O(n)递推求逆元

O(n)递推求逆元

第一种:
适用于需要一定区域内的逆元的情况

代码:

void getinv(int n)
{
    inv[1]=1; inv[0]=1;
    for(int i=2;i<n;i++)
    inv[i]=(1LL*(mod-mod/i)*inv[mod%i])%mod;    
}

证明:
a*x+b=mod
a*x%mod=(-b)%mod
-a%mod=inv[x]*b%mod
inv[x]=(-a)*inv[b]%mod;

第二种:

适用于求组合数等需要阶乘的逆元的情况:
先求出阶乘,再求出n!的逆元,倒推出 i! 的逆元。
(n要小于mod否则fac为0)

代码:

void init()
{
    fac[0]=1; inv[0]=1;
    for(int i=1;i<=n;i++)
    fac[i]=(1LL*fac[i-1]*i)%mod;
    inv[n]=modpow(fac[n],mod-2);
    for(int i=n-1;i>=1;i--)
    inv[i]=(1LL*inv[i+1]*(i+1))%mod;
}

证明:
1/i!=1/(i+1)! * (i+1)

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
动态规划是一种常用的解决问题的算法,其核心思想是将一个复杂的问题分解为多个子问题进行解,通过保存之前的状态来减少计算量,从而达到优化算法的目的。动态规划有两种解方式,一种是递推解法,另一种是记忆化搜索法。 递推解法是指从小到大依次计算子问题的解,逐步推导出整个问题的最优解。这种方法需要定义一个状态转移方程,通过状态转移方程来解问题。具体步骤如下: 1. 定义状态:将原问题拆分成若干个子问题,根据子问题定义状态。 2. 定义状态转移方程:根据子问题之间的关系,定义状态转移方程。 3. 确定边界条件:确定最小的子问题的解。 4. 递推解:根据状态转移方程从边界条件出发,逐步计算得到整个问题的解。 下面以斐波那契数列为例,介绍动态规划递推解法的具体实现过程。 假设要斐波那契数列的第n项的值,斐波那契数列的定义如下: f(0) = 0 f(1) = 1 f(n) = f(n-1) + f(n-2) (n>=2) 1. 定义状态 将原问题拆分成若干个子问题,根据子问题定义状态。对于斐波那契数列,我们可以将其拆分成n-1和n-2两个子问题,然后定义状态f(n)表示斐波那契数列的第n项的值。 2. 定义状态转移方程 根据子问题之间的关系,定义状态转移方程。对于斐波那契数列,由于f(n)依赖于f(n-1)和f(n-2),因此可以得到状态转移方程: f(n) = f(n-1) + f(n-2) 3. 确定边界条件 确定最小的子问题的解。对于斐波那契数列,边界条件为f(0)=0和f(1)=1。 4. 递推解 根据状态转移方程从边界条件出发,逐步计算得到整个问题的解。具体实现过程如下: ```python def fibonacci(n): if n == 0: return 0 elif n == 1: return 1 else: f = * (n+1) f = 0 f = 1 for i in range(2, n+1): f[i] = f[i-1] + f[i-2] return f[n] ``` 以上就是动态规划递推解法的具体实现过程。如果您有任何疑问或者其他相关问题,请随时提出。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值