容斥原理算法的实现

简介: 容斥原理算法的实现

容斥原理应用

样例解释

n = 10, p1=2,p2=3p1=2,p2=3, 求1-10中能满足能整除p1p1或p2p2的个数, 即2,3,4,6,8,9,10,共7个

解题思路

记SiSi为1-n 中能整除pipi的集合,那么根据容斥原理, 所有数的个数为各个集合的并集,计算公式如下

⋃i=1mSi=S1+S2+…+Sm−(S1⋂S2+S1⋂S3+…+Sm−1⋂Sm)+(S1⋂S2⋂S3+…+Sm−2⋂Sm−1⋂Sm)+…+(−1)m−1(⋂i=1mS)

⋃i=1mSi=S1+S2+…+Sm−(S1⋂S2+S1⋂S3+…+Sm−1⋂Sm)+(S1⋂S2⋂S3+…+Sm−2⋂Sm−1⋂Sm)+…+(−1)m−1(⋂i=1mS)

以题目样例为例

S1={2,4,6,8,10},S2={3,6,9},S1⋂S2={6},故S1⋃S2={2,3,4,6,8,9,10}S1={2,4,6,8,10},S2={3,6,9},S1⋂S2={6},故S1⋃S2={2,3,4,6,8,9,10}

实现思路

每个集合实际上并不需要知道具体元素是什么,只要知道这个集合的大小,大小为|Si|=n/pi|Si|=n/pi, 比如题目中|S1|=10/2=5,|S2|=10/3=3|S1|=10/2=5,|S2|=10/3=3

交集的大小如何确定?因为pipi均为质数,这些质数的乘积就是他们的最小公倍数,n除这个最小公倍数就是交集的大小,故|S1⋂S2|=n/(p1∗p2)=10/(2∗3)=1|S1⋂S2|=n/(p1∗p2)=10/(2∗3)=1

如何用代码表示每个集合的状态?这里使用的二进制,以m = 4为例,所以需要4个二进制位来表示每一个集合选中与不选的状态,1101m=41101⏞m=4,这里表示选中集合S1,S2,S4S1,S2,S4,故这个集合中元素的个数为 n/(p1∗p2∗p4)n/(p1∗p2∗p4), 因为集合个数是3个,根据公式,前面的系数为(−1)3−1=1(−1)3−1=1。所以到当前这个状态时,应该是res+=n/(p1∗p2∗p4)res+=n/(p1∗p2∗p4) 。这样就可以表示的范围从0000到11110000到1111的每一个状态

用二进制表示状态的小技巧非常常用,后面的状态压缩DP也用到了这个技巧,因此一定要掌握

AC代码

#include
using namespace std;
typedef long long LL;
const int N = 20;
int p[N], n, m;
int main() {
cin >> n >> m;
for(int i = 0; i < m; i++) cin >> p[i];
int res = 0;
//枚举从1 到 1111...(m个1)的每一个集合状态, (至少选中一个集合)
for(int i = 1; i < 1 << m; i++) {
    int t = 1;             //选中集合对应质数的乘积
    int s = 0;             //选中的集合数量
    //枚举当前状态的每一位
    for(int j = 0; j < m; j++){
        //选中一个集合
        if(i >> j & 1){
            //乘积大于n, 则n/t = 0, 跳出这轮循环
            if((LL)t * p[j] > n){    
                t = -1;
                break;
            }
            s++;                  //有一个1,集合数量+1
            t *= p[j];
        }
    }
    if(t == -1) continue;  
    if(s & 1) res += n / t;              //选中奇数个集合, 则系数应该是1, n/t为当前这种状态的集合数量
    else res -= n / t;                      //反之则为 -1
}
cout << res << endl;
return 0;
}


参考文献

简单的容斥原理介绍请看下图:

C++ 代码

简单的容斥原理介绍请看下图:

本题思路:

将题目所给出的m个数可以看成是m位的二进制数,例如

当p[N]={2,3}时,此时会有01,10,11三种情况

而二进制的第零位表示的是p[0]上面的数字2,第1位表示p[1]上面的数字3

所以当i=1时表示只选择2的情况,当i=2(10)时,表示只选择3的情况,当i=3时,表示2和3相乘的情况

在过程中可以用标记变量t记录,可以按照t的值来选择是”+”还是“-”

代码如下:

#include

#include

using namespace std;

typedef long long LL;

const int N=20;

int p[N];

int main()

{

int n,m;

cin>>n>>m;

for(int i=0;i<m;i++) cin>>p[i];

int res=0;
for(int i=1;i<1<<m;i++)//1<<m表示小于2^m
{
    int t=1,cnt=0;
    for(int j=0;j<m;j++)
    if(i>>j&1)
    {
        if((LL)t*p[j]>n)
        {
            t=-1;
            break;
        }
        t*=p[j];
        ++cnt;
    }
    if(t!=-1)
    {
        if(cnt%2) res=res+n/t;
        else res=res-n/t;
    }
}
printf("%d",res);
return 0;
}



相关文章
|
3月前
|
存储 算法 Java
解析HashSet的工作原理,揭示Set如何利用哈希算法和equals()方法确保元素唯一性,并通过示例代码展示了其“无重复”特性的具体应用
在Java中,Set接口以其独特的“无重复”特性脱颖而出。本文通过解析HashSet的工作原理,揭示Set如何利用哈希算法和equals()方法确保元素唯一性,并通过示例代码展示了其“无重复”特性的具体应用。
73 3
|
3月前
|
机器学习/深度学习 算法 机器人
多代理强化学习综述:原理、算法与挑战
多代理强化学习是强化学习的一个子领域,专注于研究在共享环境中共存的多个学习代理的行为。每个代理都受其个体奖励驱动,采取行动以推进自身利益;在某些环境中,这些利益可能与其他代理的利益相冲突,从而产生复杂的群体动态。
350 5
|
18天前
|
机器学习/深度学习 算法 PyTorch
深度强化学习中SAC算法:数学原理、网络架构及其PyTorch实现
软演员-评论家算法(Soft Actor-Critic, SAC)是深度强化学习领域的重要进展,基于最大熵框架优化策略,在探索与利用之间实现动态平衡。SAC通过双Q网络设计和自适应温度参数,提升了训练稳定性和样本效率。本文详细解析了SAC的数学原理、网络架构及PyTorch实现,涵盖演员网络的动作采样与对数概率计算、评论家网络的Q值估计及其损失函数,并介绍了完整的SAC智能体实现流程。SAC在连续动作空间中表现出色,具有高样本效率和稳定的训练过程,适合实际应用场景。
78 7
深度强化学习中SAC算法:数学原理、网络架构及其PyTorch实现
|
27天前
|
算法 Java 数据库
理解CAS算法原理
CAS(Compare and Swap,比较并交换)是一种无锁算法,用于实现多线程环境下的原子操作。它通过比较内存中的值与预期值是否相同来决定是否进行更新。JDK 5引入了基于CAS的乐观锁机制,替代了传统的synchronized独占锁,提升了并发性能。然而,CAS存在ABA问题、循环时间长开销大和只能保证单个共享变量原子性等缺点。为解决这些问题,可以使用版本号机制、合并多个变量或引入pause指令优化CPU执行效率。CAS广泛应用于JDK的原子类中,如AtomicInteger.incrementAndGet(),利用底层Unsafe库实现高效的无锁自增操作。
理解CAS算法原理
|
2月前
|
算法 容器
令牌桶算法原理及实现,图文详解
本文介绍令牌桶算法,一种常用的限流策略,通过恒定速率放入令牌,控制高并发场景下的流量,确保系统稳定运行。关注【mikechen的互联网架构】,10年+BAT架构经验倾囊相授。
令牌桶算法原理及实现,图文详解
|
1月前
|
存储 人工智能 缓存
【AI系统】布局转换原理与算法
数据布局转换技术通过优化内存中数据的排布,提升程序执行效率,特别是对于缓存性能的影响显著。本文介绍了数据在内存中的排布方式,包括内存对齐、大小端存储等概念,并详细探讨了张量数据在内存中的排布,如行优先与列优先排布,以及在深度学习中常见的NCHW与NHWC两种数据布局方式。这些布局方式的选择直接影响到程序的性能,尤其是在GPU和CPU上的表现。此外,还讨论了连续与非连续张量的概念及其对性能的影响。
70 3
|
2月前
|
机器学习/深度学习 人工智能 算法
探索人工智能中的强化学习:原理、算法与应用
探索人工智能中的强化学习:原理、算法与应用
|
2月前
|
负载均衡 算法 应用服务中间件
5大负载均衡算法及原理,图解易懂!
本文详细介绍负载均衡的5大核心算法:轮询、加权轮询、随机、最少连接和源地址散列,帮助你深入理解分布式架构中的关键技术。关注【mikechen的互联网架构】,10年+BAT架构经验倾囊相授。
5大负载均衡算法及原理,图解易懂!
|
2月前
|
缓存 算法 网络协议
OSPF的路由计算算法:原理与应用
OSPF的路由计算算法:原理与应用
82 4
|
2月前
|
存储 算法 网络协议
OSPF的SPF算法介绍:原理、实现与应用
OSPF的SPF算法介绍:原理、实现与应用
102 3

热门文章

最新文章