【模板】Pollard Rho

本文介绍了一种基于Pollard Rho和Miller Rabin算法的高效素数分解方法,详细讨论了算法的实现细节,包括快速乘法、二进制版gcd以及通过Miller Rabin算法进行素性测试的方法。

就是个板子···
然而luoguluoguluogu上最后一个点太毒了949494分弃疗
复杂度是p\sqrt pp的,pppnnn的某个最小因子,满足pppn/pn/pn/p互质

对于复杂度的优化可以用真正地快速乘,以及ctzctzctz二进制版gcdgcdgcd,还有在中间每次k&lt;&lt;=1k&lt;&lt;=1k<<=1据说可以更快,然而这还是不能过掉最后一个点,看过掉的人都是用确定555个质数那样做Miller RabinMiller\ RabinMiller Rabin,但那样好像正确性不能保证??

949494分代码如下:

#include<bits/stdc++.h>
#define LL long long
using namespace std;
const int mod=10000019;
const int tim=5;
const int M=(1<<7)-1;
LL mx,n;

inline LL mul(LL x,LL y,LL MOD){
    LL tmp=(x*y-(LL)((long double)x/MOD*y+1e-8)*MOD);
    return tmp<0?tmp+MOD:tmp;
}

inline LL qpow(LL a,LL b,LL m){
	LL ret=1; a%=m;
	while(b){
		if(b&1) ret=mul(a,ret,m);
		b>>=1; a=mul(a,a,m);
	} ret%=m; return ret;
}

inline bool Miller_Rabin(LL n,int t){
	if(n==2 || n==3 || n==5) return true;
	if(n%2==0 || n==1 || n==46856248255981ll) return false;
	LL d=n-1; int s=0;
	while(!(d&1)) ++s,d>>=1;
	for(int i=0;i<t;i++){
		LL a=rand()%(n-3)+2;
		LL x=qpow(a,d,n),y=0;
		for(int j=0;j<s;j++){
			y=mul(x,x,n);
			if(y==1 && x!=1 && x!=n-1) return false;
			x=y;
		}
		if(y!=1) return false;
	} return true;//
}

//LL gcd(LL a,LL b){return b==0?a:gcd(b,a%b);}
LL gcd(LL a, LL b) {
    if (!a) return b;
    if (!b) return a;
#define ctz __builtin_ctzll
    int t = ctz(a | b);
    a >>= ctz(a);
    do {
        b >>= ctz(b);
        if (a > b) {
            LL tmp = b;
            b = a;
            a = tmp;
        }
        b -= a;
    } while (b != 0);
    return a << t;
}//???

LL Pollard_Rho(LL n,LL c){
	if(n%2==0) return 2;
	if(n%3==0) return 3;
	if(n%5==0) return 5;
	if(n%7==0) return 7;
	if(n%61==0) return 61;
	if(n%24251==0) return 24251;
	LL x=rand()%(n-2)+1,y=x,i=1,k=2,d;
	while(1){
		++i;
		x=(mul(x,x,n)+c)%n;
		d=gcd((y-x+n)%n,n);
		if(1<d && d<n) return d;
		if(y==x) return n;
		if(i==k) y=x,k<<=1;//
	}
}

void find(LL n,LL c){
	if(n==1 || n<=mx) return;
	if(Miller_Rabin(n,tim)) {mx=max(mx,n);return;}
	LL p=n;
	while(p>=n) p=Pollard_Rho(p,c--);
	find(p,c); find(n/p,c);
}

int T;

int main(){
	srand((unsigned)time(NULL));
	scanf("%d",&T);
	while(T--){
		scanf("%lld",&n); mx=0;
		find(n,rand()%(n-1)+1);
		if(mx==n) puts("Prime");
		else printf("%lld\n",mx);
	}
	return 0;
}
具有多种最大功率点跟踪(MPPT)方法的光伏发电系统(P&O-增量法-人工神经网络-模糊逻辑控制-粒子群优化)之使用粒子群算法的最大功率点追踪(MPPT)(Simulink仿真实现)内容概要:本文介绍了一个涵盖多个科研领域的综合性MATLAB仿真资源集合,重点聚焦于光伏发电系统中基于粒子群优化(PSO)算法的最大功率点追踪(MPPT)技术的Simulink仿真实现。文档还列举了多种MPPT方法(如P&O、增量电导法、神经网络、模糊逻辑控制等),并展示了该团队在电力系统、智能优化算法、机器学习、路径规划、无人机控制、信号处理等多个方向的技术服务能力与代码实现案例。整体内容以科研仿真为核心,提供大量可复现的Matlab/Simulink模型和优化算法应用实例。; 适合人群:具备一定电力电子、自动控制或新能源背景,熟悉MATLAB/Simulink环境,从事科研或工程仿真的研究生、科研人员及技术人员。; 使用场景及目标:①学习并实现光伏系统中基于粒子群算法的MPPT控制策略;②掌握多种智能优化算法在电力系统与自动化领域的建模与仿真方法;③获取可用于论文复现、项目开发和技术攻关的高质量仿真资源。; 阅读建议:建议结合提供的网盘资料,按照研究方向选取对应模块进行实践,重点关注Simulink模型结构与算法代码逻辑的结合,注重从原理到仿真实现的全过程理解,提升科研建模能力。
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