Codeforces 906 D. Power Tower

http://codeforces.com/contest/906/problem/D

 

欧拉降幂

 

#include<cstdio>
#include<iostream>

using namespace std;

int pi[35],phi[35],lim;

int a[100001];

void read(int &x)
{
    x=0; char c=getchar();
    while(!isdigit(c)) c=getchar();
    while(isdigit(c)) { x=x*10+c-'0'; c=getchar(); }
}

int get_phi(int n)
{
    int ph=n;
    for(int i=2;i*i<=n;++i)
        if(!(n%i))
        {
            ph=ph/i*(i-1);
            while(!(n%i)) n/=i;
        }
    if(n>1) ph=ph/n*(n-1);
    return ph;
}

int Pow(int a,int b,int mod,bool &flag)
{
    int res=1;
    while(b)
    {
        if(b&1) 
        {
            flag|=(1LL*res*a>=mod);
            res=1LL*res*a%mod;    
        }
        flag|=(1LL*a*a>=mod);
        a=1LL*a*a%mod;
        b>>=1;
    }
    return res;
}

int f(int x,int dep)
{
    if(dep>lim)
    {
        x-=dep-lim;
        dep=lim;
    }
    if(dep==1) return a[x]%pi[1];
    int tmp=a[x]; 
    if(tmp>=phi[dep-1]) tmp=tmp%phi[dep-1]+phi[dep-1]; 
    x--; 
    bool flag;
    for(int i=dep-1;i;--i)
    {
        flag=false;
        tmp=Pow(a[x],tmp,pi[i],flag);
        if(flag) tmp+=phi[i-1];
        x--;
    }
    return tmp;
}

int main()
{
//    freopen("data.in","r",stdin);
//    freopen("my.out","w",stdout);
    int n,mod;
    read(n); read(mod);
    for(int i=1;i<=n;++i) read(a[i]);
    int tmp=mod;
    while(pi[lim]!=1)
    {
        pi[++lim]=tmp;
        phi[lim]=get_phi(tmp);
        tmp=phi[lim];
    }
    int q;
    read(q);
    int l,r;
    while(q--)
    {
        read(l); read(r);
        printf("%d\n",f(r,r-l+1));
    }
    return 0;
}

 

转载于:https://www.cnblogs.com/TheRoadToTheGold/p/8544245.html

使用优化算法,以优化VMD算法的惩罚因子惩罚因子 (α) 和分解层数 (K)。 1、将量子粒子群优化(QPSO)算法与变分模态分解(VMD)算法结合 VMD算法背景: VMD算法是一种自适应信号分解算法,主要用于分解信号为不同频率带宽的模态。 VMD的关键参数包括: 惩罚因子 α:控制带宽的限制。 分解层数 K:决定分解出的模态数。 QPSO算法背景: 量子粒子群优化(QPSO)是一种基于粒子群优化(PSO)的一种改进算法,通过量子行为模型增强全局搜索能力。 QPSO通过粒子的量子行为使其在搜索空间中不受位置限制,从而提高算法的收敛速度与全局优化能力。 任务: 使用QPSO优化VMD中的惩罚因子 α 和分解层数 K,以获得信号分解的最佳效果。 计划: 定义适应度函数:适应度函数根据VMD分解的效果来定义,通常使用重构信号的误差(例如均方误差、交叉熵等)来衡量分解的质量。 初始化QPSO粒子:定义粒子的位置和速度,表示 α 和 K 两个参数。初始化时需要在一个合理的范围内为每个粒子分配初始位置。 执行VMD分解:对每一组 α 和 K 参数,运行VMD算法分解信号。 更新QPSO粒子:使用QPSO算法更新粒子的状态,根据适应度函数调整粒子的搜索方向和位置。 迭代求解:重复QPSO的粒子更新步骤,直到满足终止条件(如适应度函数达到设定阈值,或最大迭代次数)。 输出优化结果:最终,QPSO算法会返回一个优化的 α 和 K,从而使VMD分解效果最佳。 2、将极光粒子(PLO)算法与变分模态分解(VMD)算法结合 PLO的优点与适用性 强大的全局搜索能力:PLO通过模拟极光粒子的运动,能够更高效地探索复杂的多峰优化问题,避免陷入局部最优。 鲁棒性强:PLO在面对高维、多模态问题时有较好的适应性,因此适合海上风电时间序列这种非线性、多噪声的数据。 应用场景:PLO适合用于优化VMD参数(α 和 K),并将其用于风电时间序列的预测任务。 进一步优化的建议 a. 实现更细致的PLO更新策略,优化极光粒子的运动模型。 b. 将PLO优化后的VMD应用于真实的海上风电数据,结合LSTM或XGBoost等模型进行风电功率预测。
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