poj 2992 Cipher

本文介绍了一种质因数分解算法的实现,通过预先计算所有小于432的质数,并利用递归方法来计算特定整数范围内每个质数的出现次数,进而计算组合数。该算法适用于竞赛编程和其他需要高效质因数分解的应用场景。

质因数分解。

#include <iostream>
#include <string.h>
#include <stdio.h>
using namespace std;
int isPrime[432],pChart[432];
long long cntC[432][432];
int cot;
void getPrime()
{
    memset(pChart,0,sizeof(pChart));
    int i,j;
    for(i = 2;i < 432;i ++)
    {
        for(j = 2;j * i < 432;j ++)
        pChart[i*j] = 1;
    }
    j = 0;
    for(i = 2;i < 432;i ++) if(pChart[i] == 0) isPrime[j ++] = i;
    cot = j;
}
int cal(int n,int p)
{
    if(n < p) return 0;
    else return n / p + cal(n / p, p);
}
int main()
{
    int n,k,i,j;
    getPrime();
    //for(i = 0;i < cot;i ++) cout<<isPrime[i]<<endl;
    /*for(i = 1;i < 432;i ++)
    {
        for(j = 1;j < i;j ++)
        {
            cntC[i][j] = 1;
            for(k = 0;k < cot&&isPrime[k] <= i;k ++)
            cntC[i][j] *= (cal(i,isPrime[k]) - cal(i-j,isPrime[k]) -cal(j,isPrime[k]) +1);
        }
    }*/
    while(scanf("%d%d", &n, &k) != EOF)
    {
        __int64 cnt = 1;
        //if(k > n / 2) k = n - k;
        for(i = 0; isPrime[i] <= n && i < cot; i ++) {
            int t = cal(n, isPrime[i]) - cal(n - k, isPrime[i]) - cal(k, isPrime[i]);
            cnt *= (t + 1);
        }
        printf("%I64d\n", cnt);
    }
    return 0;
}

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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