学习卢卡斯定理一篇QWQ

lucas定理学习。。

首先,我们得知道卢卡斯定理求得是啥。。。

比如C(n,m)求的是从n个数中取m个数的组合数

而C(n,m)等于的是n!/(m!*(n-m)!)。。不否认我们可以递推过去。。但是如果如果
m很大呢。。。大的达到了一个天文数字级别。。你该怎么办呢。。好吧卢卡斯也没有办法。。

但是,但是,如果MOD上一个素数P,结果就会很小,有人会说,我直接一边乘一边mod呗。。不是一样吗。。
我相信卢卡斯不会闲着没事干干这种事的,,,瞎掰个定理来玩你。。。

试想若果你乘的阶乘里面有一个modP等于0的数呢。。sisisisis。。不太好,不太好。。。
可是我们的这个n!/(m!*!(n-m))除后得到的结果是不会是P的倍数的(一般);

所以下面就正式来讲lucas(n+m,m)这个蛇皮的东西

首先lucas既然是为了将天文数字降下来。。。那么我们的初始化。要初始化多少捏。。。

准确的说是1!------P!,都要用到。。原因是代码中会讲;

第一段
初始化
本人手懒就std关库cin了

std::ios::sync_with_stdio(false);
	cin>>T;
	while(T--){
		cin>>n>>m>>p; fac[0]=1; 
		for(int i=1; i<=p; ++i) fac[i]=fac[i-1]*i%p; 
		cout<<lucas(n+m,m)%p<<endl;

你问为神马是n+m,m吗

你问你谷zcy这位管理员去,这个锅我不背
你谷卢卡斯定理模板

下面我们就简化成n和m即n=原来的n+m,m也就显而易见了

lucas定理主要证明就是(x) 我不会

他们都贴的是冯志刚的37页初等数论。。可惜我数竞太差了,,看不懂。。

所以友善的贴一下另一位大佬的证明博客
记得回来呀

所以我们得出
lucas(n,m)=lucas(n/P,m/P)*C(n%P,m%P) 的一条公式

诶你说和你之前看的不一样,,额,那种写法被我抛弃了。。
简单贴一下那种代码

#include<bits/stdc++.h>
using namespace std;
typedef long long ll;
const int MAXN=1e5,N=1e5+10;
ll p,a[N],b[N];
ll Lucas(ll x,ll y) {
	if (x<y) return 0;
	if (x<p&&y<p) return a[x]*b[x-y]%p*b[y]%p;
	return Lucas(x%p,y%p)*Lucas(x/p,y/p)%p;
}
int main() {
	int T;
	scanf("%d",&T);
	while (T--) {
		ll n,m;
		scanf("%lld%lld%lld",&n,&m,&p);
		n+=m;
		a[0]=1;
		for (register ll i=1; i<=p-1; ++i) a[i]=a[i-1]*i%p; 
		b[1]=1;
		for (register ll i=2; i<=p-1; ++i) b[i]=((-p/i*b[p%i])%p+p)%p; 
		b[0]=1;
		for (register ll i=1; i<=p-1; ++i) b[i]=b[i]*b[i-1]%p; 
		printf("%lld\n",Lucas(n,m)); 
	}
	return 0;
}

不知道为什么之前的注释会乱码,,不放上去了。。

然后我们会惊奇的发现C(n%P,m%P)我们是能求的

这里要用到逆元的知识,本人不在普及,,

即C下n!/(m!*(n-m)!) n!,m!,(n-m)!我们都求出来了?????为啥

我们看看前面的

首先lucas既然是为了将天文数字降下来。。。那么我们的初始化。要初始化多少捏。。。
准确的说是1!------P!,都要用到。。原因是代码中会讲;

终于用到了,,呵呵。。都%过了,还怕比他大?

所以一切结束

贴代码

#include<bits/stdc++.h>
using namespace std;
long long n,m,p,T,fac[100010];
long long fpow(int x,int y){
    long long res=x; y--;
    while(y){if (y&1) res=1ll*res*x%p; 
    x=1ll*x*x%p; y/=2;  }return res; 
}
long long C(int n,int m){
    if (m>n) return 0; 
    return (fac[n]*fpow((fac[m]*fac[n-m])%p,p-2)%p);
}
long long lucas(int n,int m){
    if (m==0) return 1; 
    return (lucas(n/p,m/p)*C(n%p,m%p))%p;}
int main(){
    std::ios::sync_with_stdio(false);
    cin>>T;
    while(T--){
        cin>>n>>m>>p; fac[0]=1; 
        for(int i=1; i<=p; ++i) fac[i]=fac[i-1]*i%p; 
        cout<<lucas(n+m,m)%p<<endl;
    }
}

代码略丑,大佬勿喷。。。

																		THE END
内容概要:本文详细介绍了一种基于Simulink的表贴式永磁同步电机(SPMSM)有限控制集模型预测电流控制(FCS-MPCC)仿真系统。通过构建PMSM数学模型、坐标变换、MPC控制器、SVPWM调制等模块,实现了对电机定子电流的高精度跟踪控制,具备快速动态响应和低稳态误差的特点。文中提供了完整的仿真建模步骤、关键参数设置、核心MATLAB函数代码及仿真结果分析,涵盖转速、电流、转矩和三相电流波形,验证了MPC控制策略在动态性能、稳态精度和抗负载扰动方面的优越性,并提出了参数自整定、加权代价函数、模型预测转矩控制和弱磁扩速等优化方向。; 适合人群:自动化、电气工程及其相关专业本科生、研究生,以及从事电机控制算法研究与仿真的工程技术人员;具备一定的电机原理、自动控制理论和Simulink仿真基础者更佳; 使用场景及目标:①用于永磁同步电机模型预测控制的教学演示、课程设计或毕业设计项目;②作为电机先进控制算法(如MPC、MPTC)的仿真验证平台;③支撑科研中对控制性能优化(如动态响应、抗干扰能力)的研究需求; 阅读建议:建议读者结合Simulink环境动手搭建模型,深入理解各模块间的信号流向与控制逻辑,重点掌握预测模型构建、代价函数设计与开关状态选择机制,并可通过修改电机参数或控制策略进行拓展实验,以增强实践与创新能力。
根据原作 https://pan.quark.cn/s/23d6270309e5 的源码改编 湖北省黄石市2021年中考数学试卷所包含的知识点广泛涉及了中学数学的基础领域,涵盖了实数、科学记数法、分式方程、几何体的三视图、立体几何、概率统计以及代数方程等多个方面。 接下来将对每道试题所关联的知识点进行深入剖析:1. 实数与倒数的定义:该题目旨在检验学生对倒数概念的掌握程度,即一个数a的倒数表达为1/a,因此-7的倒数可表示为-1/7。 2. 科学记数法的运用:科学记数法是一种表示极大或极小数字的方法,其形式为a×10^n,其中1≤|a|<10,n为整数。 此题要求学生运用科学记数法表示一个天文单位的距离,将1.4960亿千米转换为1.4960×10^8千米。 3. 分式方程的求解方法:考察学生解决包含分母的方程的能力,题目要求找出满足方程3/(2x-1)=1的x值,需通过消除分母的方式转化为整式方程进行解答。 4. 三视图的辨认:该题目测试学生对于几何体三视图(主视图、左视图、俯视图)的认识,需要识别出具有两个相同视图而另一个不同的几何体。 5. 立体几何与表面积的计算:题目要求学生计算由直角三角形旋转形成的圆锥的表面积,要求学生对圆锥的底面积和侧面积公式有所了解并加以运用。 6. 统计学的基础概念:题目涉及众数、平均数、极差和中位数的定义,要求学生根据提供的数据信息选择恰当的统计量。 7. 方程的整数解求解:考察学生在实际问题中进行数学建模的能力,通过建立方程来计算在特定条件下帐篷的搭建方案数量。 8. 三角学的实际应用:题目通过在直角三角形中运用三角函数来求解特定线段的长度。 利用正弦定理求解AD的长度是解答该问题的关键。 9. 几何变换的应用:题目要求学生运用三角板的旋转来求解特定点的...
Python基于改进粒子群IPSO与LSTM的短期电力负荷预测研究内容概要:本文围绕“Python基于改进粒子群IPSO与LSTM的短期电力负荷预测研究”展开,提出了一种结合改进粒子群优化算法(IPSO)与长短期记忆网络(LSTM)的混合预测模型。通过IPSO算法优化LSTM网络的关键参数(如学习率、隐层节点数等),有效提升了模型在短期电力负荷预测中的精度与收敛速度。文中详细阐述了IPSO算法的改进策略(如引入自适应惯性权重、变异机制等),增强了全局搜索能力与避免早熟收敛,并利用实际电力负荷数据进行实验验证,结果表明该IPSO-LSTM模型相较于传统LSTM、PSO-LSTM等方法在预测准确性(如MAE、RMSE指标)方面表现更优。研究为电力系统调度、能源管理提供了高精度的负荷预测技术支持。; 适合人群:具备一定Python编程基础、熟悉基本机器学习算法的高校研究生、科研人员及电力系统相关领域的技术人员,尤其适合从事负荷预测、智能优化算法应用研究的专业人士。; 使用场景及目标:①应用于短期电力负荷预测,提升电网调度的精确性与稳定性;②为优化算法(如粒子群算法)与深度学习模型(如LSTM)的融合应用提供实践案例;③可用于学术研究、毕业论文复现或电力企业智能化改造的技术参考。; 阅读建议:建议读者结合文中提到的IPSO与LSTM原理进行理论学习,重点关注参数优化机制的设计思路,并动手复现实验部分,通过对比不同模型的预测结果加深理解。同时可拓展尝试将该方法应用于其他时序预测场景。
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