快速幂运算
快速幂运算算法——反复平方法
算出数 x 的 n 次方的值。
普通求n次方的算法为o(n) 效率较低。
下面来考虑加速幂运算的方法,如果 n = 2^k,可以将其表示为:
xn = ((x2 )2 )…
只需要k次平方运算即可轻松求得。由此我们可以联想到,先将n表示为2的幂的和。
n = 2k1+ 2k2 + 2k3 + …
就有
xn = x2k1 + x2k2 + x2k3+ …
只要在依次求 x2i 的同时进行计算就可以了,最终得到了o(logn)的计算幂运算的算法。
举个例子 求x22
x22=x16 * x4 * x2
22转化为2进制是10110
下面给出快速幂+求模运算的模板代码,若无取模运算,则去掉mod运算即可:
//求x的n次方对mod取模后的值
ll mod_pow(ll x, ll n, ll mod) {
ll res = 1;
while (n > 0) {
if (n & 1) res = res*x%mod;
x = x*x%mod;
n >>= 1;
}
return res;
}
例题:
POJ 3641 Pseudoprime numbers 快速幂+判断素数 快速幂模板
POJ 1995 Raising Modulo Numbers 快速幂模板题
矩阵快速幂
矩阵快速幂和上面提到的快速幂运算没有太多的差别,就是普通快速幂中的x变成了一个矩阵。
矩阵快速幂的核心是将递推式表示成矩阵相乘的形式。
模板代码:
//用二维vector来表示矩阵
typedef long long ll;
typedef vector<ll> vec;
typedef vector<vec> mat;
//计算矩阵相乘
mat mul(mat a, mat b) {
mat c(a.size(), vec(b[0].size()));//这一步已经包含了将矩阵c全部初始化为0
for (int i = 0; i < a.size(); i++) {
for (int k = 0; k < b.size(); k++) {
for (int j = 0; j < b[0].size(); j++) {
c[i][j] = (c[i][j] + a[i][k] * b[k][j]) % M;
}
}
}
return c;
}
//计算A^n
mat pow(mat a, ll n) {
mat b(a.size(), vec(a[0].size()));
for (int i = 0; i < a.size(); i++) {
b[i][i] = 1;
}
while (n > 0) {
if (n & 1)b = mul(b, a);
a = mul(a, a);
n >>= 1;
}
return b;
}
例题:
POJ 3233 Matrix Power Series 矩阵快速幂
牛客网 又见斐波那契 矩阵快速幂
POJ 3734 Blocks 矩阵快速幂