【模板】拓展卢卡斯

本文深入探讨了ExLucas算法的实现细节,包括快速幂、扩展欧几里得算法、组合数计算等核心模块,并通过具体实例展示了算法的优化过程。文章还提供了完整的代码示例,便于读者理解和应用。

粘代码:

#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
typedef long long ll;
template<typename T>
inline void read(T&x)
{
    T f = 1,c = 0;char ch=getchar();
    while(ch<'0'||ch>'9'){if(ch=='-')f=-1;ch=getchar();}
    while(ch>='0'&&ch<='9'){c=c*10+ch-'0';ch=getchar();}
    x = f*c;
}
ll n,m,P;
ll fastpow(ll x,ll y,ll MOD)
{
    ll ret = 1;
    while(y)
    {
        if(y&1)ret=ret*x%MOD;
        x=x*x%MOD;y>>=1;
    }
    return ret;
}
void exgcd(ll a,ll b,ll&x,ll&y)
{
    if(!b){x=1,y=0;return ;}
    exgcd(b,a%b,y,x);y-=a/b*x;
}
ll inv(ll a,ll MOD){ll x,y;exgcd(a,MOD,x,y);return (x%MOD+MOD)%MOD;}
ll p[30],pk[30],pnt,f[30][1000050];
ll jc[1000050],jny[1000050];
void init()
{
    ll now = P;
    for(ll i=2;i*i<=now;i++)if(now%i==0)
    {
        p[++pnt]=i,pk[pnt]=1;
        while(now%i==0)now/=i,pk[pnt]*=i;
    }
    if(now!=1)
    {
        p[++pnt]=now,pk[pnt]=now;
    }
    if(p[1]==MOD)
    {
        jc[0] = 1;
        for(ll i=1;i<P;i++)jc[i]=jc[i-1]*i%P;
        jny[P-1] = inv(jc[P-1],P);
        for(ll i=P-1;i;i--)jny[i-1]=jny[i]*i%P;
        return ;
    }
    for(ll i=1;i<=pnt;i++)
    {
        f[i][0]=1;
        for(ll j=1;j<pk[i];j++)
            if(j%p[i])f[i][j]=f[i][j-1]*j%pk[i];
            else f[i][j]=f[i][j-1];
    }
}
ll calp(ll x,ll P){ll ret=0;for(x/=P;x;x/=P)ret+=x;return ret;}
ll calc(ll x,ll i)
{
    if(!x)return 1;
    return fastpow(f[i][pk[i]-1],x/pk[i],pk[i])*f[i][x%pk[i]]%pk[i]*calc(x/p[i],i);
}
ll Lucas(ll x,ll y)
{
    if(x<y)return 0;
    if(x<P)return jc[x]*jny[y]%P*jny[x-y]%P;
    return Lucas(x/P,y/P)*Lucas(x%P,y%P)%P;
}
ll eLucas(ll x,ll y,int i)
{
    ll k = calp(x,p[i])-calp(y,p[i])-calp(x-y,p[i]);
    return fastpow(p[i],k,pk[i])
            *calc(x,i)%pk[i]
            *inv(calc(y,i),pk[i])%pk[i]
            *inv(calc(x-y,i),pk[i])%pk[i];
}
ll ExLucas(ll x,ll y)
{
    if(p[1]==MOD)return Lucas(x,y);
    ll ans = 0;
    for(ll i=1;i<=pnt;i++)
        ans= (ans + eLucas(x,y,i) * (P/pk[i])% P * inv(P/pk[i],pk[i]) % P)%P;
    return ans;
}
int main()
{
    read(n),read(m),read(P);
    init();
    printf("%lld\n",ExLucas(n,m));
    return 0;
}
View Code

upd:有一个地方:

ll calc(ll x,ll i)
{
    if(!x)return 1;
    return fastpow(f[i][pk[i]-1],x/pk[i],pk[i])*f[i][x%pk[i]]%pk[i]*calc(x/p[i],i);
}
曾经的代码

他可以这样变强:

ll mul(ll x,int i)
{
    if(!x)return 1;ll bas = pk[i]-1;
    if(p[i]==2)bas=(pk[i]==4)?3:1;
    return 1ll*fastpow(bas,x/pk[i],pk[i])*f[i][x%pk[i]]%pk[i]*mul(x/p[i],i)%pk[i];
}
变强的代码

所以说对于质数$p$($p$不为$2$)与他的整数次幂$pk$存在$\prod _{i=1,i⊥p}^{pk}i ≡ pk-1 \; (mod\;pk)$?

先证一下这个:$$(p-2)!≡1\;(mod\;p)$$

这个可好证了……

先特判$3$时显然成立。

因为$1$的逆元是自己,$-1*-1=1$即$(p-1)*(p-1)≡1\;(mod\;p)$,所以这两个的逆元都是自己。

剩下的$2,3……p-2$共$p-3$个数,在$p$不为$2$时能两两一对组成逆元。

所以这一堆乘一起为$1$。

所以$(p-2)!≡1\;(mod\;p)$。

现在我们来证$\prod _{i=1,i⊥p}^{pk}i ≡ pk-1 \; (mod\;pk)$。

证法和上面那个差不多。

所有$p$的倍数没有逆元,$1$和$pk-1$的逆元是自己,剩下两两配对都是$1$。

 

upd:刚才证完了非$2$部分,现在来证一下$2$的部分。

刚才的伪证是在只有$1$和$pk-1$的逆元是自己的前提下,而当$p=2$且$k>2$时,$2^{n-1}-1$和$2^{n-1}+1$的逆元也是自己。

很巧的是这四个数乘一起得$1$。

(应该没有其他的锅了吧……)

转载于:https://www.cnblogs.com/LiGuanlin1124/p/11128840.html

【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)》的技术资源,聚焦于电力系统中低碳经济调度问题,结合N-1安全准则与分布鲁棒机会约束(DRCC)方法,提升调度模型在不确定性环境下的鲁棒性和可行性。该资源提供了完整的Matlab代码实现,涵盖建模、优化求解及仿真分析全过程,适用于复杂电力系统调度场景的科研复现与算法验证。文中还列举了大量相关领域的研究主题与代码资源,涉及智能优化算法、机器学习、电力系统管理、路径规划等多个方向,展示了广泛的科研应用支持能力。; 适合人群:具备一定电力系统、优化理论和Matlab编程基础的研究生、科研人员及从事能源调度、智能电网相关工作的工程师。; 使用场景及目标:①复现高水平期刊(如EI/SCI)关于低碳经济调度的研究成果;②深入理解N-1安全约束与分布鲁棒优化在电力调度中的建模方法;③开展含新能源接入的电力系统不确定性优化研究;④为科研项目、论文撰写或工程应用提供可运行的算法原型和技术支撑。; 阅读建议:建议读者结合文档提供的网盘资源,下载完整代码与案例数据,按照目录顺序逐步学习,并重点理解DRCC建模思想与Matlab/YALMIP/CPLEX等工具的集成使用方式,同时可参考文中列出的同类研究方向拓展研究思路。
内容概要:本文详细介绍了一个基于MATLAB实现的电力负荷预测项目,采用K近邻回归(KNN)算法进行建模。项目从背景意义出发,阐述了电力负荷预测在提升系统效率、优化能源配置、支撑智能电网和智慧城市建设等方面的重要作用。针对负荷预测中影响因素多样、时序性强、数据质量差等挑战,提出了包括特征工程、滑动窗口构造、数据清洗与标准化、K值与距离度量优化在内的系统性解决方案。模型架构涵盖数据采集、预处理、KNN回归原理、参数调优、性能评估及工程部署全流程,并支持多算法集成与可视化反馈。文中还提供了MATLAB环境下完整的代码实现流程,包括数据加载、归一化、样本划分、K值选择、模型训练预测、误差分析与结果可视化等关键步骤,增强了模型的可解释性与实用性。; 适合人群:具备一定MATLAB编程基础和机器学习基础知识,从事电力系统分析、能源管理、智能电网或相关领域研究的研发人员、工程师及高校师生;适合工作1-3年希望提升实际项目开发能力的技术人员; 使用场景及目标:①应用于短期电力负荷预测,辅助电网调度与发电计划制定;②作为教学案例帮助理解KNN回归在实际工程中的应用;③为新能源接入、需求响应、智慧能源系统提供数据支持;④搭建可解释性强、易于部署的轻量级预测模型原型; 阅读建议:建议结合MATLAB代码实践操作,重点关注特征构造、参数调优与结果可视化部分,深入理解KNN在时序数据中的适应性改进方法,并可进一步拓展至集成学习或多模型融合方向进行研究与优化。
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