洛谷-2183 [国家集训队]礼物

题目描述
一年一度的圣诞节快要来到了。每年的圣诞节小E都会收到许多礼物,当然他也会送出许多礼物。不同的人物在小E心目中的重要性不同,在小E心中分量越重的人,收到的礼物会越多。小E从商店中购买了n件礼物,打算送给m个人,其中送给第i个人礼物数量为wi。请你帮忙计算出送礼物的方案数(两个方案被认为是不同的,当且仅当存在某个人在这两种方案中收到的礼物不同)。由于方案数可能会很大,你只需要输出模P后的结果。
输入格式
输入的第一行包含一个正整数P,表示模;
第二行包含两个整整数n和m,分别表示小E从商店购买的礼物数和接受礼物的人数;
以下m行每行仅包含一个正整数wi,表示小E要送给第i个人的礼物数量。
输出格式
若不存在可行方案,则输出“Impossible”,否则输出一个整数,表示模P后的方案数。

输入输出样例
输入 #1
100
4 2
1
2

输出 #1
12

输入 #2
100
2 2
1
2

输出 #2
Impossible

说明/提示
【样例说明】
下面是对样例1的说明。
以“/”分割,“/”前后分别表示送给第一个人和第二个人的礼物编号。12种方案详情如下:
1/23 1/24 1/34
2/13 2/14 2/34
3/12 3/14 3/24
4/12 4/13 4/23
P=p1c1∗p2c2∗p3c3...ptct,piP={p_1}^{c_1}*{p_2}^{c_2}*{p_3}^{c_3} ... {p_t} ^ {c_t},{p_i}P=p1c1p2c2p3c3...ptct,pi为质数。
对于100100%100的数据,1≤n≤109,1≤m≤5,1≤pici≤105,1≤P≤109。1≤n≤10^9,1≤m≤5,1≤pi^ci≤10^5,1≤P≤10^9。1n1091m51pici1051P109

解释:ans=Cna1∗Cn−a1a2∗Cn−a1−a2a3...∗Cn−a1−a2−...am−1amC_n^{a_1}*C_{n-a_1}^{a_2}*C_{n-a_1-a_2}^{a_3}...*C_{n-a_1-a_2-...a_{m-1}}^{a_m}Cna1Cna1a2Cna1a2a3...Cna1a2...am1am
那么我可以利用中国剩余定理和扩展卢卡斯定理去解决…然后就完事了…

#include<iostream>
#include<cstring>
using namespace std;
long long P=0,n=0,m=0;
long long s[10]={0};
long long sum=0;
long long ai[103]={0},bi[103]={0};
long long fact[100003]={1,1};
long long x=0,y=0;
void init(long long p){
    for(int i=2;i<=1e5;i++) fact[i]=fact[i-1]*i%p;
}
long long pow(long long y,long long z,long long p){
    y%=p;long long ans=1;
    for(int i=z;i;i>>=1,y=y*y%p)if(i&1)ans=ans*y%p;
    return ans;
}
long long C(long long n,long long m,long long p){
    if(m>n)return 0;
    return ((fact[n]*pow(fact[m],p-2,p))%p*pow(fact[n-m],p-2,p)%p);
}
long long Lucas(long long n,long long m,long long p){
    if(!m)return 1;
    return C(n%p,m%p,p)*Lucas(n/p,m/p,p)%p;
}
long long mul(long long a,long long b,long long mod){
    long long res=0;
    while(b>0){
        if(b&1) res=(res+a)%mod;
        a=(a+a)%mod;
        b>>=1;
    }
    return res;
}
long long exgcd(long long a,long long b,long long &x,long long &y){
    if(b==0){x=1;y=0;return a;}
    long long gcd=exgcd(b,a%b,x,y);
    long long tp=x;
    x=y; y=tp-a/b*y;
    return gcd;
}
long long excrt(int n){
    long long x,y;
    long long M=bi[1],ans=ai[1];
    for(int i=2;i<=n;i++){
        long long a=M,b=bi[i],c=(ai[i]-ans%b+b)%b;
        long long gcd=exgcd(a,b,x,y),bg=b/gcd;
        if(c%gcd!=0) return -1;
        x=mul(x,c/gcd,bg);
        ans+=x*M;
        M*=bg;
        ans=(ans%M+M)%M;
    }
    return (ans%M+M)%M;
}
long long gcd(long long a,long long b){
    if (b==0) return a;
    return gcd(b,a%b);
}
long long INV(long long a,long long p){
    long long x,y;
    exgcd(a,p,x,y);
    return (x+p)%p;
}
long long lcm(long long a,long long b){
    return a/gcd(a,b)*b;
}
long long mabs(long long x){
    return (x>0?x:-x);
}
long long F(long long n,long long P,long long PK){
    if (n==0) return 1;
    long long rou=1;//循环节
    long long rem=1;//余项
    for (long long i=1;i<=PK;i++){
        if (i%P) rou=rou*i%PK;
    }
    rou=pow(rou,n/PK,PK);
    for (long long i=PK*(n/PK);i<=n;i++){
        if (i%P) rem=rem*(i%PK)%PK;
    }
    return F(n/P,P,PK)*rou%PK*rem%PK;
}
long long G(long long n,long long P){
    if (n<P) return 0;
    return G(n/P,P)+(n/P);
}
long long C_PK(long long n,long long m,long long P,long long PK){
    long long fz=F(n,P,PK),fm1=INV(F(m,P,PK),PK),fm2=INV(F(n-m,P,PK),PK);
    long long mi=pow(P,G(n,P)-G(m,P)-G(n-m,P),PK);
    return fz*fm1%PK*fm2%PK*mi%PK;
}
long long A[1001],B[1001];
long long exLucas(long long n,long long m,long long P){
    long long ljc=P,tot=0;
    for (long long tmp=2;tmp*tmp<=P;tmp++){
        if (!(ljc%tmp)){
            long long PK=1;
            while (!(ljc%tmp)){
                PK*=tmp;ljc/=tmp;
            }
            A[++tot]=PK;B[tot]=C_PK(n,m,tmp,PK);
        }
    }
    if (ljc!=1){
        A[++tot]=ljc;B[tot]=C_PK(n,m,ljc,ljc);
    }
    long long ans=0;
    for (long long i=1;i<=tot;i++){
        long long M=P/A[i],T=INV(M,A[i]);
        ans=(ans+B[i]*M%P*T%P)%P;
    }
    return ans;
}
long long mk(long long n,long long m,long long P){
    int t=0;
    for(int i=2;i*i<=P;i++){
        if(P%i==0){
            bi[++t]=1;
            while(P%i==0){
                bi[t]*=i;
                P/=i;
            }
        }
    }
    if(P!=1) bi[++t]=P;
    for(int i=1;i<=t;i++){
        init(bi[i]);
        ai[i]=exLucas(n,m,bi[i]);
    }
    return excrt(t);
}
int main(){
    ios::sync_with_stdio(false);
    cin>>P;
    cin>>n>>m;
    for(int i=1;i<=m;i++) cin>>s[i],sum+=s[i];
    if(sum>n){
        cout<<"Impossible"<<endl;
        return 0;
    }
    long long ret=1;
    sum=0;
    for(int i=1;i<=m;i++){
        long long temp=mk(n-sum,s[i],P);
        ret*=temp;sum+=s[i];
        ret%=P;
    }
    cout<<ret<<endl;
    return 0;
}


内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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