poj 3150Cellular Automaton(矩阵快速幂)

本文介绍了一种针对环形数组进行多次操作后的状态预测算法。通过对操作过程的矩阵表示和快速幂运算优化,实现了对大规模操作次数的有效计算。特别地,通过观察矩阵运算结果的规律,减少了计算复杂度。

题目大意:

一个环上有n个数,定义一种操作将它和它距离小于d的数加和再模m。每次操作刷新所有数。问k次之后都将变成什么数?


解题思路:

   首先看到进行K次,就要想到是否可用矩阵优化,一看K很大,就想到构造矩阵。

   

sample input #1
5 3 1 1
1 2 2 1 2
就这个样例来讲:
             可以构造想到每次一个数与它周围几个相加,可构造一个含有1的矩阵表示i,j是有关的。这样就构造出了之后要进行快速幂的矩阵,然后构造初始,只需把N个数排成一列。
  [1,1,0,0,1]                    [a1]
  [1,1,1,0,0]                    [a2]
  [0,1,1,1,0]                    [a3]
  [0,0,1,1,1]                    [a4]
  [1,0,0,1,1]这是用来快速幂的矩阵   [a5] 这是初始矩阵。 所以只要进行快速幂就行了。然而n<=500,复杂度是n3*log(k) 时间上肯定不够,这时候就要观察矩阵,发现每次乘法后是有规律的。
b^1 =
[1, 1, 0, 0, 1]
[1, 1, 1, 0, 0]
[0, 1, 1, 1, 0]
[0, 0, 1, 1, 1]
[1, 0, 0, 1, 1]
b^2 =
[3, 2, 1, 1, 2]
[2, 3, 2, 1, 1]
[1, 2, 3, 2, 1]
[1, 1, 2, 3, 2]
[2, 1, 1, 2, 3]
b^3 =
[7, 6, 4, 4, 6]
[6, 7, 6, 4, 4]
[4, 6, 7, 6, 4]
[4, 4, 6, 7, 6]
[6, 4, 4, 6, 7]
b^4 =
[19, 17, 14, 14, 17]
[17, 19, 17, 14, 14]
[14, 17, 19, 17, 14]
[14, 14, 17, 19, 17]
[17, 14, 14, 17, 19] 
 
所以就发现只要储存第一列就行了。 把时间减小一个维度。
注意:%的运算尽量减少,不然时间会很慢。
 
#include<cstdio>
#include<cstring>
#include<algorithm>
#include<iostream>
using namespace std;
int n,m,d,k;
struct ss 
 {
 	long long messi[505];
 }now,ans;
int a[505]; 


ss work(ss a1,ss b1)
 {
 	ss c;
 	memset(c.messi,0,sizeof(c.messi));
 	for (int i=1;i<=n;++i)
 	 {
 	 	for (int j=1-(i-1);j<=n-(i-1);++j)
 	 	 {
 	 	   int u;	
 	 	   if (j<=0) u=j+n;else u=j;
 	 	   c.messi[i]=c.messi[i]+a1.messi[j+i-1]*b1.messi[u];	
		 }
		 c.messi[i]%=m;
	  }
 	return c;
 }


int main()
{
	scanf("%d %d %d %d",&n,&m,&d,&k);
	memset(now.messi,0,sizeof(now.messi));
	for (int i=1;i<=n;++i)
	 {
	 	scanf("%d",&a[i]);
	 }
	 for (int j=1;j<=n;++j)
	  if (abs(1-j)<=d || abs(1+n-j)<=d)
	   {
	   	now.messi[j]=1;
	   }
	memset(ans.messi,0,sizeof(ans.messi));
	ans=now;
    int u=k-1;
	while (u>0)
	 {
	 	if (u%2==1)
	 	 {
	 	 	ans=work(ans,now);
		  }
		now=work(now,now);
		u=u/2;
	 }  
   for (int i=1;i<=n;++i)
    {
    	long long sum=0;
    	for (int j=1-(i-1);j<=n-(i-1);++j)
    	 {
    	 	int u;
    	 	if (j<=0) u=j+n;else u=j;
    	 	sum=sum+a[j+i-1]*ans.messi[u];
		 }
		cout<<sum%m<<" ";
    }     
}

### 关于POJ 1995问题的快速幂C++实现 对于POJ 1995问题,其核心在于通过矩阵快速幂算法高效解决大规模数据下的指数运算。以下是基于引用材料中的相关内容构建的一个完整的解决方案。 #### 矩阵快速幂的核心逻辑 矩阵快速幂是一种高效的计算方式,在处理线性递推关系时尤为有效。例如斐波那契数列可以通过构造特定的转移矩阵来加速计算[^4]。具体来说,给定一个初始状态向量和一个转移矩阵,经过若干次幂运算后可获得目标状态。 以下是一个通用的矩阵快速幂模板: ```cpp #include <iostream> using namespace std; const int N = 2; // 定义矩阵大小 struct Matrix { long long m[N][N]; }; // 矩阵乘法函数 Matrix multiply(const Matrix& a, const Matrix& b) { Matrix c; for (int i = 0; i < N; ++i) { for (int j = 0; j < N; ++j) { c.m[i][j] = 0; for (int k = 0; k < N; ++k) { c.m[i][j] += a.m[i][k] * b.m[k][j]; c.m[i][j] %= 10000; // 取模操作 } } } return c; } // 快速幂函数 Matrix fastPower(Matrix base, long long exp) { Matrix result; for (int i = 0; i < N; ++i) { for (int j = 0; j < N; ++j) { result.m[i][j] = (i == j); } } while (exp > 0) { if (exp % 2 == 1) { result = multiply(result, base); } base = multiply(base, base); exp /= 2; } return result; } int main() { long long n; cin >> n; // 初始化转移矩阵 Matrix trans; trans.m[0][0] = 0; trans.m[0][1] = 1; trans.m[1][0] = 1; trans.m[1][1] = 1; // 计算结果矩阵 if (n == 0 || n == 1) { cout << 1 << endl; } else { Matrix res = fastPower(trans, n - 1); // 初始状态向量 long long fib_prev = 1; long long fib_curr = 1; // 输出结果 cout << (res.m[0][0] * fib_prev + res.m[0][1] * fib_curr) % 10000 << endl; } return 0; } ``` 此代码实现了针对斐波那契数列的大规模项求解功能,并采用了取模`%10000`的操作以满足题目需求。其中的关键部分包括矩阵乘法、快速幂以及状态转移的设计[^3]。 #### 特殊注意点 在实际提交过程中需要注意以下几个方面: - **大数组定义**:如果涉及更大的矩阵或者更复杂的动态规划表,则需特别留意内存分配的位置及其范围限制[^2]。 - **时间复杂度控制**:尽管快速幂本身具有较低的时间复杂度O(log n),但在极端情况下仍需验证是否存在进一步优化空间。 - **边界条件处理**:如输入为较小数值时直接返回已知答案而非进入循环计算流程。
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