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 和 ，均含 个元素，编号为 到 。数组 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 找到。
数组 中每个元素的大小为 字节，数组 中每个元素的大小为 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 和 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 的第 个元素的地址 ——（1）；
- 数组 的第 个元素的地址 ——（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 代替该元素的序号 。在计算与第 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：
；
；
因为 和 是一个整体，每当数组 中的元素被修改时， 中元素也要作相应的变动。 可以用 直接求得： ——（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： ——（4）。
其中： 和 是非负整数，<<A 表示左移 位（相当于乘以 ），>>B 表示右移 位（相当于除以 ）。
这个公式的效率显然比公式（3）高多了，不过不是总能找到 和 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 只需要 就够了。Tuple 博士发现，如果使用公式（4）的话，总能够找到一个 ，用 字节存放数组 并恰当地选择 和 ，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 最小的。如果有多组解的话，输出 最小的；如果还有多组解，输出 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。
