博客
关于我
Luogu P4240 毒瘤之神的考验
阅读量:305 次
发布时间:2019-03-01

本文共 554 字,大约阅读时间需要 1 分钟。

数论中的φ函数是一个重要的工具,用于计算某个数的欧拉函数值。对于两个数i和j,φ(ij)的计算公式为:

φ(ij) = φ(i)φ(j)gcd(i,j) / φ(gcd(i,j))

通过对这个公式进行变形,我们可以得到:

φ(ij) = [φ(i)φ(j)gcd(i,j)] / φ(gcd(i,j))

这使得我们能够通过预处理φ值和最大公约数来计算φ(ij)。

接下来,我们定义了两个函数g和f:

g(a, b) = ∑ i=1^a φ(ib)

f(T) = ∑ d|T d/φ(d) μ(T/d)

这些函数的预处理可以显著减少计算复杂度,分别为O(n log n)和O(n log n)。

对于给定的n和m,我们需要计算以下表达式来得到最终答案:

∑ T=1^min(n,m) g(⌊n/T⌋, T)g(⌊m/T⌋, T)f(T)

为了优化计算,我们采用分块处理的方法。具体来说,对于每个T,计算⌊n/T⌋和⌊m/T⌋,并使用预处理的g和f值来快速得到结果。

为了保证计算的高效性,我们设定B = T^(1/3),并对查询进行分块处理。对于每个块的范围,计算H函数的值差,避免直接枚举,确保计算复杂度在O(n log n + n B^2)的水平。

通过这种方法,我们能够在合理的时间内处理较大的输入规模。

转载地址:http://bjwo.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>