BZOJ 4459: [Jsoi2013]丢番图 简单数学

本文探讨了一种特殊方程F的整数解的求解方法,通过数学变形将问题转化为求特定数的因子对数,进而利用高效算法在大数值范围内解决该问题。

title

BZOJ 4459

LUOGU 5253

Description

求方程
\[ F:\frac{1}{x}+\frac{1}{y}=\frac{1}{n} \]

本质不同的整数解的个数,\(n\leqslant 10^{14}\)

analysis

这题还是很有趣的哈。

先将方程进行变形:
\[ F\Longrightarrow\frac{x+y}{xy}=\frac{1}{n}\\ \Longrightarrow n(x+y) = xy\\ \Longrightarrow nx+ny-xy=0\\ \Longrightarrow (n-x)y+nx=0\\ \Longrightarrow (n-x)y-(n-x)n+n^2=0\\ \Longrightarrow (n-x)(y-n)=-n^2\\ \Longrightarrow (n-x)(n-y)=n^2 \]

考虑对于给定的 \(n\in\N^+\) ,方程 \(F\) 的解 \((x,y)\) 的个数,对应了 \((n-x,n-y)\) 的个数,所以,我们要求的东西就变成了 有多对 \((a,b)\) 使得 \(ab=n(a\leqslant b)\) ,所以可以发现这个问题等价于求出 \(d(n^2)\)

由于 \(n^2\leqslant 10^{28}\) ,直接素因数分解的话,时间复杂度会爆炸,所以转换成计算 \(n\) 的因子数,累加一下贡献即可。

所以时间复杂度就是判断素数的时间复杂度了:\(O(\sqrt{n})\)

code

#include<bits/stdc++.h>

typedef long long ll;

namespace IO
{
    char buf[1<<15],*fs,*ft;
    inline char getc() { return (ft==fs&&(ft=(fs=buf)+fread(buf,1,1<<15,stdin),ft==fs))?0:*fs++; }
    template<typename T>inline void read(T &x)
    {
        x=0;
        T f=1, ch=getchar();
        while (!isdigit(ch) && ch^'-') ch=getchar();
        if (ch=='-') f=-1, ch=getchar();
        while (isdigit(ch)) x=(x<<1)+(x<<3)+(ch^48), ch=getchar();
        x*=f;
    }

    char Out[1<<24],*fe=Out;
    inline void flush() { fwrite(Out,1,fe-Out,stdout); fe=Out; }
    template<typename T>inline void write(T x,char str)
    {
        if (!x) *fe++=48;
        if (x<0) *fe++='-', x=-x;
        T num=0, ch[20];
        while (x) ch[++num]=x%10+48, x/=10;
        while (num) *fe++=ch[num--];
        *fe++=str;
    }
}

using IO::read;
using IO::write;

int main()
{
    ll n;read(n);
    ll sum=1, cnt=0;
    for (ll i=2; i*i<=n; ++i)
        if (n%i==0)
        {
            cnt=0;
            while (n%i==0) ++cnt, n/=i;
            sum*=cnt<<1|1;
        }
    if (n>1ll) sum*=3;
    write((sum+1)>>1,'\n');
    IO::flush();
    return 0;
}

转载于:https://www.cnblogs.com/G-hsm/p/11436547.html

内容概要:本文档系统性地介绍了2024年最新提出的两种智能优化算法——青蒿素优化算法与霜冰优化算法(RIME)的原理、实现方法及其性能对比分析,并提供了完整的Matlab代码实现。文档不仅聚焦于核心算法的仿真与验证,还整合了大量前沿科研资源,涵盖微电网优化、风电功率预测、无人机三维路径规划、电动汽车调度、像融合、负荷预测、通信信号处理、电力系统故障恢复等多个高价值应用场景。所有案例均基于Matlab/Simulink平台进行建模与仿真,强调算法在复杂工程系统中的实际应用能力,旨在为科研人员提供一套从理论到代码再到应用的完整复现体系。; 适合人群:具备一定编程基础和科研背景的研究生、高校教师及工程技术人员,尤其适合从事智能优化算法研究、新能源系统优化、自动化控制、电力系统调度、无人机导航与路径规划等相关领域的研究人员。; 使用场景及目标:①用于高水平学术论文的复现与创新性研究,提升科研效率与成果产出;②应用于复杂工程系统的建模仿真与智能优化设计,如多能互补系统调度、无人机避障路径规划、微电网能量管理等;③作为智能优化算法的教学与学习资料,深入理解现代元启发式算法的设计思想与实现机制。; 阅读建议:建议读者结合文档中提供的Matlab代码与Simulink仿真模型,按照目录结构循序渐进地学习与实践,优先选择与自身研究方向契合的案例进行代码复现,重点关注算法参数设置、收敛曲线分析与多算法对比实验部分,以全面提升算法应用与科研创新能力。
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