POJ 1061 青蛙的约会 扩展欧几里得算法的应用及介绍(好题)

本文介绍了一个有趣的编程问题——两只青蛙如何在线上相遇。通过扩展欧几里得算法,文章详细阐述了如何找到青蛙们相遇所需的跳跃次数,以及实现这一算法的具体步骤。

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

点击打开链接

 

青蛙的约会
Time Limit: 1000MS Memory Limit: 10000K
Total Submissions: 82272 Accepted: 14296

Description

两只青蛙在网上相识了,它们聊得很开心,于是觉得很有必要见一面。它们很高兴地发现它们住在同一条纬度线上,于是它们约定各自朝西跳,直到碰面为止。可是它们出发之前忘记了一件很重要的事情,既没有问清楚对方的特征,也没有约定见面的具体位置。不过青蛙们都是很乐观的,它们觉得只要一直朝着某个方向跳下去,总能碰到对方的。但是除非这两只青蛙在同一时间跳到同一点上,不然是永远都不可能碰面的。为了帮助这两只乐观的青蛙,你被要求写一个程序来判断这两只青蛙是否能够碰面,会在什么时候碰面。
我们把这两只青蛙分别叫做青蛙A和青蛙B,并且规定纬度线上东经0度处为原点,由东往西为正方向,单位长度1米,这样我们就得到了一条首尾相接的数轴。设青蛙A的出发点坐标是x,青蛙B的出发点坐标是y。青蛙A一次能跳m米,青蛙B一次能跳n米,两只青蛙跳一次所花费的时间相同。纬度线总长L米。现在要你求出它们跳了几次以后才会碰面。

Input

输入只包括一行5个整数x,y,m,n,L,其中x≠y < 2000000000,0 < m、n < 2000000000,0 < L < 2100000000。

Output

输出碰面所需要的跳跃次数,如果永远不可能碰面则输出一行"Impossible"

Sample Input

1 2 3 4 5

Sample Output

4

Source

 

扩展欧几里得算法通常解决三种问题:

1:求解不定方程;

2:求解模的逆元;

3:求解同余方程;

设a和b不全为0,则存在整数x和y,使得:

gcd(a,b)=x*a+y*b;

对于一个二元一次方程Ax+By=C(A,B已知),可以用扩展欧几里得算法求的其中的一个解x(或者y),不过所求的解并不是最小的,也不是最大的,只不过是方程的一个。下面给出两种扩展欧几里得的具体代码。

第一种是迭代的扩展欧几里得算法:

int exgcd(int A,int &x,int B,int &y)
{
    int x1,y1,x0,y0;
    x0=1;y0=0;
    x1=0;y1=1;
    int r=(A%B+B)%B;
    int q=(A-r)/B;
    x=0;y=1;
    while(r)
    {
        x=x0-q*x1;
        y=y0-q*y1;
        x0=x1;
        y0=y1;
        x1=x;y1=y;
        A=B;B=r;r=A%B;
        q=(A-r)/B;
    }
    return B;
}

第二种是递归的欧几里得算法:

	long long extended_euclidean(long long n, long long m, long long &x, long long &y) {
		if (m == 0) {
			x = 1; y = 0; return n;
		}
		long long g = extended_euclidean(m, n % m, x, y);
		long long t = x - n / m * y;
		x = y;
		y = t;
		return g;
	}	



其中,传过来x和y是新定义的两个变量,无初值也没有赋初值,返回的B就是Ax+By=C这个方程的一个解。

那么对于这个题来说第一只青蛙的坐标是x+m*t,第二只青蛙的坐标是y+n*t。它们相遇的充要条件是:x+m*t-y-n*t=p*L(p属于Z),即

(n-m)*t+L*p=x-y。L>0.设A=n-m,B=x-y,就转化为求A*t+L*p=B的最小t(t>0)。即求一次同余方程A*t=B%L的最小整数解。

1:用欧几里得算法求解A*t+L*p=B。即exgcd(A,&x,L,&y)则得到的值X是一个解,但不是最后的解。

2:若B%gcd(A,L)==0,则有解。

3:设M=gcd(A,L),X=X*(x-y)/M,然后(X%(L/M)+L/M)%(L/M)就是最后的解,也就是最小的t。

 

#include<stdio.h>
long long x,y,m,n,l;

//扩展欧几里得算法
long long exgcd(long long m,long long &x,long long n,long long &y)
{
    long long x1,y1,x0,y0;
    x0=1;y0=0;
    x1=0;y1=1;
    long long r=(m%n+n)%n;
    long long q=(m-r)/n;
    x=0;y=1;
    while(r)
    {
        x=x0-q*x1;
        y=y0-q*y1;
        x0=x1;
        y0=y1;
        x1=x;y1=y;
        m=n;n=r;r=m%n;
        q=(m-r)/n;
    }
    return n;
}

int main()
{
    while(scanf("%lld%lld%lld%lld%lld",&x,&y,&m,&n,&l)!=EOF)
    {
        long long ar,br;
        long long a=exgcd(n-m,ar,l,br);//a为二元一次线性方程的一个解,但不是最小解
        //printf("%lld\n",a);
        if((x-y)%a||m==n)
            printf("Impossible\n");
        else//找出方程的最小解t
        {
            long long s=l/a;
            ar=ar*((x-y)/a);
            ar=(ar%s+s)%s;
            printf("%lld\n",ar);
        }
    }
    return 0;
}


 

内容概要:本文围绕直流微电网中带有恒功率负载(CPL)的DC/DC升压转换器的稳定控制问展开研究,提出了一种复合预设性能控制策略。首先,通过精确反馈线性化技术将非线性不确定的DC转换器系统转化为Brunovsky标准型,然后利用非线性扰动观测器评估负载功率的动态变化和输出电压的调节精度。基于反步设计方法,设计了具有预设性能的复合非线性控制器,确保输出电压跟踪误差始终在预定义误差范围内。文章还对比了多种DC/DC转换器控制技术如脉冲调整技术、反馈线性化、滑模控制(SMC)、主动阻尼法和基于无源性的控制,并分析了它们的优缺点。最后,通过数值仿真验证了所提控制器的有效性和优越性。 适合人群:从事电力电子、自动控制领域研究的学者和工程师,以及对先进控制算法感兴趣的研究生及以上学历人员。 使用场景及目标:①适用于需要精确控制输出电压并处理恒功率负载的应用场景;②旨在实现快速稳定的电压跟踪,同时保证系统的鲁棒性和抗干扰能力;③为DC微电网中的功率转换系统提供兼顾瞬态性能和稳态精度的解决方案。 其他说明:文中不仅提供了详细的理论推导和算法实现,还通过Python代码演示了控制策略的具体实现过程,便于读者理解和实践。此外,文章还讨论了不同控制方法的特点和适用范围,为实际工程项目提供了有价值的参考。
内容概要:该论文介绍了一种名为偏振敏感强度衍射断层扫描(PS-IDT)的新型无参考三维偏振敏感计算成像技术。PS-IDT通过多角度圆偏振光照射样品,利用矢量多层光束传播模型(MSBP)和梯度下降算法迭代重建样品的三维各向异性分布。该技术无需干涉参考光或机械扫描,能够处理多重散射样品,并通过强度测量实现3D成像。文中展示了对马铃薯淀粉颗粒和缓步类动物等样品的成功成像实验,并提供了Python代码实现,包括系统初始化、前向传播、多层传播、重建算法以及数字体模验证等模块。 适用人群:具备一定光学成像和编程基础的研究人员,尤其是从事生物医学成像、材料科学成像领域的科研工作者。 使用场景及目标:①研究复杂散射样品(如生物组织、复合材料)的三维各向异性结构;②开发新型偏振敏感成像系统,提高成像分辨率和对比度;③验证和优化计算成像算法应用于实际样品的高精度成像。 其他说明:PS-IDT技术相比传统偏振成像方法具有明显优势,如无需干涉装置、无需机械扫描、可处理多重散射等。然而,该技术也面临计算复杂度高、需要多角度数据采集等挑战。文中还提出了改进方向,如采用更高数值孔径(NA)物镜、引入深度学习超分辨率技术等,以进一步提升成像质量和效率。此外,文中提供的Python代码框架为研究人员提供了实用的工具,便于理解和应用该技术。
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