仅提供了详细的MATLAB/Simulink代码实现,还深入分析了各算法的原理和应用场景,适合用于学术研究和工业实践。在学习过程中,建议结合代码调试和实际数据进行实践,以便更好地理解策略的优化效果。此外,论文还探讨了未来的研究方向,如深度学习替代聚类、多目标优化以及V2X集成等,为后续研究提供了思路。
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