• Acdream1084 寒假安排 求n!中v因子个数


    题目链接:点击打开链接

    寒假安排

    Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 128000/64000 KB (Java/Others)

    Problem Description

    寒假又快要到了,只是对于lzx来说,头疼的事又来了,由于众多的后宫都指望着能和lzx约会呢,lzx得安排好计划才行。

    如果lzx的后宫团有n个人。寒假共同拥有m天,而每天仅仅能跟一位后宫MM约会。而且因为后宫数量太过庞大了。而寒假的天数太少,所以lzx在寒假里不会与一个MM约会一次以上。如今lzx想要知道:寒假安排的方案数如果写成k进制,末位会有多少个0。

    Input

    输入的第一行是一个整数。为数据的组数t(t<=1000)。

    每组数据占一行,为3个正整数n、m和k(1<=m<=n<2^31,2<=k<2^31),意思如上文所述。

    Output

    对于每组数据,输出一个数,为寒假安排的方案数写成k进制末位的0的数目。

    Sample Input

    3
    10 5 10
    10 1 2
    10 2 8

    Sample Output

    1
    1
    0

    Source

    Dshawn

    Manager


    求n!中v因子个数的做法:


    代码:

    ll go(ll x, ll v){
    	ll ans = 0;
    	ll tmp = v;
    	while(x>=tmp){
    		ans += x/tmp;
    		tmp*=v;
    	}
    	return ans;
    }

    然后把k分解质因素。取因子中最小的数量既是0的个数。

    #include<stdio.h>
    #include<iostream>  
    #include<cstdio>  
    #include<queue>  
    #include<ctype.h>  
    #include<cstring>
    #include<math.h>
    #include<set>
    #include<queue>
    using namespace std;
    #define ll long long
    ll n, m, k;
    ll Stack[1000], top, Cnt[1000];
    void fenjie(){
    	top = 0;
    	memset(Cnt, 0, sizeof Cnt);
    	for(ll i = 2; i*i<=k; i++)if(k%i==0){
    		while(k%i==0)Cnt[top]++, k/=i;
    		Stack[top++] = i;
    	}
    	if(k>1){
    		Cnt[top]++;
    		Stack[top++] = k;
    	}
    }
    ll go(ll x, ll v){
    	ll ans = 0;
    	ll tmp = v;
    	while(x>=tmp){
    		ans += x/tmp;
    		tmp*=v;
    	}
    	return ans;
    }
    ll tmp[1000];
    int main(){
    	int T;scanf("%d",&T);
    	while(T--){
    		cin>>n>>m>>k;
    		fenjie();
    		memset(tmp, 0, sizeof tmp);
    		for(ll i = 0; i < top; i++){
    			tmp[i] += go(n, Stack[i]);
    		}
    		for(ll i = 0; i < top; i++){
    			tmp[i] -= go(n-m, Stack[i]);
    		}
    		ll ans = tmp[0]/Cnt[0];
    		for(ll i = 1; i < top; i++)
    			ans = min(ans, tmp[i]/Cnt[i]);
    		cout<<ans<<endl;
    	}
    	return 0;
    }


  • 相关阅读:
    贝叶斯分类
    K-Means算法
    python数组
    深度学习与神经网络
    数据挖掘算法之-关联规则挖掘(Association Rule)
    k8s记录-pip源配置
    k8s记录-yum本地仓库部署
    k8s记录-不同集群服务互联
    k8s记录-kube-dns(core-dns)配置(七)
    k8s记录-kubectl常用
  • 原文地址:https://www.cnblogs.com/mfrbuaa/p/5219264.html
Copyright © 2020-2023  润新知