17110 Divisible(基础模运算)

本文介绍了一种解决特定整除问题的编程方法,利用了(a*b)%c=(a%c)*(b%c)%c的性质来简化计算过程,确保计算结果在限定范围内,适用于大整数的乘法和模运算。

17110 Divisible

时间限制:1000MS  内存限制:65535K
提交次数:0 通过次数:0

题型: 编程题   语言: G++;GCC

Description

Given n + m integers, I1,I2,...,In,T1,T2,...,Tm, we want to know whether (I1*I2*...*In)%(T1*T2*...*Tm)= =0.




输入格式

The first line gives two integers n and m. 1<=n,m<=100

The second line gives n integers I1 I2 ... In.

The third line gives m integers T1 T2 ... Tn.

1<=Ii, Ti<=231



输出格式

Satisfy (I1*I2*...*In)%(T1*T2*...*Tm)= =0, output "yes", otherwise output "no"



输入样例

2 324 142 7 3


输出样例

yes


作者

admin
   
 
我用的的是(a*b)%c=(a%c)*(b%c)%c,因为a,b都是比较大的整数,通过这样化简能够保证出来的值一定在0-c-1之间,

我是分开求两段,题目要求是否整除,先求前面一段sum1=l1*l2..*ln   ====   sum1=(l1%c)*(l2%c)%c*....(ln%c)%c

同理sum2就是后面那一段t1*t2..*tm,然后根据sum1%sum2==0,判断是否能整除

#include <cstdio>
#include <iostream>
#include <cstring>
#include <algorithm>
#include <cmath>
#include <queue>
#include <stack>
#include <bitset>
#include <vector>
#include <queue>
#include <stack>
#include <deque>
#include <string>
#include <bitset>
#define c 1000000007
#pragma comment(linker, "/STACK:1024000000,1024000000")
using namespace std;
typedef long long ll;
using namespace std;
int main()
{
    int n,m;
    long long sum1,sum2,a;
    sum1=1;
    sum2=1;
    scanf("%d%d",&n,&m);
    while(n--)
    {
        scanf("%lld",&a);
        sum1=(sum1%c)*(a%c)%c;
       // printf("%lld\n",sum1);
    }
    while(m--)
    {
        scanf("%lld",&a);
        sum2=(sum2%c)*(a%c)%c;
       // printf("%lld\n",sum2);
    }
  //  printf("%lld %lld\n",sum1,sum2);
    if(sum1%sum2==0) printf("yes\n");
    else printf("no\n");
}
好像我这种做法是个玄学....


【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
### Mobilenet模型介绍 Mobilenet是一种专为移动设备设计的轻量级深度学习网络架构,在保持较高精度的同时显著减少了参数数量和计算成本[^1]。该模型通过引入一种称为Depthwise Separable Convolution的技术来达到这一目标,这种技术将标准卷积分解成两个更简单的操作:depthwise convolution 和 pointwise convolution。 #### Depthwise Separable Convolution工作原理 传统卷积层会一次性处理整个输入通道的空间位置上的所有数据;而Depthwise Separable Convolution则分为两步: - **Depthwise Convolution**: 对每个输入通道单独执行空间维度上的卷积运算。 - **Pointwise Convolution**: 使用 \(1 \times 1\) 的滤波器跨不同通道组合特征图的信息。 这种方法能够有效减少乘法累加次数(MACs),从而降低了计算资源的需求并提高了运行效率[^2]。 ```python import tensorflow as tf from tensorflow.keras import layers, models def create_mobilenet(input_shape=(224, 224, 3), num_classes=1000): model = models.Sequential() # Initial layer with standard convolutions model.add(layers.Conv2D(32, (3, 3), strides=(2, 2), padding='same', activation='relu', input_shape=input_shape)) # Example of a depthwise separable convolution block def _make_divisible(v, divisor=8, min_value=None): if min_value is None: min_value = divisor new_v = max(min_value, int(v + divisor / 2) // divisor * divisor) return new_v def inverted_residual_block(x, filters, stride, expansion_factor=6): shortcut = x expanded_filters = _make_divisible(tf.shape(x)[-1].numpy() * expansion_factor) y = layers.Conv2D(expanded_filters, kernel_size=1, use_bias=False)(x) y = layers.BatchNormalization()(y) y = layers.ReLU(6.)(y) y = layers.DepthwiseConv2D(kernel_size=3, strides=stride, padding="same", use_bias=False)(y) y = layers.BatchNormalization()(y) y = layers.ReLU(6.)(y) y = layers.Conv2D(filters, kernel_size=1, use_bias=False)(y) y = layers.BatchNormalization()(y) if stride == 1 and tf.shape(x)[-1] == filters: result = layers.Add()([shortcut, y]) else: result = y return result # Add more blocks here... # Final classification head model.add(layers.GlobalAveragePooling2D()) model.add(layers.Dense(num_classes, activation='softmax')) return model ``` 此代码片段展示了如何构建一个基础版本的MobileNet V1结构,并包含了创建可分离卷积模块的方法。实际应用中可能还需要加入更多细节调整以适应特定任务需求。
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