【min25筛】【CF2020F】Count Leaves
题目
定义 f ( n , 0 ) = 1 f(n,0)=1 f(n,0)=1, f ( n , d ) = ∑ k ∣ n f ( k , d − 1 ) f(n,d)=\sum_{k|n}f(k,d-1) f(n,d)=∑k∣nf(k,d−1)
给出 n , k , d n,k,d n,k,d,你需要求出: ∑ i = 1 n f ( i k , d ) m o d ( 1 0 9 + 7 ) \sum_{i=1}^n f(i^k,d) \ mod\ (10^9+7) i=1∑nf(ik,d) mod (109+7)
n ≤ 1 e 9 , k , d ≤ 1 e 5 n\leq 1e9,k,d\leq1e5 n≤1e9,k,d≤1e5
原题链接
思路
因数?数据范围这么大?那这玩意肯定是积性函数。于是我们通过观察,发现对于固定的 k , d k,d k,d, f ( i k , d ) f(i^k,d) f(ik,d) 就是积性函数。但注意,这不是完全积性函数。
所以我们要想一想 f ( p k , d ) , p i s p r i m e f(p^k,d),p\ is\ prime f(pk,d),p is prime 怎么求。
注意到, p k p^k pk 的因数是: p 0 , p 1 , . . . , p k p^0, p^1,...,p^k p0,p1,...,pk,这相当于一个 k × d k\times d k×d 的网格,你从左上角走到右下角的方案数。于是有:
f ( p k , d ) = C ( d + k , k ) f(p^k,d)=C(d+k,k) f(pk,d)=C(d+k,k)
我们惊喜的发现,如果 k , d k,d k,d 不变,这就是个定值。定值也是多项式的一种,所以可以用 min25 筛。
但是这又和传统的 min25 筛,因为我们要求 f ( p e k , d ) f(p^{ek},d) f(pek,d) 的值。但其实这玩意只有在求 S S S 的时候会发生(毕竟 g 只是求所有质数的前缀和),依旧是很好做的。
一定要注意的是,求 g g g 的时候,我们是在对常数求 min25,注意不要多乘一个 C ( d + k , k ) C(d+k,k) C(d+k,k)
代码
#include<bits/stdc++.h>
#define int long long
using namespace std;
const int N=5e6+7,inf=1e18,mod=1e9+7;
vector<int> p,sp,g,id1,id2,w;
int n,K,d;
int power(int x,int t)
{int b=1;while(t){if(t&1) b=b*x%mod;x=x*x%mod; t>>=1;}return b;
}
vector<int> fac,unfac;
void initf(int n)
{fac.assign(n+1,0);unfac.assign(n+1,0);fac[0]=1;for(int i=1; i<=n; i++)fac[i]=fac[i-1]*i%mod;unfac[n]=power(fac[n],mod-2);for(int i=n-1; i>=0; i--)unfac[i]=unfac[i+1]*(i+1)%mod;
}
int C(int x,int y)
{if(x<y) return 0;return fac[x]*unfac[y]%mod*unfac[x-y]%mod;
}
int tot,sqr,cp;
void init(int n)
{p.clear();p.push_back(0);sp.assign(2*n+7,0);w.assign(2*n+7,0);g.assign(2*n+7,0);id1.assign(2*n+7,0);id2.assign(2*n+7,0);tot=0;vector<bool> vis(n+1);for(int i=2; i<=n; i++){if(!vis[i]){p.push_back(i);int now=p.size()-1;sp[now]=(cp*now)%mod;}for(auto j:p){if(!j) continue;if(i*j>n) break;vis[i*j]=1;if(i%j==0) break;}}
}
int S(int x,int y)
{if(x<=1||p[y]>=x) return 0;int k=(x<=sqr)?id1[x]:id2[n/x];int ans=(mod+g[k]-sp[y])%mod;for(int k=y+1; k<p.size()&&p[k]*p[k]<=x; k++){int t=p[k];for(int e=1; t<=x; e++,t*=p[k]){
// int p=t%mod;(ans+=C(d+e*K,d)*(S(x/t,k)+(e!=1))%mod)%=mod;}}return ans;
}
void O_o()
{cin>>n>>K>>d;cp=C(K+d,d);sqr=sqrt(n);init(sqr);for(int i=1,j; i<=n; i=j+1){j=n/(n/i);w[++tot]=n/i;int now=w[tot]%mod;g[tot]=cp*(now-1)%mod;if(w[tot]<=sqr)id1[w[tot]]=tot;elseid2[n/w[tot]]=tot;}for(int i=1; i<p.size(); i++){for(int j=1; j<=tot&&p[i]*p[i]<=w[j]; j++){int k=w[j]/p[i]<=sqr?id1[w[j]/p[i]]:id2[n/(w[j]/p[i])];(g[j]+=mod-(g[k]-sp[i-1]+mod)%mod)%=mod;}}int ans=S(n,0)+1;cout<<ans%mod<<"\n";
}
signed main()
{ios::sync_with_stdio(false); cin.tie(0); cout.tie(0);cout<<fixed<<setprecision(12);int T=1;initf(N);cin>>T;while(T--){O_o();}
}相关文章:
【min25筛】【CF2020F】Count Leaves
题目 定义 f ( n , 0 ) 1 f(n,0)1 f(n,0)1, f ( n , d ) ∑ k ∣ n f ( k , d − 1 ) f(n,d)\sum_{k|n}f(k,d-1) f(n,d)∑k∣nf(k,d−1) 给出 n , k , d n,k,d n,k,d,你需要求出: ∑ i 1 n f ( i k , d ) m o d ( 1 0 9 7 ) \sum_{i1}^n f(i^k…...
【d57】【sql】1661. 每台机器的进程平均运行时间
思路 一方面考察自连接,另一方面考察group by 这里主要说明 group by 用法: 1.在 SQL 查询中,GROUP BY 子句用于将结果集中的行分组,目的通常就是 对每个组应用聚合函数(如 SUM(), AVG(), MAX(), MIN(), COUNT() 等…...
ArcGIS共享数据的最佳方法(不丢可视化、标注等各类显示信息一样带)
今天我们介绍一下ArcGIS数据共享的几个小妙招 我们时常要把数据发给对方,特别是很多新手朋友要将shp发给对方时只是发送了shp后缀的文件,却把shp的必要组成文件dbf、shx等等给落下了。 还有很多朋友给图层做好了符号化标注,但是数据一发给别…...
小程序this.getOpenerEventChannel()当前页面与navigateTo页面之间数据通信
this.getOpenerEventChannel() 是微信小程序中获取页面打开它的页面事件通道的方法。但是,这个方法只在页面是被wx.navigateTo打开的情况下才能使用。如果页面是通过其他方式打开的,比如wx.redirectTo,那么就无法使用这个方法。 解决方案&…...
调用飞书接口导入供应商bug
1、业务背景 财务这边大部分系统都是供应商项目,由于供应商的研发人员没有飞书项目的权限,涉及到供应商系统需求 财务这边都是通过多维表格进行bug的生命周期管理如图: 但多维表格没有跟飞书项目直接关联,测试组做bug统计的时候无…...
《深度学习》OpenCV 角点检测、特征提取SIFT 原理及案例解析
目录 一、角点检测 1、什么是角点检测 2、检测流程 1)输入图像 2)图像预处理 3)特征提取 4)角点检测 5)角点定位和标记 6)角点筛选或后处理(可选) 7)输出结果 3、邻域…...
golang grpc初体验
grpc 是一个高性能、开源和通用的 RPC 框架,面向服务端和移动端,基于 HTTP/2 设计。目前支持c、java和go,分别是grpc、grpc-java、grpc-go,目前c版本支持c、c、node.js、ruby、python、objective-c、php和c#。grpc官网 grpc-go P…...
基于小程序+Vue + Spring Boot的进销存库存出库入库统计分析管理系统
目录 一、项目背景及需求分析 1. 项目背景 2. 需求分析 二、系统架构设计 1. 技术选型 2. 模块划分 三、数据库设计数据库表结构 四、前端实现 五、后端实现 1. RESTful API设计 2. 数据库操作 六、安全性和性能优化 1. 安全性 2. 性能优化 七、测试与部署 1. …...
【数据结构与算法】时间复杂度和空间复杂度例题
文章目录 时间复杂度常数阶时间O(1)对数阶时间O(logN)线性阶时间O(n)线性对数阶时间O(nlogN)平方阶时间O(n*n) 空间复杂度常量空间O(1)线性空间O(n)二维空间O(n*n)递归空间 时间复杂度 常数阶时间O(1) 代码在执行的时候,它消耗的时间并不随着某个变量的增长而增长…...
停止模式下USART为什么可以唤醒MCU?
在MCU的停止模式下,USART之类的外设时钟是关闭的,但是USART章节有描述到在停止模式下可以用USART来对MCU进行唤醒: 大家是否会好奇在外设的时钟被关闭的情况下,USART怎么能通过接收中断或者唤醒事件对MCU进行唤醒的呢࿱…...
Web安全 - 路径穿越(Path Traversal)
文章目录 OWASP 2023 TOP 10导图定义路径穿越的原理常见攻击目标防御措施输入验证和清理避免直接拼接用户输入最小化权限日志监控 ExampleCode漏洞代码:路径穿越攻击案例漏洞说明修复后的安全代码代码分析 其他不同文件系统下的路径穿越特性Windows系统类Unix系统&a…...
JSR303微服务校验
一.创建idea 二.向pom.xml添加依赖 <parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>2.0.7.RELEASE</version></parent><properties><java.vers…...
56. QTreeWidget的基本使用
1. 说明 在软件开发中会遇到将数据信息制作成一种树目录的形式进行展示,那么此时就可以借助QT提供的QTreeWidget控件来实现这种需求,本篇博客会做一个案例简要说明这个控件的基本使用方法,博客中代码能够实现的功能是将此项目代码所在文件夹中的内容展示出来,如下图所示:…...
领域偏移:协变量移位下的域自适应
现在我们将焦点转移到一种叫做协变量转移的扰动上。我们在一个分类或回归设置中工作,我们希望从x预测y,并假设p≈(y | x)和p∗(y | x)是相同的(标记函数在训练和测试之间不会改变) 假设 (Covariate Shift)。对于列车分布p~和检验分布p∗,我们…...
前端开发技术框架选型
一、引言 在前端开发领域,技术框架的选择对于项目的成功至关重要。一个优秀的前端框架不仅可以提高开发效率,还能确保项目的稳定性和可扩展性。而不同的框架具有不同的特点和优势,能够满足不同项目的需求。下面将对目前主流的前端开发技术框…...
/etc/init.d/mysql
Since you’ve installed MySQL from source, you’ll need to create a custom init script to manage the MySQL server (start, stop, status) similarly to a service. Here’s a simple init.d script template for MySQL that you can use. This script assumes MySQL is…...
Qt_线程介绍与使用
目录 1、QThread常用API 2、Qt线程安全 3、使用线程QThread 4、connect函数的第五个参数 5、Qt互斥锁 5.1 QMutexLocker 6、条件变量 7、信号量 结语 前言: 线程是应用程序开发非常重要的概念,在Qt中,用QThread类来实现多线程&a…...
通讯方面的数据,人工智能 机器学习的时候,因为数字都接近于一,数据归一化的一种方法,做了一个简化版本的Z-score标准化
这个表达式实现了一种形式的数据归一化,它将张量x中的每个元素除以x的标准差的估计值。这种处理方式可以使得变换后的数据具有单位标准差(假设数据已经是零均值或者在计算过程中考虑了均值)。具体来说,它是基于以下步骤进行的&…...
python itertools模块介绍
itertools 是 Python 内建的一个高效处理迭代器的模块,提供了创建复杂迭代器的函数工具。它包含一系列用于迭代、组合、排列、过滤等功能的迭代器构建工具,常用于数据处理和算法设计。下面是 itertools 模块中一些常见的函数介绍: 1. 无限迭…...
【分布式微服务云原生】5分钟深入剖析Kafka:Leader与Follower分区的秘密及负载均衡的艺术
深入剖析Kafka:Leader与Follower分区的秘密及负载均衡的艺术 摘要: Apache Kafka作为当前最流行的分布式流处理平台之一,其内部的分区机制和消费者组的负载均衡策略是实现高吞吐量和高可靠性的关键。本文将深入探讨Kafka中Leader分区与Follo…...
TDEngine开源版3.3.7.5三副本高可用实战:从零搭建到故障自动切换验证
TDEngine开源版3.3.7.5三副本高可用实战:从零搭建到故障自动切换验证 在企业级时序数据库应用中,数据的高可用性和服务连续性往往是核心诉求。TDEngine作为一款性能卓越的开源时序数据库,其开源版本提供的三副本高可用方案基于Raft协议实现&…...
AI辅助开发:利用快马智能生成技能学习路径推荐算法
AI辅助开发:利用快马智能生成技能学习路径推荐算法 最近在做一个技能学习平台的项目,需要实现一个智能推荐系统。作为独立开发者,面对复杂的推荐算法和数据处理逻辑有点无从下手。这时候发现了InsCode(快马)平台的AI辅助开发功能,…...
利用快马平台快速构建zeroclaw理念的极简Web应用原型
今天想和大家分享一个有趣的开发体验——如何用InsCode(快马)平台快速验证zeroclaw理念的Web应用原型。zeroclaw这个概念最近在技术圈挺火的,核心思想就是用最精简的代码实现完整功能,特别适合需要快速验证想法的时候。 为什么选择这个组合 zeroclaw强调…...
seo优化员如何提高网站的流量
SEO优化员如何提高网站的流量 在当今竞争激烈的互联网环境中,网站的流量直接关系到企业的业务拓展和品牌影响力。对于SEO优化员来说,如何有效提高网站的流量是一个必须面对和解决的问题。本文将从问题分析、原因说明、解决方法、注意事项和实用建议几个…...
TrollInstallerX深度解析:iOS 14-16.6.1 TrollStore安装解决方案
TrollInstallerX深度解析:iOS 14-16.6.1 TrollStore安装解决方案 【免费下载链接】TrollInstallerX A TrollStore installer for iOS 14.0 - 16.6.1 项目地址: https://gitcode.com/gh_mirrors/tr/TrollInstallerX 问题象限:iOS用户的安装困境与技…...
DeepAnalyze舆情分析:社交媒体数据挖掘
DeepAnalyze舆情分析:社交媒体数据挖掘实战指南 1. 引言:社交媒体时代的舆情挑战 每天,社交媒体平台产生着海量的用户内容——从微博的热点讨论到小红书的消费分享,从抖音的短视频评论到专业论坛的技术交流。这些数据中蕴含着宝…...
Obsidian Local Images Plus:打造永不丢失的笔记图片库终极指南
Obsidian Local Images Plus:打造永不丢失的笔记图片库终极指南 【免费下载链接】obsidian-local-images-plus This repo is a reincarnation of obsidian-local-images plugin which main aim was downloading images in md notes to local storage. 项目地址: h…...
基于C++、OpenCV与VS2015环境的HOG+SVM行人检测全套项目:含正负样本数据集、...
C,OpenCV,VS2015,HOGSVM行人检测项目一整套,具体包括以下内容: 1.行人检测数据集,正负样本 2.数据集准备,模型训练,模型测试,视频测试和图片测试 3.界面,使用Qt搭建可视化…...
OpenClaw模型热更新方案:千问3.5-35B-A3B-FP8无缝升级
OpenClaw模型热更新方案:千问3.5-35B-A3B-FP8无缝升级 1. 为什么需要模型热更新? 上周我在本地部署的千问3.5-32B模型突然开始频繁报错——新发布的API文档解析任务完全无法执行。查看日志才发现,模型对某些专业术语的理解已经落后于最新技…...
Stable Yogi Leather-Dress-Collection光影艺术:模拟不同灯光下的皮革质感
Stable Yogi Leather-Dress-Collection光影艺术:模拟不同灯光下的皮革质感 你有没有想过,一件衣服在不同的光线下,会呈现出怎样截然不同的气质?一件黑色的皮革连衣裙,在午后的阳光下可能显得温润柔和,在舞…...
