【快速幂模和组合数取模】

更好的阅读体验

记得在我第一天学习编程的时候老师就和我们说:为什么要学计算机呢?因为它速度快啊。一句玩笑话,不过确实快啊。这几天水题的时候就遇到了这样一个问题a^b%c,想了好几个方法都一直tle,一直不知道为啥,后来才知道有一个神奇的算法,快速幂,真是好用也神奇,真的是,我们全家都用它。
下面来介绍几个基本的求幂模的方法。
1.幂模的递归实现。直接贴上代码了,没什么好分析的。

long long cal(long long a,long long b,long long c)
{//虽然看起来没有用循环来实现,不过很明显可以看出这是一个迭代的过程
	if(b==1)
		return a%c;
	return cal(a,b-1,c)*a%c;
}

2.幂模的循环实现。还是直接贴吧,估计以后也不看了。

long long cal(long long a,long long b,long long c)
{
	a%=b;
	long long ans=a;
	for(int i=1;i<b;i++)
		ans=ans*a%c;
	return ans;
}

3.下面要放大招了,就是我们今天要介绍的快速幂模。

long long cal(long long a,long long b,long long c)
{
	long long ans=1;
	int num=a%c;
	while(b)
	{
		if(b&1)
		{
			ans=ans*num%c;
		}
		num=(num*num)%c;
		b>>=1;
	}
	return ans;
}

下面来解释一下为什么可以这样做:

首先了解一点小知识:‘&’是个什么东东,第一次看的时候,笔者还是个弱逼(当然现在还是),现在算是懂了。这是位运算的一种。先将两个数字都转化为二进制,然后每位进行与运算,比如:7&8=0。为什么呢?
7的二进制表示是0111
8的二进制表示是1000
按位与的结果是0000也就是0,明白了这个再来讲讲和我们要做的有什么关系。首先,根据数学原理有:a(b+c)=ab*a^c。这样的话,我们
就可以把指数拆成几部分,每次将乘积的部分乘起来就可以得到答案。其中我们是把b拆成了二进制,为什么要这样呢?因为前一位是后一位的两倍,当所需数据是指数的时候就转化为底数的乘积。这一步的转化导致了我们计算量减少到了logn,然后每次取余就可以得到答案了。

同样
的原理,我们可以写出组合数的求模算法

long long C(long long n,long long m,long long p)
{
	if(m>n)return 0;//不符合数学规律的情况
	long long ans=1;
	for(int i=1;i<=m;i++)
	{
		long long a=(n+i-m)%p;
		long long b=i%p;
		ans=ans*(a*cal(b,p-2,p)%p)%p;
	}
	return ans;
}

开始的时候写的东西一直过不了,一直不知道哪里该取余,后来发现一个好用但是无脑的方法就是:每次可能要用到取余的地方就一直取余,至少这样不会错。

<think>好的,我现在需要帮助用户了解快速幂算法的实现应用。首先,我要回忆一下快速幂的基本原理,然后结合操作来解释。根据用户提供的引用内容,特别是引用[3]中的代码,可以知道快速幂的关键步骤是通过循环将指数分解为二进制,并利用运算的性质来减少计算量。 首先,我应该解释快速幂算法的核心思想,可能包括分治策略二进制分解。然后,详细说明实现步骤,比如如何将指数n逐步减半,处理奇偶情况,以及每一步都进行操作以防止数值溢出。接着,给出一个具体的代码示例,比如C++的实现,这样用户可以直接参考板。 然后,需要考虑应用场景,用户提到的LeetCode题目是一个例子,这里需要说明在组合数计算或大数问题中快速幂的重要性。此外,还要提到其他常见应用,比如密码学中的RSA算法,或者动态规划中的优化步骤。 用户可能还关心为什么需要,这时候要解释大数计算中的溢出问题,以及运算在题目或实际应用中的必要性。此外,可能需要比较传统幂运算快速幂的时间复杂度差异,强调O(log n)的优势。 在组织回答时,要确保结构清晰,分点说明实现步骤、板代码、应用场景示例分析。同时,检查引用内容是否正确,比如引用[3]中的代码是否适合作为板,是否有必要进一步解释代码中的位运算操作,比如n&1n>>=1的作用。 最后,生成相关问题时要围绕快速幂的优化、与其他算法的结合、不同编程语言的实现差异,以及具体的LeetCode题目应用。确保问题能够引导用户深入理解该算法的各个方面。</think>### 快速幂算法详解 #### 一、算法核心思想 快速幂结合了**快速幂算法****运算性质**,用于高效计算形如$(a^b) \mod m$的表达式。其时间复杂度为$O(\log b)$,相比传统循环乘法$O(b)$显著提升效率[^2]。 #### 二、实现步骤 1. **初始化结果**:设$res=1$,用于存储最终结果 2. **循环处理指数**: - **当指数为奇数**:先乘底数并,即$res = (res \times a) \mod m$ - **底数平方**:将$a$更新为$(a \times a) \mod m$ - **指数折半**:通过右移运算$b = b >> 1$ 3. **终止条件**:当指数$b=0$时结束循环 #### 三、C++板代码 ```cpp typedef long long ll; ll fast_pow_mod(ll a, ll b, ll mod) { ll res = 1; while (b > 0) { if (b & 1) // 判断奇偶性 res = (res * a) % mod; a = (a * a) % mod; // 底数平方 b >>= 1; // 指数折半 } return res; } ``` #### 四、应用场景 1. **密码学**:RSA加密中的大数幂运算[^3] 2. **组合数学**:计算组合数$C(n,k) \mod p$时配合逆元使用 3. **算法竞赛**:处理大数溢出问题(如LeetCode 1498题的子序列计数)[^4] 4. **动态规划优化**:矩阵快速幂求解递推关系 #### 五、LeetCode应用示例 以**LeetCode 1498**为例,题目要求计算满足条件的子序列数目。解题时需要: 1. 对数组排序后确定有效区间 2. 使用组合数公式$2^{(j-i)}$计算子序列数量 3. 通过快速幂避免数值溢出 关键代码片段: ```cpp for (int i = 0; i < n; ++i) { while (j < n && nums[i] + nums[j] <= target) j++; ans = (ans + fast_pow_mod(2, j - i - 1, MOD)) % MOD; } ``` #### 六、运算性质 快速幂依赖以下数学性质: $$(a \times b) \mod m = [(a \mod m) \times (b \mod m)] \mod m$$ 这使得每一步计算都能控制数值范围,防止溢出。
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

打赏作者

zuhiul

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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