給定正整數 N, M,將 N 分解爲若干個正整數 A1, A2, ..., Ak,使得:
- 0 < A1 < A2 < ... < Ak
- A1 + A2 + ... + Ak = N
- A1 * A2 * ... * Ak MOD M = 0
求一共有多少種不同的分解方案。
算法分析
暴力的求解方法由於本題給定的 N, M 均很小,因此我們先考慮如何暴力求解,直接用遞歸來對答案進行搜索:
DFS(N,M,Last,Sum,Mul)
If (Sum == N)
If (Mul MOD M == 0) Then
Return 1
Else
Return 0
End
Else
Cnt = 0
For i = Last + 1 .. N - Sum // A_i > A_i-1
Cnt = Cnt + DFS(N, M, i, Sum + i, Mul * i)
End For
Return Cnt
End If
Sum
表示已經分解出的數之和,Mul
表示已經分解出的數之積,Last
表示最後一個分解出的數的值。
由於本題的數據範圍爲 N ≤ 100, 而 1 + 2 + .. + 14 > 100,最大迭代層數爲14,所以暴力搜索的方法也能夠通過。
然而本題還有一個非常巧妙的定理,讓我們一起來探究一下吧。
在上面的算法中,我們總是在已經枚舉出整個方案後,再對Mul
是否能夠整除 M 進行判定。那麼是否能夠在計算的過程中就進行判定呢?
假如Mul
能夠整除 M,則有 gcd(Mul,
M) = M
(gcd(A,B)
表示 A,B 的最大公約數)。
在不斷迭代的過程中,gcd(Mul, M)
會怎樣變化呢?
假設某一時刻gcd(Mul, M)
= K,則有Mul
=
_P * K_, _M = Q * K_,其中 P 與 Q 互質。
當我們新分解出一個數 L ,有:
gcd(Mul*L, M)
= gcd(P
* K * L, Q * K)
= K * gcd(P * L, Q)
≥ K
由於 P 與 Q 互質,所以我們可以得到gcd(P
* L, Q)
= gcd(L, Q)
。
因此有
gcd(Mul*L, M)
= K
* gcd(P * L, Q)
= K * gcd(L, Q)
= gcd(K
* L, K * Q)
= gcd(K * L, M)
可以證明在迭代過程中gcd(Mul, M)
是遞增的,並且我們可以根據gcd(Mul,M)
能夠計算出gcd(Mul*L,M)
。所以我們不再需要保存Mul
,只需要記錄gcd(Mul,
M)
即可。
因此我們將DFS可以改進爲:
DFS(N,M,Last,Sum,Gcd)
If (Sum == N)
If (Gcd == M) Then
Return 1
Else
Return 0
End
Else
Cnt = 0
For i = Last + 1 .. N - Sum
Cnt = Cnt + DFS(N, M, i, Sum + i, gcd(Gcd * i, M))
End For
Return Cnt
End If
Gcd
表示當前分解數之積與 M 的最大公約數,gcd(A,B)
爲求解 A,B 最大公約數的函數。
這樣的改進並不能減少我們的時間複雜度,但是我們可以發現相對於DFS(N,M,Last,Sum,Mul)
,DFS(N,M,Last,Sum,Gcd)
中會出現的重複狀態變多了。
在DFS(N,M,Last,Sum,Mul)
和DFS(N,M,Last,Sum,Gcd)
中,Last
和Sum
的值都在
0 .. N 範圍內,而Mul
的範圍很大,Gcd
的範圍只在
0 .. M。
所以我們可以使用記憶化搜索來進行優化,減少重複的計算:
DFS(N,M,Last,Sum,Gcd)
If (f[Sum][Last][Gcd] == -1) Then
If (Sum == N)
If (Gcd == M) Then
f[Sum][Last][Gcd] = 1
Else
f[Sum][Last][Gcd] = 0
End
Else
Cnt = 0
For i = Last + 1 .. N - Sum
Cnt = Cnt + DFS(N, M, i, Sum + i, gcd(Gcd * i, M))
End For
f[Sum][Last][Gcd] = Cnt
End If
End If
Return f[Sum][Last][Gcd]
f[Sum][Last][Gcd]
初始化全爲-1。
此外在計算過程中,我們總是要計算gcd(Gcd * l, M)
,而Gcd
* l
的範圍在 0 .. 5000,因此我們可以用一個數組gcd[i]
預處理出所有的gcd(i,M)
。
由於f的每一個狀態只會計算一次,因此總的時間複雜度爲_O(N^3*M)_,也就能夠通過所有的數據。
記憶化搜索在很多時候是可以轉變爲動態規劃的,這道題也不例外。
根據上面記憶化搜索的程序,我們可以得到一個動態規劃的解法:
f[Sum + i][i][ gcd(Gcd * i, M) ] = f[Sum + i][i][ gcd(Gcd * i, M) ] + f[Sum][Last][Gcd];
在已經知道f[Sum][Last][Gcd]
方案數的情況下,我們枚舉下一個數i
來進行遞推。
初始化f數組爲0,則可以得到其解法代碼爲:
f[0][0][1] = 1;
for (i = 0; i < N; i++)
for (j = 0; j < N; j++)
for (k = 1; k <= M; k++)
if (f[i][j][k] > 0)
for (l = j + 1; l <= N - i; l++)
f[i + l][l][gcd[l * k]] = (f[i + l][l][gcd[l * k]] + f[i][j][k]) % 1000000007;
k = 0;
for (i = 1; i <= N; i++)
k = (k + f[N][i][M]) % 1000000007;
本題主要的難點在於對於Gcd(Mul, M)
的推導,然而出題人給出的數據範圍太小,而使得不使用這一性質也能通過該題。
若將題目中條件從 0 < A1 < A2 < ... < Ak 改爲 0 < A1 ≤ A2 ≤ ... ≤ Ak,此題的難度會提升很多,有興趣的讀者可以試一試求解。