hdu 3524 Perfect Squares【打表、除法取余、快速幂】

本文通过使用C++编程语言,实现了一系列算法,包括打表、查找模式、递归公式应用以及模运算等概念。重点展示了如何通过迭代和模运算获取特定序列的大小,并通过数学证明验证了模运算的性质。进一步介绍了如何利用扩展欧几里得算法求解模逆元,并将其应用于求解递归序列的模运算结果。最后,通过预计算和模运算优化,实现了高效的计算方法。
先打表,找规律

#include<iostream> #include<set> using namespace std; int main() { set<long long>myset; for(long long i=1;i<20;i++,cout<<endl) { myset.clear(); for(long long j=0;j<1000000;j++) myset.insert(j*j%(1<<i)); cout<<i<<' '<<myset.size(); } return 0; }


f(i)=4*f(i-2)-5 通项 f(i)=(2^(n-1)+5)/3 i为奇数
f(i)=4*f(i-2)-4 f(i)=(2^(n-1)+4)/3 i为偶数
即 f(i)=(2^(n-1)+4+n%1)/3
若b%c=1,则a/b%c=a%c=d,证明如下:
b=c*k1+1 a=b*(c*k2+d)=(c*k1+1)*(c*k2+d)=c*(k1*k2+k1*d+k2)+d=c*k3+d
因此a%c=d=a/b%c
求解f(i)%mod,a/b%c=(a*k)/(b*k)%c=a*k%c,(b*k%c=1)
即求任一k使b*k%c=1, 即b*k=c*k'+1,设x=k,y=-k’,则x*b+y*c=1,extgcd或者打表求一个x即可

#include<iostream> using namespace std; int extgcd(int &x,int &y,int a,int b) { if(b==0){x=1,y=0;return a;} int d=extgcd(x,y,b,a%b); int t=x;x=y;y=t-a/b*y; return d; } int main() { int x,y; extgcd(x,y,3,10007); cout<<x<<endl; }

#include<iostream> using namespace std; int main() { for(int i=1;i<1000000;i++) if(i*3%10007==1) { cout<<i<<endl;break; } }

所以f(i)=(2^(n-1)+4+n%1)*3336%10007.

#include<iostream> using namespace std; typedef long long ll; const ll mod=10007; ll pow(ll n) { ll ans=1,base=2; while(n) { if(n&1) ans=ans*base%mod; base=base*base%mod,n>>=1; } return ans; } int main() { ll t,n,cas=1; cin>>t; while(t--) { cin>>n; cout<<"Case #"<<cas++<<": "<<3336*(pow(n-1)+4+(n&1))%mod<<endl; } return 0; }




提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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