[学习笔记]线性基

部署运行你感兴趣的模型镜像

概述

网上好像没有什么关于线性基的资料…

定义

设数集T的值域范围为[1,2n1]
T的线性基是T的一个子集A={a1,a2,a3,...,an}
A中元素互相xor所形成的异或集合,等价于原数集T的元素互相xor形成的异或集合。
可以理解为将原数集进行了压缩。

性质

1.设线性基的异或集合中不存在0
2.线性基的异或集合中每个元素的异或方案唯一,其实这个跟性质1是等价的。
3.线性基二进制最高位互不相同。
4.如果线性基是满的,它的异或集合为[1,2n1]
5.线性基中元素互相异或,异或集合不变。

维护

插入

如果向线性基中插入数x,从高位到低位扫描它为1的二进制位。
扫描到第i时,如果ai不存在,就令ai=x,否则x=xai
x的结局是,要么被扔进线性基,要么经过一系列操作过后,变成了0

bool insert(long long val)
{
    for (int i=60;i>=0;i--)
        if (val&(1LL<<i))
        {
            if (!a[i])
            {
                a[i]=val;
                break;
            }
            val^=a[i];
        }
    return val>0;
}

合并

将一个线性基暴力插入另一个线性基即可。

L_B merge(const L_B &n1,const L_B &n2)
{
    L_B ret=n1;
    for (int i=0;i<=60;i++)
        if (n2.d[i])
            ret.insert(n2.d[i]);
    return ret;
}

查询

存在性

如果要查询x是否存于异或集合中。
从高位到低位扫描x的为1的二进制位。
扫描到第i位的时候x=xai
如果中途x变为了0,那么表示x存于线性基的异或集合中。

最大值

从高位到低位扫描线性基。
如果异或后可以使得答案变大,就异或到答案中去。

long long query_max()
{
    long long ret=0;
    for (int i=60;i>=0;i--)
        if ((ret^d[i])>ret)
            ret^=d[i];
    return ret;
}

最小值

最小值即为最低位上的线性基。

long long query_min()
{
    for (int i=0;i<=60;i++)
        if (d[i])
            return d[i];
    return 0;
}

k小值

根据性质3。
我们要将线性基改造成每一位相互独立。
具体操作就是如果i<jaj的第i位是1,就将aj异或上ai
经过一系列操作之后,对于二进制的某一位i。只有ai的这一位是1,其他都是0
所以查询的时候将k二进制拆分,对于1的位,就异或上对应的线性基。
最终得出的答案就是k小值。

void rebuild()
{
    for (int i=60;i>=0;i--)
        for (int j=i-1;j>=0;j--)
            if (d[i]&(1LL<<j))
                d[i]^=d[j];
    for (int i=0;i<=60;i++)
        if (d[i])
            p[cnt++]=d[i];
}
long long kthquery(long long k)
{
    int ret=0;
    if (k>=(1LL<<cnt))
        return -1;
    for (int i=60;i>=0;i--)
        if (k&(1LL<<i))
            ret^=p[i];
    return ret;
}

模板

struct L_B{
    long long d[61],p[61];
    int cnt;
    L_B()
    {
        memset(d,0,sizeof(d));
        memset(p,0,sizeof(p));
        cnt=0;
    }
    bool insert(long long val)
    {
        for (int i=60;i>=0;i--)
            if (val&(1LL<<i))
            {
                if (!d[i])
                {
                    d[i]=val;
                    break;
                }
                val^=d[i];
            }
        return val>0;
    }
    long long query_max()
    {
        long long ret=0;
        for (int i=60;i>=0;i--)
            if ((ret^d[i])>ret)
                ret^=d[i];
        return ret;
    }
    long long query_min()
    {
        for (int i=0;i<=60;i++)
            if (d[i])
                return d[i];
        return 0;
    }
    void rebuild()
    {
        for (int i=60;i>=0;i--)
            for (int j=i-1;j>=0;j--)
                if (d[i]&(1LL<<j))
                    d[i]^=d[j];
        for (int i=0;i<=60;i++)
            if (d[i])
                p[cnt++]=d[i];
    }
    long long kthquery(long long k)
    {
        int ret=0;
        if (k>=(1LL<<cnt))
            return -1;
        for (int i=60;i>=0;i--)
            if (k&(1LL<<i))
                ret^=p[i];
        return ret;
    }
}
L_B merge(const L_B &n1,const L_B &n2)
{
    L_B ret=n1;
    for (int i=60;i>=0;i--)
        if (n2.d[i])
            ret.insert(n1.d[i]);
    return ret;
}

您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型,相比 3.0 版本,它提升了图像质量、运行速度和硬件效率

线性扫描机制通常用于数据处理、算法执行等多个领域,安装成功后的相关操作和应用场景如下: ### 后续操作 - **配置参数**:根据具体的使用需求,对线性扫描机制的参数进行配置。例如,在图像扫描中,可能需要设置扫描的分辨率、扫描范围等参数。在数据处理中,可能需要设置扫描的步长、起始位置等参数。 ```python # 示例:设置线性扫描的起始位置和步长 start_position = 0 step_size = 1 ``` - **测试运行**:在正式投入使用之前,进行测试运行以确保线性扫描机制正常工作。可以使用一些示例数据或场景进行测试,检查扫描结果是否符合预期。 ```python # 示例:测试线性扫描 data = [1, 2, 3, 4, 5] for i in range(start_position, len(data), step_size): print(data[i]) ``` - **集成到系统**:将线性扫描机制集成到具体的系统或应用程序中。这可能涉及到与其他模块或组件的交互,需要进行相应的接口开发和调试。 ### 应用场景 - **数据搜索**:在线性数据结构(如数组、列表)中查找特定元素时,线性扫描机制可以依次遍历每个元素,直到找到目标元素或遍历完整个数据结构。 ```python # 示例:在列表中查找特定元素 target = 3 data = [1, 2, 3, 4, 5] for i in range(len(data)): if data[i] == target: print(f"找到目标元素 {target},位置为 {i}") break ``` - **图像处理**:在图像处理中,线性扫描机制可以用于图像的逐行或逐列扫描,进行图像的滤波、边缘检测等操作。 ```python # 示例:简单的图像灰度化处理(逐像素扫描) import cv2 image = cv2.imread('image.jpg') gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) cv2.imshow('Gray Image', gray_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` - **传感器数据采集**:在传感器数据采集过程中,线性扫描机制可以按照一定的时间间隔依次采集传感器的数据,进行数据分析和处理。
评论 10
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