#2657. 数据挖掘

数据挖掘

Background

Special for beginners, ^_^

Description

Tuple博士正在为ACM(Advanced Commercial Merchandise)公司开发一个数据挖掘的软件。其中一个子程序是用来处理两个数组的,设两个数组分别为P和Q,均含N个元素,编号为0到N-1。数组P是一个带关键字的hash表,用来存放需要处理的元素,这些元素对应的数据可以通过数组Q找到。

数组P中每个元素的大小为Sp字节,数组Q中每个元素的大小为Sq字节。Tuple博士希望这个子程序的效率越高越好,因为它是整个软件的关键。但是Sp和Sq只有等到程序运行的时候才能知道,因此是不可能在编译时优化的。

我们都知道最直接的寻址方式:

·数组P的第i个元素的地址Pofs(i)=Sp×i——(1);

·数组Q的第i个元素的地址Qofs(i)=Sq×i——(2)。

但是,乘法运算要比加减法慢得多。可喜的是,Tuple博士成功地避免了使用乘法运算。在整个软件中,他总是用每个元素的地址Pofs(i)代替该元素的序号i。在计算与第i个元素相邻的元素地址时,只要用下面这两个简单的公式即可:

Pofs(i+1)=Pofs(i)+Sp;

Pofs(i-1)=Pofs(i)-Sp。

因为P和Q是一个整体,每当数组P中的元素被修改时,Q中元素也要作相应的变动。Qofs(i)可以用Pofs(i)直接求得:Qofs(i)=Pofs(i)/Sp×Sq——(3)。

然而这个公式不仅要用到乘法,而且要用到除法。虽然仅仅是整数除法,但是速度还是很慢。经过研究,Tuple博士发现可以用一个更快的公式代替上述公式:Qofs'(i)=(Pofs(i)+Pofs(i)<<A)>>B——(4)。

其中:A和B是非负整数,“<<A”表示左移A位(相当于乘以2^A),“>>B”表示右移B位(相当于除以2^B)。

这个公式的效率显然比公式(3)高多了,不过不是总能找到A和B使之能和公式(3)产生一样的结果的。而且,这个公式可能会牺牲更多的内存。

如果使用公式(2)的话,存放数组Q只需要N×Sq就够了。Tuple博士发现,如果使用公式(4)的话,总能够找到一个K(K>=N×Sq),用K字节存放数组Q并恰当地选择A和B,使得所有的元素都不重叠。

任务:请你编写一个程序,找到所有可行的解当中K最小的。如果有多组解的话,输出A最小的;如果还有多组解,输出B最小的。公式的运算过程中可能出现非常大的整数,请你注意不要溢出,不过你不用担心Tuple博士的电脑会溢出。

Format

Input

输入文件中仅一行为三个整数N,Sp,Sq(1<=N<=2^20,1<=Sp<=2^10,1<=Sq<=2^10)。

Output

输出文件中仅一行为三个整数K,A,B,相邻两个整数之间用一个空格隔开。

Samples

20 3 5
119 0 0

Limitation

1s, 1024KiB for each test case.