BZOJ2301:[HAOI2011]Problem b(莫比乌斯反演,容斥)

Description

对于给出的n个询问,每次求有多少个数对(x,y),满足a≤x≤b,c≤y≤d,且gcd(x,y) = k,gcd(x,y)函数为x和y的最大公约数。

Input

第一行一个整数n,接下来n行每行五个整数,分别表示a、b、c、d、k

Output

共n行,每行一个整数表示满足要求的数对(x,y)的个数

Sample Input

2

2 5 1 5 1

1 5 1 5 2

Sample Output

14

3

HINT

100%的数据满足:1≤n≤50000,1≤a≤b≤50000,1≤c≤d≤50000,1≤k≤50000

Solution

和BZOJ1101一样……只不过简单容斥一下就好了……假设下界为1,答案为$ans_{b,d}-ans_{a-1,d}-ans_{b,c-1}+ans_{a-1,c-1}$

Code

 1 #include<iostream>
 2 #include<cstring>
 3 #include<cstdio>
 4 #define N (100000+1000)
 5 using namespace std;
 6 
 7 int T,a,b,c,d,k,vis[N],prime[N],sum[N],mu[N],cnt;
 8 
 9 void Get_mu()
10 {
11     mu[1]=1;
12     for (int i=2; i<=50000; ++i)
13     {
14         if (!vis[i]){prime[++cnt]=i,mu[i]=-1;}
15         for (int j=1; j<=cnt && prime[j]*i<=50000; ++j)
16         {
17             vis[prime[j]*i]=true;
18             if (i%prime[j]==0) break;
19             mu[prime[j]*i]=-mu[i];
20         }
21     }
22     for (int i=1; i<=50000; ++i) sum[i]=sum[i-1]+mu[i];
23 }
24 
25 int Calc(int n,int m)
26 {
27     int ans=0; if (n>m) swap(n,m);
28     for (int l=1,r; l<=n; l=r+1)
29     {
30         r=min(n/(n/l),m/(m/l));
31         ans+=(sum[r]-sum[l-1])*(n/l)*(m/l);
32     }
33     return ans;
34 }
35 
36 int main()
37 {
38     scanf("%d",&T);
39     Get_mu();
40     while (T--)
41     {
42         scanf("%d%d%d%d%d",&a,&b,&c,&d,&k);
43         printf("%d\n",Calc(b/k,d/k)-Calc((a-1)/k,d/k)-Calc(b/k,(c-1)/k)+Calc((a-1)/k,(c-1)/k));
44     }
45 }

转载于:https://www.cnblogs.com/refun/p/9554132.html

内容概要:本文档详细介绍了一个基于MATLAB实现的电力负荷预测项目,该项目运用遗传算法(GA)优化支持向量回归(SVR)和支持向量机(SVM)模型的超参数及特征选择。项目旨在解决电力系统调度、发电计划、需求侧响应等多个应用场景中的关键问题,特别是在应对高比例可再生能源接入带来的非线性、非平稳负荷预测挑战。文中涵盖了从数据接入、特征工程、模型训练到部署上线的全流程,包括详细的代码示例和GUI设计,确保方案的可复现性和实用性。 适用人群:具备一定编程基础,尤其是熟悉MATLAB语言和机器学习算法的研发人员;从事电力系统调度、电力市场交易、新能源消纳等相关领域的工程师和技术专家。 使用场景及目标:①通过构建面向小时级别的滚动预测,输出高分辨率负荷轨迹,为日内与日前滚动调度提供边际成本最小化的依据;②在负荷高峰和供给紧张时,通过价格信号或直接负荷控制实施需求侧响应,提升削峰效率并抑制反弹;③为灵活性资源(调峰机组、储能、可中断负荷)提供更清晰的出清路径,降低弃风弃光率,提升系统整体清洁度;④帮助市场主体更准确地评估边际出清价格变化,提高报价成功率与收益稳定性,同时降低由预测偏差带来的风险敞口;⑤在运维与审计场景中,对预测产生的原因进行说明,保障业务侧与监管侧的可追溯性。 阅读建议:此资源不仅提供了完整的代码实现和GUI设计,更注重于理解GA优化过程中涉及到的数据处理、特征构造、模型选择及评估等核心步骤。因此,在学习过程中,建议结合实际案例进行实践,并深入研究每个阶段的具体实现细节,特别是适应度函数的设计、超参数空间的定义以及多样性维护机制的应用。此外,关注项目中关于数据对齐、缺失值处理、特征标准化等方面的最佳实践,有助于提高模型的鲁棒性和泛化能力。
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