【poj1061】青蛙的约会(数论,exgcd)

这篇博客详细介绍了如何利用数论和扩展欧几里得算法(exgcd)解决青蛙约会问题,通过转化方程并找到最小正整数解的过程。作者提供了参考链接,并解释了当方程无解时的条件以及找到最小正整数解的方法,最后给出了相关代码实现。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目链接:点击打开链接

这道题看了很多个题解(刚接触数论方面的题目)...然后自己总结了一个更容易看懂的一篇题解。

参考链接:

http://blog.sina.com.cn/s/blog_59825cee0100la9u.html

http://blog.youkuaiyun.com/loi_dqs/article/details/49488851


1.

由题目中给出的数据,可以看出两只青蛙在碰面了过后的位置相当于(x+tm)%L,(y+tm)%L (k是设的青蛙跳了多少步后碰面)

相当于解方程

x+tm≡y+tn (mod L)


尝试化简,

                            (x+tm)+p*L=y+tn(p为任意整数)

拆括号,则变成了

(m-n)*t+L*p=y-x

终于变成了我们所熟悉的ax+by=c的形式

m-n=a,L=b,y-x=c;

那就是解

                                                  a*t+b*p=c

中t的最小值


但是,问题来了,我们不能保证a*t+b*p=c是有解的

如果方程无解

那么c一定整除gcd(a,b),因为方程左边肯定可以整除gcd(a,b)

那如果有解呢...

(敲黑板!重点来了)

(以下摘自大佬2的证明过程 然后修改了一点)

设要解的方程(求x)是:

ax1+by1=c

而我们已经解得

ax+by=gcd(a,b)=d

此时将第二个方程左右同时乘c/d,则可得:

所以:


这样并没有完,因为这只是一组解,我们要求最小正整数解。

我们知道:若一组 < x,y > 是ax+by=c的一组解,那么

                                                            


(把这两个带进原方程,你会发现抵消了一些项,可以证明)

也是原方程的一组解。

这样我们只需要让解得的x不断减b/d,直到再减就为负数时,所得的x就是我们要的解。 
其实这个过程就是模运算,所以最小正整数解就是:


附上代码

#include<iostream>
#include<algorithm>
using namespace std;
typedef long long LL;
LL x,y,m,n,L;
LL x1,y1;
LL d;
void exgcd(LL a,LL b)
{
	if(b==0)
	{
		x1=1;
		y1=0;
		d=a;
	}
	else
	{
		exgcd(b,a%b);
		LL temp=x1;
		x1=y1;
		y1=temp-(a/b)*y1;
	}
}

int main()
{
	while(cin>>x>>y>>m>>n>>L)
	{
		if(m==n)
		{
			cout<<"Impossible"<<endl;
			continue;
		}
		LL a=m-n;
		LL b=L;
		LL c=y-x;
		if(a<0)
		{
			a=-a;
			c=-c;
		}
		exgcd(a,b);
		if(c%d)	
		{
			cout<<"Impossible"<<endl;
		}
		else
		{
			x1=x1*c/d;   
            b=b/d;  
            if(x1>=0)  
                x1=x1%b;  
            else  
                x1=x1%b+b;  
            if(x1==0)  
                x1=b;  
            cout<<x1<<endl;
		}
	}
	return 0;
}


内容概要:本文档详细介绍了基于MATLAB实现的无人机三维路径规划项目,核心算法采用蒙特卡罗树搜索(MCTS)。项目旨在解决无人机在复杂三维环境中自主路径规划的问题,通过MCTS的随机模拟与渐进式搜索机制,实现高效、智能化的路径规划。项目不仅考虑静态环境建模,还集成了障碍物检测与避障机制,确保无人机飞行的安全性和效率。文档涵盖了从环境准备、数据处理、算法设计与实现、模型训练与预测、性能评估到GUI界面设计的完整流程,并提供了详细的代码示例。此外,项目采用模块化设计,支持多无人机协同路径规划、动态环境实时路径重规划等未来改进方向。 适合人群:具备一定编程基础,特别是熟悉MATLAB和无人机技术的研发人员;从事无人机路径规划、智能导航系统开发的工程师;对MCTS算法感兴趣的算法研究人员。 使用场景及目标:①理解MCTS算法在三维路径规划中的应用;②掌握基于MATLAB的无人机路径规划项目开发全流程;③学习如何通过MCTS算法优化无人机在复杂环境中的飞行路径,提高飞行安全性和效率;④为后续多无人机协同规划、动态环境实时调整等高级应用打下基础。 其他说明:项目不仅提供了详细的理论解释和技术实现,还特别关注了实际应用中的挑战和解决方案。例如,通过多阶段优化与迭代增强机制提升路径质量,结合环境建模与障碍物感知保障路径安全,利用GPU加速推理提升计算效率等。此外,项目还强调了代码模块化与调试便利性,便于后续功能扩展和性能优化。项目未来改进方向包括引入深度强化学习辅助路径规划、扩展至多无人机协同路径规划、增强动态环境实时路径重规划能力等,展示了广阔的应用前景和发展潜力。
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