[学习笔记]Min-25筛

 

%%yyb

 

%%zsy

 

一、

基本操作:
筛1~N中的素数个数。n=1e9

设F(M,j)表示,2~M的所有数中,满足以下条件之一的数的个数:
①x是质数
②x最小质因子大于(注意是大于没有等号)$P_j$(第j个质数)

 

转移方程:
$F(M,j)=F(M,j-1)-(F([M/{P_j}],j-1)-(j-1))$
理解的话,考虑埃氏筛的做法(这里从${P_j}^2$开始筛)
统计这一次被删掉的数的个数也即形如:$x=P_j*some P_{j+x} (x>=0 \&\&some P_{j+x}<=[M/P_j])$
其实就是M以内,最小质因子为$P_j$的数的个数(除了$P_j$自己)

可以发现,每一个这样的$someP_{j+x}$都在后面枚举到并且减去了

由于是从$P_j^2$开始筛,所以类似$P_j*P_{j-1}$的之前已经被减掉了,不包含在$F(M,j-1)$里。

所以再加上$(j-1)$

 

具体方法的话:

其实最后一个j,满足$P_j^2<=N\&\&P_{j+1}^2>N$

先要找到这个j,也就是筛出来小于$[\sqrt N]$的所有质数
以大于根号n下取整的质数作为最小质因子的数,要不然本身就是质数,要不然一定就大于N了。

设这个j为cnt

由于最终的答案是:$F(N,cnt)$
所以涉及一切所谓$M/P_j$的,其实都是一些$N/x(2<=x<=N)$只有根号种

把所有这根号n个数都先找出来,放在第一维的位置,设上界为lim,val[lim]=N
cnt作为第二维j的上限

然后外层枚举j,内层枚举i
这样用数组$f[M]$一维直接代表$f[M][j]$(类似0/1背包那种)

 

大概代码长这样:

for(j=1->cnt)
for(i=lim->0){
​ f[i]=f[i]-(f[i/p[j]]-(j-1))
}

一个剪枝是,如果
存在$P_j^2>M$那么其实$F[M][j]=F[M][j-1]$(你用$P_j$不会多干掉任何一个数)

由于是一维数组,所以不用管相当于直接继承。

所以可以加这个剪枝:

for(j=1->cnt)
for(i=lim->0){
​ if(i/p[j]<p[j]) break; //后面i更小,一定都不行了
​ f[i]=f[i]-(f[i/p[j]]-(j-1));
}

传说复杂度$O(N^{\frac{3}{4}})$

 

二、

一个进阶的计算需求是:

求$\sum_{i=1}^n i^k*[i\space is\space prime]$

其实刚才求的是k=0的特殊情况
公式:$F(M,j)=F(M,j-1)-P_j^k(F([M/{P_j}],j-1)-\sum_{i=1}^{j-1}P_i^k)$
其实这里意义变了一下,对应:

$F(M,j)$表示,1到M中的满足以下条件的所有数的k次方和:
①x是质数
②x最小质因子大于(注意是大于没有等号)$P_j$(第j个质数)

就是多了一个权值

后面的$\sum_{i=1}^{j-1}P_i^k$可以预处理

 

三、

Min_25筛能干的是当然不止这个

实际上爆踩杜教筛,可以筛符合以下条件的一切积性函数:
①f(p)=关于p的低次多项式
②f(p^c)可以快速算出

 

例如:求:

$\sum_{i=1}^N \phi (i)$

类比,设:$G(M,j)$表示2~M满足x的最小质因子>=$P_j$的数的$phi(x)$的和。
考虑枚举最小质因子$P_t$以及它的次数e那么有:

$G(M,j)=\sum_{t=j}^{cnt} \sum_{e=1}^{p_t^{e+1}<=M} [\phi(p_t^e)*G([M/(p_t^e)],t+1)+\phi(p_t^{(e+1)})]$
​ $+(F(M)-(F(p_{j-1})))$

第一部分枚举每个除了质数自己的最小质因子>=$P_j$的数。能乘G的原因是积性函数
第二部分枚举每个质数的$\phi$之和。
(这里F(M)表示,小于等于M的质数的phi之和。可以用$\sum_{i=1}^n i^1*[i\space is\space prime]-\sum_{i=1}^n i^0*[i\space is\space prime]$

也就是$\phi(p)=p-1$

答案是$G(N,1)+F(1)$

 


具体实现。。。。见下面例题

对于一般的函数,把所有的$\phi$换成$F$即可。当然F要满足开头的两个性质

然后大功告成!!!

 

 

例题:简单的函数——Min_25筛

DIVCNT2&&3 - Counting Divisors

 

 

对比杜教筛

优势:理论计算快,实际计算效果很好,n<=1e9时候优势很大

几乎适用各种积性函数。不需要构造卷积形式

空间优秀!O(n^0.5)

劣势:多组数据没有记忆化,就没什么优势了。必须是积性函数。(杜教筛如果能构造卷积,不是积性函数也可以的)

稍微难写一些。

posted @ 2019-01-12 17:47  *Miracle*  阅读(683)  评论(0编辑  收藏  举报