3、密码学基础:整除性、最大公约数与模运算

密码学基础:整除性、最大公约数与模运算

1. 整除性与最大公约数

在数论中,整除性是一个基础概念。整数集 (Z) 包含所有整数,整数之间可以进行加、减、乘运算,结果仍为整数,这符合环的特性。但整数的除法并非总能在整数集内进行,例如 (3) 不能被 (2) 整除,这引出了整除性的定义。

  • 整除性定义 :设 (a) 和 (b) 为整数,且 (b \neq 0),若存在整数 (c) 使得 (a = bc),则称 (b) 整除 (a),记作 (b | a);若 (b) 不能整除 (a),则记作 (b \nmid a)。例如 (847 | 485331),因为 (485331 = 847 \times 573);而 (355 \nmid 259943),因为 (259943 = 355 \times 732 + 83),有余数。
  • 整除性性质
    • 若 (a | b) 且 (b | c),则 (a | c)。
    • 若 (a | b) 且 (b | a),则 (a = \pm b)。
    • 若 (a | b) 且 (a | c),则 (a | (b + c)) 且 (a | (b - c))。

两个整数 (a) 和 (b) 的公约数是能同时整除它们的正整数,其中最大的称为最大公约数,记作 (gcd(a, b)) 或 ((a, b))(当 (a) 和 (b) 不全为 (0) 时)。例如 (gcd(12, 18) = 6),(gcd(748, 2024) = 44)。

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 能对比:对比不同优化算法在训练集和测试集上的预测能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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  | 博主筛选后可见
 
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