青蛙的约会(扩展欧几里得) POJ - 1061

部署运行你感兴趣的模型镜像

一道很有意思的题

一道扩展欧几里得的题,刚开始不是很了解。参考了其他人的博客。感觉对扩展欧几里得理解更深了。

大意:有四个数据x,y,n,m,l。x,y是初始距离,n,m是每步的跨越距离。l是每个周期的长度。

(n-m)*z+k*l=(x-y);

就可以直接套扩展欧几里得的模板。需要注意的是这个题应该求的最小正解。

利用扩展欧几里德算法求出方程a * x + b * y = 1的一组整数解x0,y0,则c * x0,c * y0是方程a * x + b * y = c的一组整数解;

根据数论中的相关定理,可得方程a * x + b’* y = c的所有整数解为: x = n * x + b * t 然后就可以算出最小的x;

http://hzwer.com/2121.html 详解的博客

#include<iostream>
#include<cstring>
#include<algorithm>
using namespace std;
typedef long long LL;
LL x,y,m,n,l;
LL a,b,c,gcd;
LL gcd1(LL a,LL b)
{return b==0?a:gcd1(b,a%b);}
void exgcd(LL a,LL b,LL &x,LL &y)
{
   if(b==0){x=1;y=0;return;}
   exgcd(b,a%b,x,y);
   LL t=x;x=y;y=t-a/b*y;
 }
int main(){
	cin>>x>>y>>m>>n>>l;
	a=m-n,b=l,c=y-x;
	if(a<0) a=-a,c=-c; 
	gcd=gcd1(a,b);
	if(c%gcd!=0) cout<<"Impossible"<<endl;
	else{
		exgcd(a,b,x,y);
		x=x*c/gcd;
		LL t=b/gcd;
		x=(x%t+t)%t;
		cout<<x<<endl;
	}
	return 0;
}


您可能感兴趣的与本文相关的镜像

Qwen-Image

Qwen-Image

图片生成
Qwen

Qwen-Image是阿里云通义千问团队于2025年8月发布的亿参数图像生成基础模型,其最大亮点是强大的复杂文本渲染和精确图像编辑能力,能够生成包含多行、段落级中英文文本的高保真图像

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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