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

Python通过模块化开发优化代码的技巧分享

《Python通过模块化开发优化代码的技巧分享》模块化开发就是把代码拆成一个个“零件”,该封装封装,该拆分拆分,下面小编就来和大家简单聊聊python如何用模块化开发进行代码优化吧... 目录什么是模块化开发如何拆分代码改进版:拆分成模块让模块更强大:使用 __init__.py你一定会遇到的问题模www.

SpringBoot首笔交易慢问题排查与优化方案

《SpringBoot首笔交易慢问题排查与优化方案》在我们的微服务项目中,遇到这样的问题:应用启动后,第一笔交易响应耗时高达4、5秒,而后续请求均能在毫秒级完成,这不仅触发监控告警,也极大影响了用户体... 目录问题背景排查步骤1. 日志分析2. 性能工具定位优化方案:提前预热各种资源1. Flowable

SpringBoot3实现Gzip压缩优化的技术指南

《SpringBoot3实现Gzip压缩优化的技术指南》随着Web应用的用户量和数据量增加,网络带宽和页面加载速度逐渐成为瓶颈,为了减少数据传输量,提高用户体验,我们可以使用Gzip压缩HTTP响应,... 目录1、简述2、配置2.1 添加依赖2.2 配置 Gzip 压缩3、服务端应用4、前端应用4.1 N

Spring Boot + MyBatis Plus 高效开发实战从入门到进阶优化(推荐)

《SpringBoot+MyBatisPlus高效开发实战从入门到进阶优化(推荐)》本文将详细介绍SpringBoot+MyBatisPlus的完整开发流程,并深入剖析分页查询、批量操作、动... 目录Spring Boot + MyBATis Plus 高效开发实战:从入门到进阶优化1. MyBatis

MyBatis 动态 SQL 优化之标签的实战与技巧(常见用法)

《MyBatis动态SQL优化之标签的实战与技巧(常见用法)》本文通过详细的示例和实际应用场景,介绍了如何有效利用这些标签来优化MyBatis配置,提升开发效率,确保SQL的高效执行和安全性,感... 目录动态SQL详解一、动态SQL的核心概念1.1 什么是动态SQL?1.2 动态SQL的优点1.3 动态S

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

一文详解SpringBoot响应压缩功能的配置与优化

《一文详解SpringBoot响应压缩功能的配置与优化》SpringBoot的响应压缩功能基于智能协商机制,需同时满足很多条件,本文主要为大家详细介绍了SpringBoot响应压缩功能的配置与优化,需... 目录一、核心工作机制1.1 自动协商触发条件1.2 压缩处理流程二、配置方案详解2.1 基础YAML

MySQL中慢SQL优化的不同方式介绍

《MySQL中慢SQL优化的不同方式介绍》慢SQL的优化,主要从两个方面考虑,SQL语句本身的优化,以及数据库设计的优化,下面小编就来给大家介绍一下有哪些方式可以优化慢SQL吧... 目录避免不必要的列分页优化索引优化JOIN 的优化排序优化UNION 优化慢 SQL 的优化,主要从两个方面考虑,SQL 语

MySQL中慢SQL优化方法的完整指南

《MySQL中慢SQL优化方法的完整指南》当数据库响应时间超过500ms时,系统将面临三大灾难链式反应,所以本文将为大家介绍一下MySQL中慢SQL优化的常用方法,有需要的小伙伴可以了解下... 目录一、慢SQL的致命影响二、精准定位问题SQL1. 启用慢查询日志2. 诊断黄金三件套三、六大核心优化方案方案

Redis中高并发读写性能的深度解析与优化

《Redis中高并发读写性能的深度解析与优化》Redis作为一款高性能的内存数据库,广泛应用于缓存、消息队列、实时统计等场景,本文将深入探讨Redis的读写并发能力,感兴趣的小伙伴可以了解下... 目录引言一、Redis 并发能力概述1.1 Redis 的读写性能1.2 影响 Redis 并发能力的因素二、