快速幂取模

快速幂

   先讨论无需取模的

  当b为偶数时:ab=a(b/2)*2=(a2)b/2

  当b为奇数时:ab=a*ab-1=a*(a2)(b-1)/2

  如   28=(224         27=2*(22)3

  所以,我们可以如此迭代下去

  210=(22)5=(22)*[(22)2]2

   ①       ②              ③

  指数为10 是一个偶数,则底数2平方,指数变为一半 [ ①→② ]

  指数为5 是一个奇数,则先将底数提出作为系数(22),此时指数为4 是一个偶数,则底数22再平方,指数再变为一半 [ ②→③ ]

  归纳总结得到:

        当指数大于1时,若为 偶数 则将指数除以2,底数平方

                                   若为 奇数 则先提出一个为底数的系数(可直接把该系数乘进ans中),所以指数减1,然后再按照 偶数 的办法做

  不断迭代下去,当指数为1时,则直接得出答案

  最后只要将每次相乘时取模即可,时间复杂度O(log2b)

 

复制代码
 1 inline int mi(int a,int b)
 2 {
 3     int ans=1;
 4     a%=mo;
 5     while (b)
 6     {
 7         if (b&1) ans=ans*a%mo;
 8         b>>=1;
 9         a=a*a%mo;
10     }
11     return ans;
12 }

 
  1. 对于任何一个整数的模幂运算  
  2. a^b%c  
  3. 对于b我们可以拆成二进制的形式  
  4. b=b0+b1*2+b2*2^2+...+bn*2^n  
  5. 这里我们的b0对应的是b二进制的第一位  
  6. 那么我们的a^b运算就可以拆解成  
  7. a^b0*a^b1*2*...*a^(bn*2^n)  
  8. 对于b来说,二进制位不是0就是1,那么对于bx为0的项我们的计算结果是1就不用考虑了,我们真正想要的其实是b的非0二进制位  
  9.   
  10. 那么假设除去了b的0的二进制位之后我们得到的式子是  
  11. a^(bx*2^x)*...*a(bn*2^n)  
  12. 这里我们再应用我们一开始提到的公式,那么我们的a^b%c运算就可以转化为  
  13. (a^(bx*2^x)%c)*...*(a^(bn*2^n)%c)  
  14. 这样的话,我们就很接近快速幂的本质了  
[cpp]  view plain  copy
  1. (a^(bx*2^x)%c)*...*(a^(bn*2^n)%c)  
  2. 我们会发现令  
  3. A1=(a^(bx*2^x)%c)  
  4. ...  
  5. An=(a^(bn*2^n)%c)  
  6. 这样的话,An始终是A(n-1)的平方倍(当然加进去了取模匀速那),依次递推  
现在,我们基本的内容都已经了解到了,现在我们来考虑实现它:
[cpp]  view plain  copy
  1. int quick(int a,int b,int c)  
  2. {  
  3.     int ans=1;   //记录结果  
  4.     a=a%c;   //预处理,使得a处于c的数据范围之下  
  5.     while(b!=0)  
  6.     {  
  7.         if(b&1) ans=(ans*a)%c;   //如果b的二进制位不是0,那么我们的结果是要参与运算的  
  8.         b>>=1;    //二进制的移位操作,相当于每次除以2,用二进制看,就是我们不断的遍历b的二进制位  
  9.         a=(a*a)%c;   //不断的加倍  
  10.     }  
  11.     return ans;  
  12. }  
现在,我们的快速幂已经讲完了
我们来大致的推演一下快速幂取模算法的时间复杂度
首先,我们会观察到,我们每次都是将b的规模缩小了2倍
那么很显然,原本的朴素的时间复杂度是O(n)
快速幂的时间复杂度就是O(logn)无限接近常熟的时间复杂度无疑逼朴素的时间复杂度优秀很多,在数据量越大的时候,者中优化效果越明显

3.OJ例题

POJ1995
题意:
快速幂版题
[cpp]  view plain  copy
  1. #include"iostream"  
  2. #include"cstdio"  
  3. #include"cstring"  
  4. #include"cstdlib"  
  5.   
  6. using namespace std;  
  7.   
  8. int ans=0;  
  9. int a,b;  
  10. int c;  
  11.   
  12. int quick(int a,int b,int c)  
  13. {  
  14.     int ans=1;  
  15.     a=a%c;  
  16.     while(b!=0)  
  17.     {  
  18.         if(b&1) ans=(ans*a)%c;  
  19.         b>>=1;  
  20.         a=(a*a)%c;  
  21.     }  
  22.     return ans;  
  23. }  
  24.   
  25. int main()  
  26. {  
  27.     int for_;  
  28.     int t;  
  29.     scanf("%d",&t);  
  30.     while(t--)  
  31.     {  
  32.         ans=0;  
  33.         scanf("%d%d",&c,&for_);  
  34.         for(int i=1;i<=for_;i++)  
  35.         {  
  36.             scanf("%d%d",&a,&b);  
  37.             ans=(ans+quick(a,b,c))%c;  
  38.         }  
  39.         printf("%d\n",ans);  
  40.     }  
  41.     return 0;  
  42. }  
标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能块划分、数据库设计等。3.1系统功能块设计划分系统功能块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习块,提供多种数据处理和建功能。它简化了数据清洗、特征提型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归型 逻辑回归是一种常用于分类任务的线性型,特别适用于二类问题。在信用评估中,该型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强型的适应性。 六、型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注型的召回率与特异性。 七、集成学习方法 为提升型预测能力,可采用集成策略,如结合多个型的预测结果。这有助于降低单一型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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

看个人简介有交流群(付费)

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