NYOJ 301 递推求值

第一次写博客,拿个矩阵快速幂练练手吧。

首先什么是快速幂,快速幂是让复杂度由线性降为log n的算法,比如8^1024次方暴力要算1024次,但是矩阵快速幂只算10次就好。

此题只不过是把快速幂的底数变为一个矩阵,矩阵乘法手写,然后计算矩阵的n次方的时候使用快速幂。

此题和矩阵n次方有什么关系?

我们先来构造如下矩阵A:

f2  0   0
f1  0   0
1   0   0
和另一个为矩阵B:
b   a   c
1   0   0
0   0   1

矩阵A每乘一次矩阵B,新矩阵第一个值便是递推公式的下一个值。

n的值为10^9,如果乘10^9个矩阵B必然会超时,所以使用快速幂,在中取模就好了(过程取模对乘法来说对结果无影响)。

理论上快速幂使用的时候最大的n能到2^(10^8)这么多。

代码如下:

 1 #include<iostream>
 2 #include<stdio.h>  
 3 #include<string.h>  
 4 using namespace std;
 5 #define mod 1000007  
 6 #define ll long long
 7 
 8 struct matri  
 9 {  
10     ll mat[3][3];  
11 } one= {1,0,0,0,1,0,0,0,1};  
12 
13 matri mul(matri a, matri b) 
14 {  
15     matri res;  
16     for(int i=0;i<3;i++)  
17         for(int j=0;j<3;j++)  
18         {  
19             res.mat[i][j] = 0;  
20             for(int k=0;k<3;k++)  
21             {  
22                 res.mat[i][j] += a.mat[i][k] * b.mat[k][j];  
23                 res.mat[i][j] %= mod;  
24             }  
25         }  
26     return res;  
27 }  
28   
29 matri pow(matri a, ll n)
30 {  
31     matri res = one;  
32     while(n != 0)  
33     {  
34         if(n & 1)  
35             res = mul(res, a);  
36         a = mul(a, a);  
37         n >>= 1;  
38     }  
39     return res;  
40 }  
41   
42 int main()  
43 {  
44     ll n,f1,f2,a,b,c,T;  
45     matri tmp,arr;  
46     scanf("%lld",&T);  
47     while(T--)  
48     {  
49         scanf("%lld%lld%lld%lld%lld%lld",&f1,&f2,&a,&b,&c,&n);  
50         if(n==0)  
51             printf("%lld\n",(f2-f1*b-c+mod)%mod);  
52         if(n==1)  
53             printf("%lld\n",(f1+mod)%mod);  
54         else if(n==2)  
55             printf("%lld\n",(f2+mod)%mod);  
56         else  
57         {  
58             memset(arr.mat, 0, sizeof(arr.mat));  
59             arr.mat[0][0] = f2;arr.mat[1][0] = f1; arr.mat[2][0] = 1;  
60             tmp.mat[0][0] = b; tmp.mat[0][1] = a;  tmp.mat[0][2] = c;  
61             tmp.mat[1][0] = tmp.mat[2][2] = 1;  
62             tmp.mat[1][1] = tmp.mat[1][2] = tmp.mat[2][0] = tmp.mat[2][1] = 0;  
63             matri p = pow(tmp, n-2);  
64             p = mul(p, arr);  
65             ll ans = (p.mat[0][0] + mod) % mod;  
66             printf("%lld\n",ans);  
67         }  
68     }  
69     return 0;  
70 }  

 

转载于:https://www.cnblogs.com/fantastic123/p/8923821.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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