洛谷 P1069 [NOIP2009 普及组] 细胞分裂【分解质因数+预处理优化】

本文主要是介绍洛谷 P1069 [NOIP2009 普及组] 细胞分裂【分解质因数+预处理优化】,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

原题链接:https://www.luogu.com.cn/problem/P1069

题目描述

Hanks 博士是 BT(Bio-Tech,生物技术)领域的知名专家。现在,他正在为一个细胞实验做准备工作:培养细胞样本。

Hanks 博士手里现在有 N 种细胞,编号从 1∼N,一个第 i 种细胞经过 1 秒钟可以分裂为 Si​ 个同种细胞(Si​ 为正整数)。现在他需要选取某种细胞的一个放进培养皿,让其自由分裂,进行培养。一段时间以后,再把培养皿中的所有细胞平均分入 M 个试管,形成 M 份样本,用于实验。Hanks 博士的试管数 M 很大,普通的计算机的基本数据类型无法存储这样大的 M 值,但万幸的是,M 总可以表示为 m1​ 的 m2​ 次方,即 M=m1^m2​​,其中 m1​,m2​ 均为基本数据类型可以存储的正整数。

注意,整个实验过程中不允许分割单个细胞,比如某个时刻若培养皿中有 4 个细胞,Hanks 博士可以把它们分入 2 个试管,每试管内 2 个,然后开始实验。但如果培养皿中有 5 个细胞,博士就无法将它们均分入 2 个试管。此时,博士就只能等待一段时间,让细胞们继续分裂,使得其个数可以均分,或是干脆改换另一种细胞培养。

为了能让实验尽早开始,Hanks 博士在选定一种细胞开始培养后,总是在得到的细胞“刚好可以平均分入 M 个试管”时停止细胞培养并开始实验。现在博士希望知道,选择哪种细胞培养,可以使得实验的开始时间最早。

输入格式

第一行,有一个正整数 N,代表细胞种数。

第二行,有两个正整数 m1​,m2​,以一个空格隔开,即表示试管的总数 M=m1^m2​​。

第三行有 N 个正整数,第 i 个数 Si​ 表示第 i 种细胞经过 1 秒钟可以分裂成同种细胞的个数。

输出格式

一个整数,表示从开始培养细胞到实验能够开始所经过的最少时间(单位为秒)。

如果无论 Hanks 博士选择哪种细胞都不能满足要求,则输出整数 −1。

输入输出样例

输入 #1

1 
2 1 
3

输出 #1

-1

输入 #2

2
24 1
30 12

输出 #2

2

说明/提示

【输入输出样例 #1 说明】

经过 1 秒钟,细胞分裂成 3 个,经过 2 秒钟,细胞分裂成 9个,……,可以看出无论怎么分裂,细胞的个数都是奇数,因此永远不能分入 2 个试管。

【输入输出样例 #2 说明】

第 1 种细胞最早在 3 秒后才能均分入 24 个试管,而第 2 种最早在 2 秒后就可以均分(每试管 144/24=6 个)。故实验最早可以在 2 秒后开始。

【数据范围】

对于 50% 的数据,有 m1^m2​​≤30000。

对于所有的数据,有 1≤N≤10000,1≤m1​≤30000,1≤m2​≤10000,1≤Si​≤2×10^9。

NOIP 2009 普及组 第三题

解题思路:

首先肯定不能暴力,因为数据非常大,无法用常规整数类型存储,但是可以知道的是m1,m2都是可以用常规数据类型存储的,同时我们知道的是任意一个数都可以分解为若干质因子的乘积,所以我们可以对m1进行质因数分解,就可以得出m1拥有的各种质因子的个数,假设m1拥有质因子2的个数为3,由于这里是m1^m2,所以说总共有质因子2的个数为3*m2,对于每个分解出来的质因子个数都乘以m2,就可以得到m1^m2的各种质因子的个数。

然后考虑一些细胞x要平均分配到M=m1^m2个培养皿中实际上就是x要是M的倍数,x是M的倍数,那么M拥有的质因子,x都要有,并且x每种质因子个数都必须大于等于M每种质因子个数。

经过上述分析,我们只需要对每一种细胞都进行质因数分解即可,然后取每种情况的最小值作为答案,但是此时我们可以发现每一种细胞的值Si最大是2e9,这非常大,会导致每一次质因数分解的时间达到1e4.5左右,最多会有10000中细胞,那么时间会到达1e8左右,时间复杂度比较高了,有超时的风险,我们可以考虑优化,我们发现m1<=30000,所以对于每一种细胞里面的大于30000的质因子是没有用的,我们可以先预处理所有30000以内的质数,然后质因数分解时只需要枚举30000以内的质因子即可,30000以内的质数大概有三千多个,所以时间将降到了10000*3000左右,大概3e7左右,这个时间1s之内是可以过的。

时间复杂度:时间复杂度的瓶颈在于对于每一种细胞的值Si都进行质因数分解,由于之前已经预处理30000之内的所有质数,大概三千多个,所以时间复杂度大概为O(3000*n),n表示细胞种类数.

空间复杂度:O(30000),开了30000的数组来存储30000以内各种质因子出现的次数。

cpp代码如下:

#include <cstdio>
#include <cstring>
#include <iostream>
#include <algorithm>
#include <unordered_map>
#include <vector>using namespace std;const int N = 10010, M = 30010;int n, m1, m2;
int a[N];
int Count[M], number[M]; // Count记录m1的m2次方各种质因子的个数,number用来记录各种细胞的各个质因子的个数
vector<int> primes;      // 存储所有预处理出来的30000以内的所有质数bool check(int x)
{for (int i = 2; i <= x / i; i++)if (x % i == 0)return false;return true;
}
void init() // 预处理30000之内的所有子树
{for (int i = 2; i <= 30000; i++){if (check(i))primes.push_back(i);}
}void solve1(int x, int y, int count[]) // 对于x的y次方的各种质因子用count存起来
{for (int i = 0; i < primes.size(); i++){count[primes[i]] = 0; // 这里记得清空   //由于要处理每一种细胞,这个数组多次使用,每次要记得清空,int val = primes[i];if (x % val == 0){int cnt = 0;while (x % val == 0){x /= val;cnt++;}count[val] = cnt * y;}}
}int solve2() // 判断某种细胞的细胞至少要经过多少次分裂才能平均分到M=m1^m2个培养皿中
{int res = 0;for (int i = 0; i < primes.size(); i++){int x = primes[i];if (Count[x] == 0) // M=m1^m2没有的因子,细胞也不需要有continue;if (number[x] == 0) // 如果培养皿拥有质因子x,但是细胞没有这种质因子,那么这种细胞无论经过多少次分裂,都不可能是M的倍数{res = 2e9;break;}res = max(res, (Count[x] + number[x] - 1) / number[x]); // 细胞各种质因子的个数都必须大于等于M,所以需要向上取整}return res;
}
int main()
{cin >> n >> m1 >> m2;for (int i = 1; i <= n; i++)cin >> a[i];init();                // 预处理30000之内的所有质数solve1(m1, m2, Count); // 首先对M=m1^m2的进行质因数分解,存储在Count中int ans = 2e9;for (int i = 1; i <= n; i++){solve1(a[i], 1, number); // 对于第i中细胞,那么有a[i]的1次方,质因数分解存储在number中int res = solve2();      // 根据Count和number进行比较更新答案ans = min(ans, res);}if (ans == 2e9) // 表示所有细胞分裂若干次的细胞个数都无法成为M=m2^m2的倍数puts("-1");elseprintf("%d\n", ans);return 0;
}

这篇关于洛谷 P1069 [NOIP2009 普及组] 细胞分裂【分解质因数+预处理优化】的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/742464

相关文章

Vue3 的 shallowRef 和 shallowReactive:优化性能

大家对 Vue3 的 ref 和 reactive 都很熟悉,那么对 shallowRef 和 shallowReactive 是否了解呢? 在编程和数据结构中,“shallow”(浅层)通常指对数据结构的最外层进行操作,而不递归地处理其内部或嵌套的数据。这种处理方式关注的是数据结构的第一层属性或元素,而忽略更深层次的嵌套内容。 1. 浅层与深层的对比 1.1 浅层(Shallow) 定义

HDFS—存储优化(纠删码)

纠删码原理 HDFS 默认情况下,一个文件有3个副本,这样提高了数据的可靠性,但也带来了2倍的冗余开销。 Hadoop3.x 引入了纠删码,采用计算的方式,可以节省约50%左右的存储空间。 此种方式节约了空间,但是会增加 cpu 的计算。 纠删码策略是给具体一个路径设置。所有往此路径下存储的文件,都会执行此策略。 默认只开启对 RS-6-3-1024k

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

MySQL高性能优化规范

前言:      笔者最近上班途中突然想丰富下自己的数据库优化技能。于是在查阅了多篇文章后,总结出了这篇! 数据库命令规范 所有数据库对象名称必须使用小写字母并用下划线分割 所有数据库对象名称禁止使用mysql保留关键字(如果表名中包含关键字查询时,需要将其用单引号括起来) 数据库对象的命名要能做到见名识意,并且最后不要超过32个字符 临时库表必须以tmp_为前缀并以日期为后缀,备份

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者

从状态管理到性能优化:全面解析 Android Compose

文章目录 引言一、Android Compose基本概念1.1 什么是Android Compose?1.2 Compose的优势1.3 如何在项目中使用Compose 二、Compose中的状态管理2.1 状态管理的重要性2.2 Compose中的状态和数据流2.3 使用State和MutableState处理状态2.4 通过ViewModel进行状态管理 三、Compose中的列表和滚动

动手学深度学习【数据操作+数据预处理】

import osos.makedirs(os.path.join('.', 'data'), exist_ok=True)data_file = os.path.join('.', 'data', 'house_tiny.csv')with open(data_file, 'w') as f:f.write('NumRooms,Alley,Price\n') # 列名f.write('NA

构建高性能WEB之HTTP首部优化

0x00 前言 在讨论浏览器优化之前,首先我们先分析下从客户端发起一个HTTP请求到用户接收到响应之间,都发生了什么?知己知彼,才能百战不殆。这也是作为一个WEB开发者,为什么一定要深入学习TCP/IP等网络知识。 0x01 到底发生什么了? 当用户发起一个HTTP请求时,首先客户端将与服务端之间建立TCP连接,成功建立连接后,服务端将对请求进行处理,并对客户端做出响应,响应内容一般包括响应

DAY16:什么是慢查询,导致的原因,优化方法 | undo log、redo log、binlog的用处 | MySQL有哪些锁

目录 什么是慢查询,导致的原因,优化方法 undo log、redo log、binlog的用处  MySQL有哪些锁   什么是慢查询,导致的原因,优化方法 数据库查询的执行时间超过指定的超时时间时,就被称为慢查询。 导致的原因: 查询语句比较复杂:查询涉及多个表,包含复杂的连接和子查询,可能导致执行时间较长。查询数据量大:当查询的数据量庞大时,即使查询本身并不复杂,也可能导致

MySQL 数据优化

MySQL 数据优化的指南 MySQL 数据库优化是一个复杂且重要的过程,它直接影响到系统的性能、可靠性和可扩展性。在处理大量数据或高并发请求时,数据库的优化尤为关键。通过合理的数据库设计、索引使用、查询优化和硬件调优,可以大幅提高 MySQL 的运行效率。本文将从几个主要方面详细介绍 MySQL 的优化技巧,帮助你在实际应用中提升数据库性能。 一、数据库设计优化 1. 数据库的规范化与反规