- 求一个数的n次方,如果是累计遍历,那么就是线性级别的复杂度,在这个过程实际上我们做了很多重复运算,比如求3^6 我们完全可以先求出来3^3 ,然后再对 3^3 平方得出解,这样我们就可以通过二分分治的方法将复杂度降到 log n。
- 对于一个矩阵的n次幂同样如此,通过分治的方法,减少运算量。
- 如果采用二分分治的方法,那么这是一个递归的方法,我们考虑能不能转化为非递归做法,这里用到了一些技巧,如下:
计算x的y次幂
typedef unsigned long long int lint;
lint f(int x ,int y){
lint ans = 1;
while(y>0){
if(y&1==1) ans *= x;
x = x*x;
y = y>>1;
}
return ans;
}
- 实际上是巧妙地运用了指数幂的二进制信息,怎么理解呢?比如幂是10,那么它的二进制表达就是1010,我们只在意1 的位置, 1010 = 1000+10,所以 x^(1010) = x^1000 乘 x^10
- 计算矩阵的n次幂与之类似
typedef vector<int> vec;
typedef vector<vec> matrix;
matrix g(matrix x, int y){
matrix ans = Identify_matrix(x.size());// 产生一个单位矩阵
while(y>0){
if(y&1==1) ans = ans*x;//重载*
x = x*x;//重载*
y = y>>1;
}
return ans;
}
- 这里我重载了乘号运算符,用来计算两个矩阵的乘积,并返回结果矩阵
总的代码
#include <iostream>
#include <vector>
using namespace std;
typedef unsigned long long int lint;
typedef vector<int> vec;
typedef vector<vec> matrix;
lint f(int x ,int y){
lint ans = 1;
while(y>0){
if(y&1==1) ans *= x;
x = x*x;
y = y>>1;
}
return ans;
}
matrix Identify_matrix(int n){
matrix im(n,vec(n,0));
for(int i=0; i<n; ++i)
im[i][i] = 1;
return im;
}
matrix operator * (const matrix& a,const matrix& b){
int I = a.size();
int K = a[0].size();
int J = b[0].size();
matrix result(I, vec(J));
for(int i=0; i<I; ++i)
for(int j=0; j<J; ++j)
{
result[i][j] = 0;
for(int k=0; k< K; ++k)
result[i][j] += a[i][k]*b[k][j];
}
return result;
}
ostream& operator << (ostream& out, matrix m){
for(auto i:m)
{
for(auto j:i)
out<<j<<" ";
out<<endl;
}
return out;
}
matrix g(matrix x, int y){
matrix ans = Identify_matrix(x.size());// 产生一个单位矩阵
while(y>0){
if(y&1==1) ans = ans*x;
x = x*x;
y = y>>1;
}
return ans;
}
int main()
{
int x,y;
cin>>x>>y;
cout<<f(x,y)<<endl;
matrix mx = { {2,3,1},
{1,5,4},
{1,1,3}, };//测试
cout<<g(mx,y);//重载<<
return 0;
}
输出
3 5
243
2983 7659 7976
4610 11764 12269
1805 4610 4788