洛谷 P1306斐波那契公约数

n,m<1e9 求gcd(f[n],f[m])

公式gcd(f[n],f[m]) = f [  gcd(n,m)]

这就转化成矩阵快速幂求f[x];

性质2 gcd(f[n],f[n+1]) = 1;

#include<bits/stdc++.h>
using namespace std;

#define ll long long
#define pb push_back
#define mp make_pair
#define fi first
#define se second
#define all(v) v.begin(),v.end()
#define mem(a) memset(a,0,sizeof(a))


const ll mod =1e8;
const int N = 20;

//提议 : 求 gcd(f[n],f[m])  = f[gcd(n,m)]  tip: gcd(f[n],f[n+])=1;
namespace Matrix{
    int xn;
    struct Mat{
        int v[N][N];
        Mat(){}
        Mat(int x){
            memset(v,0,sizeof v);
            for (int i=1;i<=xn;i++)
                v[i][i]=x;
        }
        void Print(){
            for (int i=1;i<=xn;i++,puts(""))
                for (int j=1;j<=xn;j++)
                    printf("%3d ",v[i][j]);
            puts("");
        }
    };

    Mat operator * (Mat A,Mat B){
        Mat C(0);
        for (int i=1;i<=xn;i++)
            for (int j=1;j<=xn;j++)
                for (int k=1;k<=xn;k++)
                    C.v[i][j]=(1LL*A.v[i][k]*B.v[k][j]+C.v[i][j])%mod;
        return C;
    }
    Mat Pow(Mat x,ll y){
        Mat ans(1);
        for (;y;y>>=1,x=x*x)
            if (y&1ll){
                 ans=ans*x;
                 //ans.Print();
            }

        return ans;
    }
}
using namespace Matrix;
int main(){
    int n,m;
    cin>>n>>m;
    int v= __gcd(n,m);
    xn  = 2;
    Mat a;
    a.v[1][1]= a.v[1][2]= a.v[2][1]= 1;
    a.v[2][2]=0;

    Mat ans = Pow(a,1ll*v);

    cout<<ans.v[1][2]<<endl;


    return 0;
}

 

转载于:https://www.cnblogs.com/wjhstudy/p/10769872.html

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