POJ 3070 矩阵快速幂

本文详细介绍了矩阵幂模算法的基本概念,并通过HDU1420蒙哥马利幂模算法实例深入探讨了矩阵操作与幂模运算的结合应用。文章包括矩阵乘法、快速幂模算法实现及单位阵的初始化过程,最后通过实例验证算法的有效性和正确性。

矩阵幂模;

可以参考:

 

HDU 1420 蒙哥马利幂模算法


不同之处,在于,一个是 数字,一个是矩阵;原理都一样;

/*  
 *problem ID: POJ 3070
 * Author ID: fuqiang  
 *      TIME: 2013-07-17  
 * Algorithm: 幂模   
 *    Status: (Accept)  
*/   

#include <iostream>
#include <cstdio>
#include <string>
#include <cstring>
#include <cstdlib>
using namespace std;
#define maxn 2
struct matrix //矩阵 
{
	__int64 arr[maxn][maxn];
}origin,res;

matrix multiply(matrix a, matrix b)  //矩阵乘法 
{
	matrix temp;
	memset(temp.arr,0,sizeof(temp.arr));
	for(int i = 0; i < maxn; i++)
	{
		for(int j = 0; j < maxn; j++)
		{
			for(int k = 0; k < maxn; k++)
			{
				temp.arr[i][j] += a.arr[i][k]*b.arr[k][j];
			}
		}
	}
	return temp;
}
inline void mod_1w(matrix & k)  //mod 10000 
{
	for(int i = 0; i < maxn; i++)
	{
		for(int j = 0; j < maxn; j++)
		{
			k.arr[i][j] %= 10000;
		}
	}
}
matrix caclo(matrix a,int n,matrix k)  //快速幂模 
{
	mod_1w(a);
	while(n)
	{
		if(n&1)
		{
			k = multiply(k,a);
			mod_1w(k);
		}	
		a = multiply(a,a);
		mod_1w(a);
		n >>= 1;
	}
	return k;
}
void InIt()
{
	origin.arr[0][0] = origin.arr[0][1] = origin.arr[1][0] = 1;
	origin.arr[1][1] = 0;
	memset(res.arr,0,sizeof(res.arr));
	for(int i = 0; i < maxn; i++)  //置为单位阵 
		res.arr[i][i] = 1;
}
int main()
{
	
	int n;
	while(scanf("%d",&n)!=EOF)
	{
		if(n==-1)
			break;
		InIt();
		matrix ans = caclo(origin,n,res);
		printf("%I64d\n",ans.arr[0][1]);
	}
	return 0;
}


### 关于POJ 1995问题的快速幂C++实现 对于POJ 1995问题,其核心在于通过矩阵快速幂算法高效解决大规模数据下的指数运算。以下是基于引用材料中的相关内容构建的一个完整的解决方案。 #### 矩阵快速幂的核心逻辑 矩阵快速幂是一种高效的计算方式,在处理线性递推关系时尤为有效。例如斐波那契数列可以通过构造特定的转移矩阵来加速计算[^4]。具体来说,给定一个初始状态向量和一个转移矩阵,经过若干次幂运算后可获得目标状态。 以下是一个通用的矩阵快速幂模板: ```cpp #include <iostream> using namespace std; const int N = 2; // 定义矩阵大小 struct Matrix { long long m[N][N]; }; // 矩阵乘法函数 Matrix multiply(const Matrix& a, const Matrix& b) { Matrix c; for (int i = 0; i < N; ++i) { for (int j = 0; j < N; ++j) { c.m[i][j] = 0; for (int k = 0; k < N; ++k) { c.m[i][j] += a.m[i][k] * b.m[k][j]; c.m[i][j] %= 10000; // 取模操作 } } } return c; } // 快速幂函数 Matrix fastPower(Matrix base, long long exp) { Matrix result; for (int i = 0; i < N; ++i) { for (int j = 0; j < N; ++j) { result.m[i][j] = (i == j); } } while (exp > 0) { if (exp % 2 == 1) { result = multiply(result, base); } base = multiply(base, base); exp /= 2; } return result; } int main() { long long n; cin >> n; // 初始化转移矩阵 Matrix trans; trans.m[0][0] = 0; trans.m[0][1] = 1; trans.m[1][0] = 1; trans.m[1][1] = 1; // 计算结果矩阵 if (n == 0 || n == 1) { cout << 1 << endl; } else { Matrix res = fastPower(trans, n - 1); // 初始状态向量 long long fib_prev = 1; long long fib_curr = 1; // 输出结果 cout << (res.m[0][0] * fib_prev + res.m[0][1] * fib_curr) % 10000 << endl; } return 0; } ``` 此代码实现了针对斐波那契数列的大规模项求解功能,并采用了取模`%10000`的操作以满足题目需求。其中的关键部分包括矩阵乘法、快速幂以及状态转移的设计[^3]。 #### 特殊注意点 在实际提交过程中需要注意以下几个方面: - **大数组定义**:如果涉及更大的矩阵或者更复杂的动态规划表,则需特别留意内存分配的位置及其范围限制[^2]。 - **时间复杂度控制**:尽管快速幂本身具有较低的时间复杂度O(log n),但在极端情况下仍需验证是否存在进一步优化空间。 - **边界条件处理**:如输入为较小数值时直接返回已知答案而非进入循环计算流程。
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