跳转至

数论分块

数论分块可以快速计算一些形如

∑i=1nf(i)g(⌊ni⌋)

的和式.如果可以在 O(1) 时间内计算出 ∑i=lrf(i) 或已经预处理出 f 的前缀和时,数论分块就可以在 O(n) 时间内计算出上述和式的值.

数论分块常与 莫比乌斯反演 等技巧结合使用.

思路

首先,本文通过一个简单的例子来说明数论分块的思路.假设要计算如图所示的双曲线下的整点个数:

双曲线下整点

这相当于在计算和式:

∑i=111⌊11i⌋.

这是前文所示和式在 f(k)=1, g(k)=k 时的特殊情况.

最简单的做法当然是逐列计算然后求和,但是这样需要计算第 i=1,2,⋯,11 列中每列整点的个数.观察图示可以发现,这些整点列的可以分成 5 块,每块内点列的高度是一致的,形成一个矩形点阵.所以,只要能够知道这些块的宽度,就能够通过计算这些矩形块的大小快速完成统计.

这就是整除分块的基本思路.

性质

本节讨论关于双曲线 y=nx 下整点分块的若干结论.具体地,需要将 1∼n 之间的整数按照 ⌊ni⌋ 的取值分为若干块.设

D(n)={⌊ni⌋:1≤i≤n, i∈N+}.

这就是 ⌊ni⌋ 所有可能的取值集合.

首先,这样的不同取值只有 O(n) 个.所以,数论分块得到的块的数目只有 O(n) 个.

性质 1

|D(n)|≤2n.

证明

分两种情况讨论:

  • 当 i≤n 时,i 的取值至多 n 个,所以 ⌊ni⌋ 的取值也至多只有 n 个.
  • 当 i>n 时,⌊ni⌋≤ni<n 也至多只有 n 个取值.

因此,所有可能取值的总数 |D(n)|≤2n.

通过更细致的分析,实际上可以精确地描述集合 D(n) 及其大小.

性质 2

设 s=⌊n⌋.集合 D(n) 中的元素从小到大依次是

1<2<⋯<s−1<s≤⌊ns⌋<⌊ns−1⌋<⋯<⌊n2⌋<⌊n1⌋=n.

进而,|D(n)|=⌊4n+1⌋−1.

证明

首先,对于 1≤i≤s,可以证明 ⌊n⌊n/i⌋⌋=i.令 d=⌊ni⌋,需要证明 ⌊nd⌋=i.写成不等式,这相当于已知 d≤ni<d+1,需要证明 i≤nd<i+1.已知条件可以写作 i≤nd<i+id,因此,只需要证明 id≤1,亦即 i≤d=⌊ni⌋.这等价于 i≤ni,这对于所有 1≤i≤s≤n 都成立.

这一结果实际上说明,映射 i↦⌊ni⌋ 构成集合 {i:1≤i≤s} 和集合 {⌊ni⌋:1≤i≤s} 之间的双射.由于 i 各不相同,⌊ni⌋ 也各不相同.两个集合唯一有可能相同的元素就是 s 与 ⌊ns⌋.所以,|D(n)|=2s−[s=⌊n/s⌋].

要得到 |D(n)| 最终的表达式,需要考察何时 s=⌊ns⌋ 成立.

  • 当 s=⌊ns⌋ 时,总有 s≤ns<s+1,亦即 s2≤n<s2+s.此时,有 4s2+1≤4n+1<4s2+4s+1=(2s+1)2.又因为 4n+1 一定是奇数,左侧可以等价地松弛到 4s2,所以该条件就等价于 2s≤4n+1<2s+1,亦即 ⌊4n+1⌋=2s.
  • 当 s<⌊ns⌋ 时,总有 s+1≤ns,亦即 s2+s≤n.又因为 n<(s+1)2,就有 s2+s≤n<(s+1)2.这就等价于 (2s+1)2≤4n+1<4(s+1)2+1.再次利用 4n+1 是奇数这一点,右侧可以等价地收紧到 4(s+1)2,所以该条件就等价于 2s+1≤4n+1<2s+2,亦即 ⌊4n+1⌋=2s+1.

总结这两种情形,就得到 |D(n)|=⌊4n+1⌋−1 成立.

然后,单个块的左右端点都很容易确定.

性质 3

对于 d∈D(n),所有满足 ⌊ni⌋=d 的整数 i 的取值范围为

⌊nd+1⌋+1≤i≤⌊nd⌋.
证明

因为 ⌊ni⌋=d 相当于不等式

d≤ni<d+1.

这进一步等价于

nd+1<i≤nd.

利用 i∈N+ 这一点,可以对该不等式取整,它就等价于

⌊nd+1⌋+1≤i≤⌊nd⌋.

这一性质还体现了图像的对称性:每个块的右端点(前文图中的绿点)的集合恰为 D(n).这很容易理解,因为整个图像关于直线 y=x 是对称的.

除了这些性质外,集合 D(n) 还具有良好的递归性质:

性质 4

对于 m∈D(n),有 D(m)⊆D(n).

证明

设 m=⌊nk⌋,那么,因为对于所有 i∈N+,都有

⌊mi⌋=⌊⌊n/k⌋i⌋=⌊nki⌋∈D(n),

所以,D(m)⊆D(n).其中,第二个等号用到了 取整函数 关于嵌套分式的性质.

前文已经提到,D(n) 既是每块中 ⌊ni⌋ 的取值集合,也是每块的右端点集合.这意味着,如果要递归地应用数论分块(即函数在 n 处的值依赖于它在 m∈D(n)∖{n} 处的值),那么在整个计算过程中所涉及的取值集合和右端点集合,其实都是 D(n).一个典型的例子是 杜教筛.

过程

利用上一节叙述的结论,就得到数论分块的具体过程.

为计算和式

∑i=1nf(i)g(⌊ni⌋)

的取值,可以依据 ⌊ni⌋ 的取值将标号 i=1,2,⋯,n 分块.因为 ⌊ni⌋ 取值相同的标号是一段连续整数 [l,r],所以该块中和式的取值为

(∑i=lrf(i))⋅g(⌊nl⌋).

为了快速计算该和式,通常需要能够快速计算左侧关于 f 的和式.有些时候,该和式的表达式是已知的,可以在 O(1) 时间内完成单次计算;有些时候,可以预处理出它的前缀和,仍然可以在 O(1) 时间内完成单次查询.

在顺次计算每块左右端点时,当前块的左端点 l 就等于前一块的右端点再加 1,而当前块的右端点就等于 ⌊n⌊n/l⌋⌋.由此,可以得到如下伪代码:

Algorithm Sum(f,g,n):Input. n, s(k)=∑i=1kf(k), g(k).Output. S(n)=∑i=1nf(i)g(⌊n/i⌋).Method.1l←12result←03while l≤n do4r←⌊n⌊n/l⌋⌋5result←result+(s(r)−s(l−1))⋅g(⌊nl⌋)6l←r+17end while8return result

假设单次计算 s(⋅) 的时间复杂度为 O(1),则整个过程的时间复杂度为 O(n).

扩展

前文讨论的是数论分块的最常见也最基本的形式.本节进一步讨论数论分块的扩展形式.

向上取整的数论分块

数论分块可以用于计算含有向上取整的和式:

∑i=1nf(i)g(⌈ni⌉).

因为 ⌈ni⌉=⌊n−1i⌋+1,该和式可以转化为向下取整的情形:

f(n)g(1)+∑i=1n−1f(i)g(⌊n−1i⌋+1).

注意到求和的上限发生了变化,以及 i=n 时单独的一项.

多维数论分块

数论分块还可以用于处理包含不只有一个取整式的和式:

∑i=1nf(i)g(⌊n1i⌋,⌊n2i⌋,⋯,⌊nmi⌋).

为了应用数论分块的思想,需要保证每块中所有取整式 ⌊n1i⌋,⌊n2i⌋,⋯,⌊nmi⌋ 的取值都不发生变化,也就是说,多维的块应当是所有一维的块的交集.为此,对于已知的左端点 l,相应的右端点为

min{⌊n1⌊n1/l⌋⌋,⌊n2⌊n2/l⌋⌋,⋯,⌊nm⌊nm/l⌋⌋}.

也就是说,对于所有一维分块的右端点取最小值,作为多维分块的右端点.可以借助下图理解:

多维数论分块图解

较为常见的是二维形式,此时可将前述伪代码中 r←⌊n⌊n/l⌋⌋ 替换成

r←min{⌊n1⌊n1/l⌋⌋,⌊n2⌊n2/l⌋⌋}.

任意指数数论分块

数论分块可以用于含有任意指数的取整式的和式计算:

∑i=1⌊nα/β⌋f(i)g(⌊nαiβ⌋).

其中,α,β 为正实数.本文讨论的基本形式中,α=β=1.

性质

对于正整数 n 和正实数 α,β,设

D(n,α,β)={⌊nαiβ⌋:i=1,2,⋯,⌊nα/β⌋}.

那么,有

  1. |D(n,α,β)|≤2nα/(1+β).
  2. 对于 d∈D(n,α,β),使得 ⌊nαiβ⌋=d 成立的 i 的取值范围为

    ⌊nα/β(d+1)1/β⌋+1≤i≤⌊nα/βd1/β⌋.
证明

对于第一点,分两种情况:

  • 当 i≤nαiβ 时,有 i≤nα/(1+β),所以 ⌊nαiβ⌋ 至多有 nα/(1+β) 种取值.
  • 当 i>nαiβ 时,有 i>nα/(1+β),进而有 nαiβ<nα/(1+β),所以 ⌊nαiβ⌋ 也至多只有 nα/(1+β) 种取值.

综合两种情形,就有 |D(n,α,β)|≤2nα/(1+β).

对于第二点,⌊nαiβ⌋=d 就等价于

d≤nαiβ<d+1⟺nα/β(d+1)1/β<i≤nα/βd1/β.

对该不等式取整,就得到第二个命题.

利用这些性质,就可以在 O(nα/(1+β)) 的时间复杂度下实现对任意指数的数论分块.

例子

例如,对于 α=β=1/2 时的如下和式

∑i=1nf(i)g(⌊ni⌋),

可以通过数论分块在 O(n1/3) 时间内解决.已知块的左端点为 l 时,可以计算右端点为 r=⌊n⌊n/l⌋2⌋.

例题

UVa11526 H(n)

T 组数据,每组一个整数 n.对于每组数据,输出 ∑i=1n⌊ni⌋.

解答

根据前文分析,可以对于每一块相同的 ⌊ni⌋ 一起计算.时间复杂度为 O(Tn).

实现
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
#include <iostream>

long long H(int n) {
  long long res = 0;  // 储存结果
  int l = 1, r;       // 块左端点与右端点
  while (l <= n) {
    r = n / (n / l);  // 计算当前块的右端点
    // 累加这一块的贡献到结果中。乘上 1LL 防止溢出
    res += 1LL * (r - l + 1) * (n / l);
    l = r + 1;  // 左端点移到下一块
  }
  return res;
}

int main() {
  std::ios::sync_with_stdio(false);
  std::cin.tie(nullptr);
  int t, n;
  std::cin >> t;
  while (t--) {
    std::cin >> n;
    std::cout << H(n) << '\n';
  }
  return 0;
}
Codeforces 1954E Chain Reaction

有一排 n 只怪兽,每只怪兽初始血量为 ai.一次攻击会使一段连续的存活的怪兽血量减 k,血量不大于 0 视作死亡.对于所有 k 求出击杀所有怪兽所需攻击次数.其中,n,ai≤105.

解答

令 a0=0.假设击杀所有前 (i−1) 只怪兽需要 T(k,i−1) 次攻击,第 i 只怪兽的血量为 ai.由于击杀第 (i−1) 只怪兽时,需要攻击它 ⌈ai−1/k⌉ 次,这些攻击都可以延伸到第 i 只怪兽.因此,要击杀第 i 只怪兽,只需要再攻击 max{0,⌈ai/k⌉−⌈ai−1/k⌉} 次.由此,总的攻击次数为

T(k,n)=∑i=1nmax(0,⌈aik⌉−⌈ai−1k⌉).

由于题目涉及的 n,k 都比较大,对每个 k 分别计算该和式并不可行.可以考虑对每个 i=1,2,⋯,n,都维护数列 {T(k,i)}k.初始时,设 T(k,0)≡0.假设数列 {T(k,i−1)}k 已知,考虑如何对它进行修改才能得到数列 {T(k,i)}k.根据前文分析,只需要对数列的第 k 项增加 max(0,⌈aik⌉−⌈ai−1k⌉) 即可.利用二维数论分块,可以将这一修改操作拆分成 O(ai−1+ai) 段区间修改操作,且每段区间上增加的值是固定的.最后得到的数列 {T(k,n)}k 就是答案.

由于题目涉及一系列区间加操作,且查询只发生所有修改完成后.所以,可以通过维护差分序列进行区间加修改,最后通过求前缀和得到所求数列.总的时间复杂度为 O(∑ai).本题也存在其他解法.

实现
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
#include <algorithm>
#include <iostream>

constexpr int N = 100009;
int n, a[N], maxn;
long long ans[N];

int main() {
  std::ios::sync_with_stdio(false);
  std::cin.tie(nullptr);
  std::cin >> n;
  for (int i = 1; i <= n; ++i) {
    std::cin >> a[i];
    maxn = std::max(maxn, a[i]);
  }
  for (int i = 0; i < n; ++i)
    for (int l = 1, r;; l = r + 1) {
      r = std::min(l < a[i] ? (a[i] - 1) / ((a[i] - 1) / l) : N,
                   l < a[i + 1] ? (a[i + 1] - 1) / ((a[i + 1] - 1) / l)
                                : N);  // 二维数论分块
      if (r == N) break;
      int x = (a[i + 1] - 1) / l - std::max(a[i] - 1, 0) / l;
      if (x > 0) ans[l] += x, ans[r + 1] -= x;  // 累加贡献
    }
  ++ans[0];  // ⌈a/l⌉=(a-1)/l+1的式子当a=0时不成立,需要修正
  for (int i = 1; i <= maxn; ++i)
    std::cout << (ans[i] += ans[i - 1]) << " \n"[i == maxn];
  return 0;
}

习题

参考资料与注释