15、计算 F₂⁶⁰⁷ 中的离散对数

计算 F₂⁶⁰⁷ 中的离散对数

1. 多项式筛选与分解

在计算离散对数问题时,如果总共只允许两个大素数,使用更严格的第一个测试时效果更好;若允许三个或更多大素数,较宽松的第二个测试可能更合适。当多项式 D 通过测试,有可接受的概率为光滑多项式(除去余因子)后,就需要对 C 和 D 进行分解。

最初在处理较小的例子(如 F₂³¹³)时,通过显式试除法或预计算和查表来追踪小因子很有用。其思路是快速计算给定多项式关于某个不可约多项式的赋值。以关于 X + 1 的赋值为例:
- 注意到((X + 1)^{16} = X^{16} + 1)。由于实现中用每一位表示 F₂ 上多项式的一个系数,计算模(X^{16} + 1)的余数很快。
- 假设使用 32 位机器,这需要少于(\frac{deg P}{32} + 3)次操作(异或、一次移位和一次与运算)。
- 如果有一个预计算表,包含所有次数从 0 到 15 的多项式 Q 的赋值(ν(Q))(需要 32KB),就能大概率得到(ν_g(P))。因为(ν_g(P \mod X^{16} + 1) = ν_g(P)),除非(P \equiv 0 [X^{16} + 1])(此时有不等式(\leq))。
- 得到这个值后,只需用(X + 1)的适当(预计算)幂进行一次除法。若赋值至少为 16,则对余因子重复此操作。

从模分圆多项式的余数易于计算这一基本观察出发,可以将此方法扩展到次数至多为 4 的不可约多项式。但对于 n = 607 的情况,这种方法的改进并不显著,可能是因为 C 和 D 的平均次数使得小因子的贡献太小而无用。尝试用所有或部分可能出现在分解中的不可约多项式进行筛选来分解关系,也没有带来显著改进。

六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
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