当前位置: 首页 > news >正文

UVa 12619 Just Make A Wish

题目描述

你有一个朋友Po\texttt{Po}Po,他有一个神奇的精灵。精灵每天会告诉Po\texttt{Po}Po一个整数GGG。如果GGG为正数,那么Po\texttt{Po}Po的土地面积会乘以GGG;如果GGG为负数,那么Po\texttt{Po}Po的土地面积会除以∣G∣|G|G(保证能整除)。初始土地面积为111。每天,你需要计算出当前土地面积对应的“不同矩形”的数量,即面积的正整数因子个数(因为矩形边长必须是正整数,且a×ba \times ba×bb×ab \times ab×a视为不同,除非a=ba = ba=b)。在DDD天结束后,输出每天因子个数的总和,并对109+710^9+7109+7取模。

输入格式

  • 第一行是测试用例数TTTT≤10T \le 10T10)。
  • 每个测试用例第一行是天数DDD1≤D≤1061 \le D \le 10^61D106)。
  • 接下来DDD行,每行一个整数GGG0<∣G∣≤1060 < |G| \le 10^60<G106)。

输出格式

  • 对于每个测试用例,输出一行Case X: sum,其中XXX是测试用例编号,sumsumsumDDD天因子个数总和对109+710^9+7109+7取模的结果。

题目分析

问题转化

每天我们需要计算当前面积AAA的正整数因子个数。
AAA的质因数分解为:
A=p1e1p2e2…pkek A = p_1^{e_1} p_2^{e_2} \dots p_k^{e_k}A=p1e1p2e2pkek
AAA的因子个数为:
div_count(A)=∏i=1k(ei+1) \texttt{div\_count}(A) = \prod_{i=1}^k (e_i + 1)div_count(A)=i=1k(ei+1)
因为每个质因子pip_ipi的指数可以从000eie_iei选择,共有ei+1e_i+1ei+1种选择,组合起来就是乘积。

动态维护

如果我们每天重新分解AAA,复杂度会非常高(因为AAA可能极大)。
注意到每天AAA只会乘以或除以一个数∣G∣|G|G,我们可以动态维护AAA的质因数分解(即每个质因子的指数),并相应地更新因子个数。

更新方法
  • 当乘以xxx时,对xxx分解质因数,对于每个质因子ppp及其指数eee
    • ppp原来的指数为old_expold\_expold_exp,新的指数new_exp=old_exp+enew\_exp = old\_exp + enew_exp=old_exp+e
    • 因子个数需要乘以new_exp+1old_exp+1\frac{new\_exp+1}{old\_exp+1}old_exp+1new_exp+1
  • 当除以xxx时,对xxx分解质因数,对于每个质因子ppp及其指数eee
    • ppp原来的指数为old_expold\_expold_exp,新的指数new_exp=old_exp−enew\_exp = old\_exp - enew_exp=old_expe
    • 因子个数需要乘以new_exp+1old_exp+1\frac{new\_exp+1}{old\_exp+1}old_exp+1new_exp+1

由于我们需要对109+710^9+7109+7取模,而模数是质数,因此可以用模逆元来处理除法。

算法步骤

  1. 预处理

    • 使用线性筛法求出每个数的最小质因子(Least Prime Factor, LPF \texttt{Least Prime Factor, LPF }Least Prime Factor, LPF),以便快速分解∣G∣|G|G
    • 预处理1112×1062\times 10^62×106的模逆元(因为指数可能很大,但指数不会超过2×1062\times 10^62×106)。
  2. 对每个测试用例

    • 初始化一个哈希表expMap存储当前面积的质因子指数,初始为空(面积111时所有指数为000)。
    • 初始化因子个数divCount = 1111的因子个数为111)。
    • 初始化总和sumWays = 0
    • 对于每一天的GGG
      • 计算val=∣G∣val = |G|val=G
      • 使用 LPF 快速分解valvalval
      • 根据GGG的正负,更新expMapdivCount
      • 将当天的divCount累加到sumWays(取模)。
    • 输出结果。

复杂度分析

  • 预处理LPF\texttt{LPF}LPF和逆元:O(MAXlog⁡log⁡MAX)O(MAX \log \log MAX)O(MAXloglogMAX),其中MAX=2×106MAX = 2\times 10^6MAX=2×106
  • 每天分解∣G∣|G|GO(log⁡∣G∣)O(\log |G|)O(logG)
  • 总复杂度:O(T⋅D⋅log⁡∣G∣)O(T \cdot D \cdot \log |G|)O(TDlogG),在D≤106D \le 10^6D106时可接受。

代码实现

// Just Make A Wish// UVa ID: 12619// Verdict: Accepted// Submission Date: 2025-12-17// UVa Run Time: 0.200s//// 版权所有(C)2025,邱秋。metaphysis # yeah dot net#include<bits/stdc++.h>usingnamespacestd;typedeflonglongLL;constintMAX=2000005;// 足够大,因为 G 最大 1e6,但面积质因子可能更大constLL MOD=1000000007LL;vector<int>lpf;// 最小质因子 Least Prime Factorvector<LL>inv;// 模逆元// 快速幂取模LLmodPow(LL a,LL b){LL res=1;while(b){if(b&1)res=res*a%MOD;a=a*a%MOD;b>>=1;}returnres;}// 预处理最小质因子和逆元voidinit(){lpf.resize(MAX,0);inv.resize(MAX,0);for(inti=2;i<MAX;i++){if(lpf[i]==0){// i 是质数lpf[i]=i;for(intj=i+i;j<MAX;j+=i){if(lpf[j]==0)lpf[j]=i;}}}// 预处理逆元: inv[x] = x^(-1) mod MODfor(inti=1;i<MAX;i++)inv[i]=modPow(i,MOD-2);}// 分解 x,返回质因子-指数的映射vector<pair<int,int>>factorize(intx){vector<pair<int,int>>res;while(x>1){intp=lpf[x];intcnt=0;while(x%p==0){x/=p;cnt++;}res.push_back({p,cnt});}returnres;}intmain(){ios::sync_with_stdio(false);cin.tie(nullptr);init();// 预处理intT;cin>>T;for(intcaseNo=1;caseNo<=T;caseNo++){intD;cin>>D;unordered_map<int,int>expMap;// 当前面积的质因子指数LL divCount=1;// 当前面积的因子个数LL sumWays=0;for(intday=0;day<D;day++){intG;cin>>G;intval=abs(G);vector<pair<int,int>>factors=factorize(val);if(G>0){// 乘以 valfor(auto&pf:factors){intp=pf.first,e=pf.second;intoldExp=expMap[p];intnewExp=oldExp+e;// 更新因子个数:除以(oldExp+1),乘以(newExp+1)divCount=divCount*inv[oldExp+1]%MOD;divCount=divCount*(newExp+1)%MOD;expMap[p]=newExp;}}else{// 除以 valfor(auto&pf:factors){intp=pf.first,e=pf.second;intoldExp=expMap[p];intnewExp=oldExp-e;divCount=divCount*inv[oldExp+1]%MOD;divCount=divCount*(newExp+1)%MOD;expMap[p]=newExp;}}sumWays=(sumWays+divCount)%MOD;}cout<<"Case "<<caseNo<<": "<<sumWays<<"\n";}return0;}

关键点总结

  1. 因子个数的公式∏(ei+1)\prod (e_i + 1)(ei+1)
  2. 动态维护:通过维护质因子指数,避免对大数直接分解。
  3. 模逆元:因为模数是质数,可以用费马小定理求逆元,从而在模意义下做除法。
  4. 预处理LPF\texttt{LPF}LPF:快速分解∣G∣|G|G,是算法高效的关键。

这样,即使DDD高达10610^6106,算法也能在合理时间内运行完毕。

http://www.cnnetsun.cn/news/103466.html

相关文章:

  • 直播间数据监控终极指南:如何快速获取弹幕、礼物与用户行为数据
  • CellProfiler生物图像分析完全指南:从入门到精通
  • B站视频下载完全指南:新手必备的简单三步教程
  • KISS FFT:重新定义轻量级信号处理的工程艺术
  • 6、常见WRT54G第三方固件全解析
  • 3步构建企业级3D抽奖系统:从策划到落地的完整解决方案
  • LDDC:3大平台歌词获取,打造专属音乐体验
  • EmotiVoice是否内置语音质量检测模块?MOS预估功能上线
  • EmotiVoice能否用于外语学习跟读训练?发音准确性评估
  • 从零开始的编程冒险:游戏化学习如何让你爱上写代码
  • NocoDB云原生部署实战:构建企业级低代码数据平台
  • drawio-libs:重新定义专业图表绘制的智能图标生态
  • Vue-CodeMirror6 完整配置与最佳实践指南
  • 基于Springboot3+Vue3微信小程序校园学生兼职系统(包部署+代码指导+万字论文)
  • 终极双语翻译插件完整指南:轻松实现跨语言无障碍阅读
  • 手机端AIDE安卓2进制计算器软件代码
  • NetBox拓扑视图插件终极指南:3分钟实现网络架构可视化
  • RustDesk隐私模式:企业级远程协助的安全革命
  • 如何快速实现Ubuntu全自动部署:终极无人值守安装指南
  • AI绘画控制技术深度解析:ControlNet如何实现精准构图控制
  • 网易云音乐脚本:3大隐藏功能解锁你的音乐自由
  • IDM激活脚本技术深度解析:兼容性重构与性能优化完整指南
  • Minecraft Bedrock启动器技术实现与优化指南
  • MegSpot开源项目完整教程:从入门到精通
  • XposedRimetHelper位置服务功能深度解析:提升钉钉使用体验
  • 深度解锁Windows隐藏功能:ViVeTool GUI使用全攻略
  • 如何快速配置Jellyfin Bangumi插件:新手3分钟上手教程
  • KOReader终极完整指南:免费打造专业级电子书阅读体验
  • VMD-Python分子可视化工具深度解析与实战指南
  • 零基础掌握X-AnyLabeling:GeCO模型目标计数实战全解析