AtCoder ABC 165 D - Floor Function (Good, 手动模拟推出公式)
题目链接:Here
题意:
给出正整数 \(A,B,N (1\le A\le 1e6,1\le B,N\le1e12)\) ,对于 \(x\in [0,N]\) 求出
- \(\left\lfloor\frac{A x}{B}\right\rfloor-A \times\left\lfloor\frac{x}{B}\right\rfloor\)
的最大值
\]
全搜索的话 \(\mathcal{O}(n)\) 的时间复杂度是肯定不行的,直接看过去公式应该能够化简,
如果不是 \(floor\) (向下取整) ,而是实数运算的话, \(\frac{Ax}B - \frac{Ax}B = 0\) 就恒成立了
大概如上思考的话,总觉得为了使 \(x\) 这个值更大,原公式后面部分的 \(\left\lfloor\frac{x}{B}\right\rfloor\) 应该尽可能的靠近向上取整得到的整数,即尽可能得到 \((.999999)\) 这样的答案,此时差值就变大起来了
实际模拟一下
样例一:\(A=5,B=7,N=4\)
| \(x\) | \(\left\lfloor\frac{A x}{B}\right\rfloor\) | \(A \times\left\lfloor\frac{x}{B}\right\rfloor\) | 差值 |
|---|---|---|---|
| 0 | 0 | 0 | 0 |
| 1 | 0 | 0 | 0 |
| 2 | 1 | 0 | 1 |
| 3 | 2 | 0 | 2 |
| 4 | 2 | 0 | 2 |
| 5 | 3 | 0 | 3 |
| 6 | 4 | 0 | 4 |
| 7 | 5 | 5 | 0 |
| 8 | 5 | 5 | 0 |
| 9 | 6 | 5 | 1 |
| 10 | 7 | 5 | 2 |
| 11 | 7 | 5 | 2 |
| 12 | 8 | 5 | 3 |
| 13 | 9 | 5 | 4 |
而且要注意的是:
- \(A \times\left\lfloor\frac{x}{B}\right\rfloor\) 是周期的增加,\(B(=7),A(=5)\)
同理:\(\left\lfloor\frac{A x}{B}\right\rfloor\) 也是一样的
\(f(x) = \left\lfloor\frac{A x}{B}\right\rfloor-A \times\left\lfloor\frac{x}{B}\right\rfloor\) 的取值对于 \(B\) 来说是周期性的,所以 \(x\) 的取值
- \(x=0,1,2,...,B-1\)
考虑这么多即可
在 \(x = 0,1,2,...,B-1\) 的范围中
- \(\left\lfloor\frac{A x}{B}\right\rfloor\) 单调递增
- \(A \times\left\lfloor\frac{x}{B}\right\rfloor\) 保持不变
- 那么 \(f(x)\) 单调性也就是同 \(\left\lfloor\frac{A x}{B}\right\rfloor\) 一样单调递增了
换句话说,只要满足
- \(x=0,1,...,B-1\)
- \(x\le N\)
的话符合条件的最大 \(x\) 应该是 \(x=\min(N,B-1)\)
那么最后答案输出 $ \frac AB\times \min(N,B-1)$ 即可
时间复杂度由全搜索的 \(\mathcal{O}(n) \to \mathcal{O}(1)\)
ll a, b, n;
int main() {
cin.tie(nullptr)->sync_with_stdio(false);
cin >> a >> b >> n;
cout << a * min(n, b - 1) / b;
}
AtCoder ABC 165 D - Floor Function (Good, 手动模拟推出公式)的更多相关文章
- ATCODER ABC 099
ATCODER ABC 099 记录一下自己第一场AK的比赛吧...虽然还是被各种踩... 只能说ABC确实是比较容易. A 题目大意 给你一个数(1~1999),让你判断它是不是大于999. Sol ...
- 在JS中关于堆与栈的认识function abc(a){ a=100; } function abc2(arr){ arr[0]=0; }
平常我们的印象中堆与栈就是两种数据结构,栈就是先进后出:堆就是先进先出.下面我就常见的例子做分析: main.cpp int a = 0; 全局初始化区 char *p1; 全局未初始化区 main( ...
- Atcoder ABC 141
Atcoder ABC 141 A - Weather Prediction SB题啊,不讲. #include<iostream> #include<cstdio> #inc ...
- Atcoder ABC 139E
Atcoder ABC 139E 题意: n支球队大循环赛,每支队伍一天只能打一场,求最少几天能打完. 解法: 考虑抽象图论模型,既然一天只能打一场,那么就把每一支球队和它需要交手的球队连边. 求出拓 ...
- Atcoder ABC 139D
Atcoder ABC 139D 解法: 等差数列求和公式,记得开 $ long long $ CODE: #include<iostream> #include<cstdio> ...
- Atcoder ABC 139C
Atcoder ABC 139C 题意: 有 $ n $ 个正方形,选择一个起始位置,使得从这个位置向右的小于等于这个正方形的高度的数量最多. 解法: 简单递推. CODE: #include< ...
- Atcoder ABC 139B
Atcoder ABC 139B 题意: 一开始有1个插口,你的插排有 $ a $ 个插口,你需要 $ b $ 个插口,问你最少需要多少个插排. 解法: 暴力模拟. CODE: #include< ...
- Atcoder ABC 139A
Atcoder ABC 139A 题意: 给你两个字符串,记录对应位置字符相同的个数 $ (n=3) $ 解法: 暴力枚举. CODE: #include<iostream> #inclu ...
- atcoder abc 244
atcoder abc 244 D - swap hats 给定两个 R,G,B 的排列 进行刚好 \(10^{18}\) 次操作,每一次选择两个交换 问最后能否相同 刚好 \(10^{18}\) 次 ...
- AtCoder ABC 250 总结
AtCoder ABC 250 总结 总体 连续若干次一样的结果:30min 切前 4 题,剩下卡在 T5 这几次卡在 T5 都是一次比一次接近, 什么 dp 前缀和打挂,精度被卡,能水过的题连水法都 ...
随机推荐
- SQL与NoSQL数据库选型及实际业务场景探讨
在企业系统架构设计中,选择合适的数据库类型是一项关键决策.本文将对比SQL和NoSQL数据库的特点,分析它们在数据模型.可扩展性.一致性与事务.查询复杂性与频率,以及性能与延迟等方面的优势和劣势.同时 ...
- Cannot resolve symbol ‘c:forEach‘;Cannot resolve taglib with uri http://java.sun.com/jsp/jstl/corede
#### Cannot resolve taglib with uri http://java.sun.com/jsp/jstl/core:等类似,都是因为 在jsp页面中加入<%@ tagli ...
- 【MRCTF2020】Ezpop_Revenge——PHP原生类SSRF
[MRCTF2020]Ezpop_Revenge--PHP原生类SSRF 1. 收获 CMS初审计 google.baidu hack PHP原生类反序列化 2. 看题 2.1 读源码 网页存在源码泄 ...
- 【工具推荐】LICEcap –GIF 屏幕录制工具
介绍: LICEcap 是一款简洁易用的动画屏幕录制软件,支持导出 GIF 动画图片格式,轻量级.高质量(每帧颜色数量可超过256).使用简单,录制过程中可以随意改变录屏范围. LICEcap 非常轻 ...
- Linux配置成代理服务器
简介: 代理服务器(Proxy Server)是一种位于计算机网络中的中间服务器,它充当了客户端和目标服务器之间的中介,用于转发客户端请求并获取目标服务器的响应.代理服务器的主要功能包括以下几点: 什 ...
- Kernel Memory 入门系列: Embedding 简介
Kernel Memory 入门系列: Embedding 简介 在 RAG模式 其实留了一个问题. 我们对于的用户问题的理解和文档的检索并没有提供合适的方法. 当然我们可以通过相对比较传统的方法. ...
- Java 注解的实现原理
注解的本质 在 java.lang.annotation.Annotation 接口中有这样的描述: The common interface extended by all annotation i ...
- 获取yml自定义内容的方式
yml内容 yml: login: name: zhangsan age: 18 pass: 123456 方式一: 创建实体类 @Configuration @ConfigurationProper ...
- 记一次 MySQL timestamp 精度问题的排查 → 过程有点曲折
开心一刻 下午正准备出门,跟正刷着手机的老妈打个招呼 我:妈,今晚我跟朋友在外面吃,就不在家吃了 老妈拿着手机跟我说道:你看这叫朋友骗缅北去了,tm血都抽干了,多危险 我:那是他不行,你看要是吴京去了 ...
- 神经网络基础篇:向量化(Vectorization)
向量化 向量化是非常基础的去除代码中for循环的艺术,在深度学习安全领域.深度学习实践中,会经常发现自己训练大数据集,因为深度学习算法处理大数据集效果很棒,所以的代码运行速度非常重要,否则如果在大数据 ...