poj2635(千进制取模+同余模定理)

本文介绍了一种高效算法,用于判断大数s(<=10^100)是否为两个小于L(<=10^6)的素数的乘积。通过千进制表示和预计算素数表,降低了算法复杂度。

题目链接:https://www.cnblogs.com/kuangbin/archive/2012/04/01/2429463.html

题意:给出大数s (s<=10100) ,L (<=106),s是两个素数的乘积,求其最小因子即这两个素数中较小者是否小于L。

思路:先通过欧筛法打表计算出106以内的素数,大概有8e4个。然后用千进制表示s,如将12345678表示成[012][345][678],用整型数组Kt表示,前面补0,这样做之后利用同余模定理计算Kt对x的模。如计算[012][345][678]%10,记模为M,则M=0, M=12%10=2, M=(2*1000+345)%10=5, M=(5*1000+678)%10=8。然后主要思路就是从小遍历打表得出的素数表,寻找是否存在能整除Kt的素数。用千进制的原因是为了降低复杂度,据说用百进制会T,万进制会wa(可能计算过程会超int)。

AC代码:

#include<cstdio>
#include<iostream>
#include<cstring>
#include<string>
using namespace std;

const int maxn=1000005;
int prime[maxn],vis[maxn],cnt,L,len1,len2,Kt[35];
string s;

void get_prime(){
    memset(vis,1,sizeof(vis));
    for(int i=2;i<=1000000;++i){
        if(vis[i]) prime[cnt++]=i;
        for(int j=0;j<cnt&&i*prime[j]<=1000000;++j){
            vis[i*prime[j]]=0;
            if(i%prime[j]==0) break;
        }
    }
}

bool Mod(int x){
    int M=0;
    for(int i=0;i<len2;++i)
        M=(M*1000+Kt[i])%x;
    return M==0?true:false;
}

int main(){
    get_prime();
    while(cin>>s>>L,(s[0]!='0')||L){
        len1=s.length();
        if(len1%3==1) s="00"+s;
        else if(len1%3==2) s="0"+s;
        len1=s.length();
        len2=len1/3;
        for(int i=0;i<len2;++i)
            Kt[i]=(s[3*i]-'0')*100+(s[3*i+1]-'0')*10+(s[3*i+2]-'0');
        bool flag=true;
        int p=0;
        while(p<cnt&&prime[p]<L){
            if(Mod(prime[p])){
                flag=false;
                printf("BAD %d\n",prime[p]);
                break;
            }
            ++p;
        }
        if(flag)
            printf("GOOD\n");
    }
    return 0;
}

 

转载于:https://www.cnblogs.com/FrankChen831X/p/10692636.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、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