正在实现,不知道对不对,但是先放这,哪个大佬发现问题了和我说下

\[f(l)=\sum\cdots\sum[\gcd=1,\text{lcm}=l]
\]
\[g(l)=\sum\cdots\sum[\gcd=1,\text{lcm}\mid l]
\]
\[h(l)=\sum\cdots\sum[\text{lcm}\mid l]
\]

\[g(l)=\sum_{l\mid d}f(d)
\]
\[f(l)=\sum_{l\mid d}\mu(\frac{d}{l})g(d)
\]
\[h(l)=\sum_{d}g(d)=\sum_{1\mid d}g(d)
\]
\[g(l)=\sum_{1\mid d}\mu(d)h(d)=\sum_{d}\mu(d)h(d)
\]
\[f(l)=\sum_{l\mid d}\mu(\frac{d}{l})\sum_{e}\mu(e)h(e)
\]

UPD:确实不对,下面这版是对的

\[f(g,l)=\sum\cdots\sum[\gcd=g,\text{lcm}=l]
\]
\[g(g,l)=\sum\cdots\sum[\gcd=g,\text{lcm}\mid l]
\]
\[h(l)=\sum\cdots\sum[\text{lcm}\mid l]
\]

\[g(1,l)=\sum_{d\mid l}f(1,d)
\]
\[f(1,l)=\sum_{d\mid l}\mu(d)g(1,\lfloor{\frac{l}{d}}\rfloor)
\]
\[\color{white}h(l)=\sum_{i}g(i,l)\rightarrow \sum\cdots\sum[\text{lcm}\mid l]\rightarrow l=k\text{lcm},\forall\gcd=i\rightarrow l=\frac{1}{i}k\text{lcm}\rightarrow il=k\text{lcm}\rightarrow h(l)=\sum_{i}g(1,il)
\]

内层求法:设

\[l=\sum_{i}p_{i}^{a_{i}}
\]

\[h(l)=C^{n}_{\sum_{i}a_{i}}
\]

外层求法:

\[\gcd\mid m
\]
\[\text{lcm}=m-\gcd
\]
\[\begin{cases}\gcd=g\\\text{lcm}=m-g\end{cases}\Longleftrightarrow\begin{cases}\gcd=1\\\text{lcm}=\frac{m-g}{g}\end{cases}
\]
\[\text{ans}=\sum_{k\mid m}f(\frac{m-k}{k})
\]

总之就是 先处理外层,再分解因子,提前处理好 \(\sum_{e}\mu(e)h(e)\),\(h(e)\) 内部分解质因数求和,再统计答案即可. 复杂度有点吓人

T2 的莫反式子的更多相关文章

  1. Codeforces 548E(莫反、容斥)

    转化为质数域上的操作,如果用莫反的话,记录因数的cnt. 其实莫反的推式子最后和容斥做法殊途同归了,容斥的系数就是莫比乌斯函数. const int maxn = 2e5 + 5, maxa = 5e ...

  2. Codeforces 585E - Present for Vitalik the Philatelist(简单莫反+狄利克雷前缀和)

    Codeforces 题目传送门 & 洛谷题目传送门 一道不算太难的 D1E 罢--虽然我不会做/kk u1s1 似乎这场 Div1 挺水的?F 就是个 AC 自动机板子还被评到了 3k2-- ...

  3. NFLSOJ #917 -「lych_cys模拟题2018」橘子树(树剖+ODT+莫反统计贡献的思想+动态开点线段树)

    题面传送门 sb 出题人不在题面里写 \(b_i=0\) 导致我挂成零蛋/fn/fn 首先考虑树链剖分将路径问题转化为序列上的问题,因此下文中简称"位置 \(i\)"表示 DFS ...

  4. Codeforces 1603D - Artistic Partition(莫反+线段树优化 dp)

    Codeforces 题面传送门 & 洛谷题面传送门 学 whk 时比较无聊开了道题做做发现是道神题( 介绍一种不太一样的做法,不观察出决策单调性也可以做. 首先一个很 trivial 的 o ...

  5. 难度并不NOIP的NOIP模拟赛

    今天老师请了前几届的学长来讲课,可是讲课为什么要考试呢... 学长说难度是NOIP,于是我就naive的跟着参加了,然而T3难度并不友好,感觉确实不是很适合我们现在做......不过课本来也不是给我们 ...

  6. bjwc Day1 暴力大战

    今天终于有题了... 题目是COCI2016/2017 Round #4 T1一看就是NP问题,k<=50,开始想暴力,想了个n^4的,大概能过,就没去管它 T2想得太naive,丢了100分给 ...

  7. NOI 2016 Day1 题解

    今天写了NOI2016Day1的题,来写一发题解. T2 网格 题目传送门 Description \(T\) 次询问,每次给出一个 \(n\times m\) 的传送门,上面有 \(c\) 个位置是 ...

  8. ZJOI 2019 游记

    一轮 现在才知道大家都写了2333,现在补上不晚吧. Day 0 跟Crossing打了一路的王者,丝毫没有困意.颁奖仪式看到rank 1 又是xj的zyz,QWQ.被冯缘的热情四射的演讲给吓到了.然 ...

  9. HZNU ACM一日游 2019.3.17 【2,4,6-三硝基甲苯(TNT)】

    Travel Diary 早上8:00到HG,听说hjc20032003在等我. 然后他竟然鸽我...最后还是勉强在8:30坐上去偏僻的HZNU的地铁. 到文新,然后带上fjl,打滴滴,一行人来到了H ...

  10. 题解-bzoj2154Crash的数字表格 & bzoj2693 jzptab

    Problem bzoj2818-单组询问-无权限 bzoj2693-多组询问-需权限 洛谷1829-单组询问-无权限 \(T\)组询问(如果有),给定 \(n,m\),求 \[\sum_{i=1}^ ...

随机推荐

  1. JMeter 逻辑控制之IF条件控制器

    逻辑控制之IF条件控制器 测试环境 JMeter-5.4.1 循环控制器介绍 添加While Controller 右键线程组->添加->逻辑控制器->While控制器 控制器面板介 ...

  2. Django model 层之Models与Mysql数据库小结

    Django model 层之Models与Mysql数据库小结 by:授客 QQ:1033553122 测试环境: Python版本:python-3.4.0.amd64 下载地址:https:// ...

  3. perf 性能分析工具

    perf 性能分析工具 perf topperf recordperf reportperf listperf stat perf top -p <pid> 例如查看redis进程的内核调 ...

  4. python tesseract-ocr 图文识别 (windows基础环境搭建)

    python tesseract-ocr 图文识别 一,先进行Tesserocr安装下载 1,先点击进入下面的百度网盘链接: https://pan.baidu.com/s/1G5vZO2B4Mxx5 ...

  5. golang对遍历目录操作的优化

    一转眼go1.23都快发布了,时间过得真快. 不过今天我们把时间倒流回三年半之前,来关注一个在go1.16引入的关于处理目录时的优化. 对于go1.16的新变化,大家印象最深的可能是io包的大规模重构 ...

  6. RPA+ddddocr识别图片验证码

    上篇我们已经使用python识别了验证码,接下来用RPA接收python识别验证码结果进行登录 1.RPA首先安装python包 ddddocr 2.RPA新建一个python模块 编写代码 impo ...

  7. Jmeter函数助手18-machineIP

    machineIP函数用于获取本地IP地址. 存储结果的变量名(可选) 1.本地ip可以在cmd运行界面输入命令"ipconfig"查看,Jmeter则使用函数获取${__mach ...

  8. 深度学习框架:为啥不同的框架,不同的运行设备(GPU/CPU/NPU),运算出的结果性能会有一定百分数的差别呢

    经常会遇到有人在网上说,TensorFlow的计算结果比pytorch的高上几个百分点,也有人说RTX3090的计算结果没有A100的好,还有人说NPU的计算结果比GPU的高,而且这种说法在业内也是极 ...

  9. AI大模型 —— 国产大模型 —— 华为大模型

    有这么一句话,那就是AI大模型分两种,一种是大模型:另一种是华为大模型. 如果从技术角度来分析,华为的技术不论是在软件还是硬件都比国外的大公司差距极大,甚至有些技术评论者认为华为的软硬件技术至少落后2 ...

  10. 用户案例 | 蜀海供应链基于 Apache DolphinScheduler 的数据表血缘探索与跨大版本升级经验

    导读 蜀海供应链是集销售.研发.采购.生产.品保.仓储.运输.信息.金融为一体的餐饮供应链服务企业.2021年初,蜀海信息技术中心大数据技术研发团队开始测试用DolphinScheduler作为数据中 ...