【CodeVS 3123】 高精度练习之超大整数乘法

本文深入探讨了快速傅立叶变换(FFT)算法的具体实现,包括关键的数据结构定义、核心运算逻辑及应用实例。通过详细步骤说明如何使用FFT进行多项式乘法,适合初学者和技术进阶者学习。
RE了2发   init竟然会开小.......

 

 1 #include <cstdio>
 2 #include <algorithm>
 3 #include <complex>
 4 #include <iostream>
 5 #include <cmath>
 6 using namespace std;
 7 const  double PI= acos(-1);
 8 int init[100000*4+10];
 9 #define C complex<double>
10 C a[100000*4+1],b[100000*4+1];
11 int n,m,rev[100000*4];
12 void FFT(C a[],int type)
13 {
14     for(int i=0;i<n;i++) if(rev[i]<i) swap(a[rev[i]],a[i]);
15     for(int i=2;i<=n;i<<=1)
16     {
17         C wn(cos(2*PI/i),type*sin(2*PI/i));
18         for(int j=0;j<n;j+=i)
19         {
20             C w(1,0),x,y;
21             for(int k=0;k<i/2;k++)
22             {
23                 x=a[j+k];
24                 y=a[j+k+i/2]*w;
25                 a[j+k]=x+y;
26                 a[j+k+i/2]=x-y;
27                 w=w*wn;
28             }
29         }
30     }
31 }
32 int main()
33 {
34     //freop0en("a.in","r",stdin);
35     char c=getchar(); 
36     while(c!=' ') init[++n]=c-'0',c=getchar();
37     for(int i=n;i>=1;i--) a[n-i]=init[i];
38     c=getchar();
39     while(c!='\n') init[++m]=c-'0',c=getchar();
40     for(int i=m;i>=1;i--) b[m-i]=init[i];
41     
42     n--,m--;
43    // for(int i=0;i<=n;i++) cout<<a[i]<<' ';cout<<endl;
44 //    for(int i=0;i<=m;i++) cout<<b[i]<<' ';cout<<endl; 
45     m=n+m;int L=0
46     for(n=1;n<=m;n<<=1)L++; L--;
47     for(int i=0;i<n;i++) rev[i]=((rev[i>>1]>>1)|((i&1)<<L));
48 
49     FFT(a,1);FFT(b,1);
50     for(int i=0;i<n;i++) a[i]*=b[i];
51     FFT(a,-1);
52     for(int i=0;i<=m;i++) init[i]=(int)(a[i].real()/n+0.5);//,cout<<init[i]<<' ';cout<<endl;
53     init[m+1]=0;
54     for(int i=0;i<=m;i++) init[i+1]+=init[i]/10,init[i]%=10;//,cout<<init[i+1]<<' ';cout<<endl;
55     if(init[m+1]!=0) m++;
56     for(int i=m;i>=0;i--) printf("%d",init[i]);
57     return 0;
58 }

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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