洛谷——P1516 青蛙的约会

P1516 青蛙的约会

 

题目描述

两只青蛙在网上相识了,它们聊得很开心,于是觉得很有必要见一面。它们很高兴地发现它们住在同一条纬度线上,于是它们约定各自朝西跳,直到碰面为止。可是它们出发之前忘记了一件很重要的事情,既没有问清楚对方的特征,也没有约定见面的具体位置。不过青蛙们都是很乐观的,它们觉得只要一直朝着某个方向跳下去,总能碰到对方的。但是除非这两只青蛙在同一时间跳到同一点上,不然是永远都不可能碰面的。为了帮助这两只乐观的青蛙,你被要求写一个程序来判断这两只青蛙是否能够碰面,会在什么时候碰面。

我们把这两只青蛙分别叫做青蛙A和青蛙B,并且规定纬度线上东经0度处为原点,由东往西为正方向,单位长度1米,这样我们就得到了一条首尾相接的数轴。设青蛙A的出发点坐标是x,青蛙B的出发点坐标是y。青蛙A一次能跳m米,青蛙B一次能跳n米,两只青蛙跳一次所花费的时间相同。纬度线总长L米。现在要你求出它们跳了几次以后才会碰面。

 

输入格式:

输入只包括一行5个整数x,y,m,n,L

 

 

通过题目可以很容易的看出一个方程

$x+km≡y+kn (mod L)$

相当于$x-y+k(m-n)≡0(mod L)$

也就是说$x-y+k(m-n)=pL$

移项得$k(m-n)-pL=y-x$

相当于$k(n-m)+pL=x-y$

 

观察一下,这个式子是不是和$ax+by=gcd(a,b)$相类似

对,其实这就是扩展gcd,对于任何这样的式子来求解$x,y$的值,

对于式子解的有无,条件是$ax+by=W$中$W$可以整除$gcd(a,b)$

对于这个式子解的通项为

 

有点儿=_=,既然这样,那么最小解是什么?,转大佬博客%%%Flashhu%%%

 

前置条件:求解$ax+by=c$的一个解,$c$不一定等于$gcd(a,b)$

设$g=gcd(a,b)$,我们利用$exgcd$可以求出$ax_0+by_0=g$其中一个解$x_0$

因为$\frac{ax+by}{g}$是整数,所以$\frac{c}{g}$也必须是一个整数,否则无解。

然后这个式子两边同乘$\frac{c}{g}$,得$a\frac{cx_0}{g}+b\frac{cy_0}{g}=c$

那么,$x=\frac{cx_0}{g}$就是$ax+by=c$中$x$的一个解

 

由一解推多解,有一恒等式$a(x+db)+b(y-da)=c$

在保证$db$,$da$都是整数的情况下,我们让$d$最小,就可以得到所有的整数解,那么$d=\frac{1}{g}$

那么最小非负整数解极为$x+\frac{b}{g}\%\frac{b}{g}$

 

 

由于$gcd$只对非负整数有意义,如果$a<0$,等式两边要同时取反,$b$本来就是正数,不能变也不用变

 

#include<bits/stdc++.h>

#define LL long long 
using namespace std;

inline LL exgcd(LL a,LL b,LL &x,LL &y){
    if(!b){
        x=1;y=0;
        return a;
    }
    LL an=exgcd(b,a%b,x,y);
    LL tmp=x;x=y;y=tmp-a/b*y;
    return an;
}

LL n,m,x,y,L;

int main()
{
    scanf("%lld%lld%lld%lld%lld",&x,&y,&m,&n,&L);
    LL xx,yy;
    LL gc,A=(n-m),g=(x-y);
    if(A<0) A=-A,g=-g;
    gc=exgcd(A,L,xx,yy);
    if(g%gc!=0) printf("Impossible");
    else {
        printf("%lld",(xx*(g/gc)%(L/gc)+L/gc)%(L/gc));
    }
    return 0;
}

 

转载于:https://www.cnblogs.com/song-/p/9740892.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
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