矩阵快速幂模板

本文介绍了一个C++程序,使用矩阵类实现矩阵乘法和快速幂算法。重点讲解了Mat类的定义、Matmul函数用于矩阵乘法以及Matqp函数进行矩阵快速幂运算。通过实例展示了如何计算矩阵的幂,并在给定输入下计算特定结果。
#include <iostream>
#include <cmath>
#include <cstring>
#define ll long long
using namespace std; 
const ll mod = 1e9 + 7;
struct Mat{
	int r,c;  //r是竖着的,c是横着的
    ll m[5][5];
    void clear(){
        for(int i=1;i<=r;i++)memset(m[i],0,sizeof(m[i]));
    }    
};
Mat Matmul(Mat &x,Mat &y,ll c){
    Mat ans;
    ans.r=x.r;
    ans.c=y.c;
    for(int i=1;i<=ans.r;i++){
        for(int j=1;j<=ans.c;j++){
			ll t=0;
            for(int k=1;k<=x.c;k++){
                t=(t+(x.m[i][k]*y.m[k][j])%c)%c;
            }
            ans.m[i][j]=t;
        }
    }
    return ans;
}

Mat Matqp(Mat &a,ll n,ll c){
    Mat ans,tmp=a;
    ans.r=ans.c=a.r;
    memset(ans.m,0,sizeof(ans.m));
    for(int i=1;i<=ans.r;i++){
        ans.m[i][i]=1;
    }
    while(n){
        if(n&1)ans=Matmul(ans,tmp,c);
        n>>=1;
        tmp=Matmul(tmp,tmp,c);
    }
    return ans;
}

ll qp(ll a,ll b,ll c){
    ll ans = 1;
    ll base = a%c;
    while(b){
        if(b & 1) ans = (ans*base)%c;
        base = (base*base)%c;
        b >>= 1;
    }
    return ans;
}
int main(){
	ll x,y,n;
	Mat t;t.r=t.c=2;t.clear();
	t.m[1][1]=0;t.m[1][2]=1;
	t.m[2][1]=1;t.m[2][2]=1;
	Mat a;a.r=2;a.c=1;
	a.m[1][1]=0;
	a.m[2][1]=1;
	while(cin>>x>>y>>n){
		if(n==0) cout<<x<<endl;
		else{
			Mat tmp;
			tmp=Matqp(t,n-1,mod-1);
			tmp=Matmul(tmp,a,mod-1);
			ll ans=qp(x,tmp.m[1][1],mod)*qp(y,tmp.m[2][1],mod)%mod;
			cout<<ans<<endl;
		}
	}
	return 0;
}

【四轴飞行器】非线性三自由度四轴飞行器模拟器研究(Matlab代码实现)内容概要:本文围绕非线性三自由度四轴飞行器模拟器的研究展开,重点介绍基于Matlab代码实现的四轴飞行器动力学建模与仿真方法。研究构建了考虑非线性特性的飞行器数学模型,涵盖姿态动力学与运动学方程,实现了三自由度(滚转、俯仰、偏航)的精确模拟。文中详细阐述了系统建模过程、控制算法设计思路及仿真结果分析,帮助读者深入理解四轴飞行器的飞行动力学特性与控制机制;同时,该模拟器可用于算法验证、控制器设计与教学实验。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的高校学生、科研人员及无人机相关领域的工程技术人员,尤其适合从事飞行器建模、控制算法开发的研究生和初级研究人员。; 使用场景及目标:①用于四轴飞行器非线性动力学特性的学习与仿真验证;②作为控制器(如PID、LQR、MPC等)设计与测试的仿真平台;③支持无人机控制系统教学与科研项目开发,提升对姿态控制与系统仿真的理解。; 阅读建议:建议读者结合Matlab代码逐模块分析,重点关注动力学方程的推导与实现方式,动手运行并调试仿真程序,以加深对飞行器姿态控制过程的理解。同时可扩展为六自由度模型或加入外部干扰以增强仿真真实性。
基于分布式模型预测控制DMPC的多智能体点对点过渡轨迹生成研究(Matlab代码实现)内容概要:本文围绕“基于分布式模型预测控制(DMPC)的多智能体点对点过渡轨迹生成研究”展开,重点介绍如何利用DMPC方法实现多智能体系统在复杂环境下的协同轨迹规划与控制。文中结合Matlab代码实现,详细阐述了DMPC的基本原理、数学建模过程以及在多智能体系统中的具体应用,涵盖点对点转移、避障处理、状态约束与通信拓扑等关键技术环节。研究强调算法的分布式特性,提升系统的可扩展性与鲁棒性,适用于多无人机、无人车编队等场景。同时,文档列举了大量相关科研方向与代码资源,展示了DMPC在路径规划、协同控制、电力系统、信号处理等多领域的广泛应用。; 适合人群:具备一定自动化、控制理论或机器人学基础的研究生、科研人员及从事智能系统开发的工程技术人员;熟悉Matlab/Simulink仿真环境,对多智能体协同控制、优化算法有一定兴趣或研究需求的人员。; 使用场景及目标:①用于多智能体系统的轨迹生成与协同控制研究,如无人机集群、无人驾驶车队等;②作为DMPC算法学习与仿真实践的参考资料,帮助理解分布式优化与模型预测控制的结合机制;③支撑科研论文复现、毕业设计或项目开发中的算法验证与性能对比。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注DMPC的优化建模、约束处理与信息交互机制;按文档结构逐步学习,同时参考文中提及的路径规划、协同控制等相关案例,加深对分布式控制系统的整体理解。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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