3283: 运算器

3283: 运算器

Time Limit: 20 Sec  Memory Limit: 256 MB
Submit: 340  Solved: 105
[Submit][Status][Discuss]

Description

操作有3种:
 

Input

第一行一个正整数N,描述数据组数。
接下来的N行,每行4个正整数Sum,y,z,p。
Sum表述询问类型,如上题所述。对于第2种要求,若X不存在,则输出“Math Error”
 

Output

 
要求有N行输出,每行一个整数,为询问的答案。

 

Sample Input

4
1 2 10 1000
2 3 1 1000
2 2 3 4
3 2 7 9

Sample Output

24
0
Math Error
3

HINT

 

操作1个数小于501。保证Y,Z,P小于10^9

操作2个数小于51 保证Y,Z,P小于10^9 P不一定为质数

操作3个数小于51 保证Y,Z小于10^9,P小于10^9

P不一定为质数


P<=10^9

假设分解质因数后,P=p1^s1*p2^s2*……保证pi^ki<=10^5

 

Source

操作1:快速幂
操作2:扩展BSGS
操作3:扩展lucas
 
#include<cmath>
#include<cstdio>
#include<cstring>
using namespace std;
typedef long long ll;
struct Thash{
    static const ll N=1e6+5,MOD=233333;
    ll tot,val[N],h[N],next[N],head[MOD+100];
    void clear(){tot=0;memset(head,0,sizeof head);}
    void insert(ll H,ll VAL){
        for(ll i=head[H%MOD];i;i=next[i]) if(h[i]==H){val[i]=VAL;return ;}
        h[++tot]=H;val[tot]=VAL;next[tot]=head[H%MOD];head[H%MOD]=tot;
    }
    ll get(ll H){
        for(ll i=head[H%MOD];i;i=next[i]) if(h[i]==H) return val[i];
        return -1;
    }
}M;
inline ll read(){
    ll x=0,f=1;char ch=getchar();
    while(ch<'0'||ch>'9'){if(ch=='-')f=-1;ch=getchar();}
    while(ch>='0'&&ch<='9'){x=x*10+ch-'0';ch=getchar();}
    return x*f;
}
ll fpow(ll a,ll p,ll mod){
    ll res=1;
    for(;p;p>>=1,a=a*a%mod) if(p&1) res=res*a%mod;
    return res;
}
ll gcd(ll a,ll b){
    if(!b) return a;
    return gcd(b,a%b);
}
void exgcd(ll a,ll b,ll &d,ll &x,ll &y){
    if(!b){d=a;x=1;y=0;return ;}
    exgcd(b,a%b,d,y,x);
    y-=a/b*x;
}
ll inv(ll a,ll p){
    ll d,x,y;
    exgcd(a,p,d,x,y);
    return d==1?(x%p+p)%p:-1;
}
ll BSGS(ll a,ll b,ll mod){
    M.clear();
    ll m=(ll)ceil(sqrt(mod+0.5));
    ll t=1;
    for(ll i=0;i<m;i++){
        M.insert(t,i);
        t=t*a%mod; 
    }
    ll base=inv(t,mod);
    ll res=b;
    for(ll i=0,z;i<m;i++){
        if((z=M.get(res))!=-1) return i*m+z;
        res=res*base%mod;
    }
    return -1;
}
ll solve(ll a,ll b,ll mod){
    ll A=1,D=1,cnt=0,ans;
    for(int i=0;i<=50;i++){
        if(A==b) return i;
        A=A*a%mod;
    }
    for(ll t;(t=gcd(a,mod))!=1;){
        if(b%t)return -1;
        b/=t;
        mod/=t;
        D*=a/t;D%=mod;
        cnt++;
    }
    b=b*inv(D,mod)%mod;
    ans=BSGS(a,b,mod);
    if(~ans) return ans+cnt;
    return -1;
}
ll mul(ll n,ll pi,ll pk){
    if(!n) return 1;
    ll ans=1;
    if(n/pk){
        for(ll i=2;i<=pk;i++) if(i%pi) ans=ans*i%pk;
        ans=fpow(ans,n/pk,pk);
    }
    for(ll i=2;i<=n%pk;i++) if(i%pi) ans=ans*i%pk;
    return ans*mul(n/pi,pi,pk)%pk;
}
ll C(ll n,ll m,ll pi,ll pk,ll mod){
    if(n<m) return 0;
    ll a=mul(n,pi,pk),b=mul(m,pi,pk),c=mul(n-m,pi,pk);
    ll ans,k(0);
    for(ll i=n;i;i/=pi) k+=i/pi;
    for(ll i=m;i;i/=pi) k-=i/pi;
    for(ll i=n-m;i;i/=pi) k-=i/pi;
    ans=a*inv(b,pk)%pk*inv(c,pk)%pk*fpow(pi,k,pk)%pk;
    return ans*(mod/pk)%mod*inv(mod/pk,pk)%mod;
}
void case2(ll a,ll b,ll c){
    ll ans=solve(a,b%c,c);
    if(~ans) printf("%lld\n",ans);
    else puts("Math Error");
}
void case3(ll n,ll m,ll MOD){
    ll x=MOD,ans=0;
    for(ll pk,i=2;i*i<=MOD;i++){
        if(!(x%i)){
            pk=1;
            while(!(x%i)) pk*=i,x/=i;
            ans=(ans+C(n,m,i,pk,MOD))%MOD;
        }
    }
    if(x>1) ans=(ans+C(n,m,x,x,MOD))%MOD;
    printf("%lld\n",ans);
}
int main(){
    int T=read();
    for(ll opt,y,z,p;T--;){
        opt=read();y=read();z=read();p=read();
        if(opt==1) printf("%lld\n",fpow(y,z,p));
        if(opt==2) case2(y,z,p);
        if(opt==3) case3(z,y,p);
    }
    return 0;
}

 

转载于:https://www.cnblogs.com/shenben/p/6600886.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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