Jzoj4709 Matrix

本文介绍了一种通过计算每个元素贡献来解决特定路径问题的方法。文章详细解释了如何利用组合数学中的公式C(2n-i-2,n-2)来确定从起点到终点的路径数量,并给出了快速计算组合数C(n,m)的方法。此外,还提供了完整的C语言实现代码。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

十分套路,这种题很明显是单独计算每个元素的贡献来搞的

我们发现,对于ti,它最后到n,n的路线有C(2n-i-2,n-2)

而对于每条路线,其值发生的变化都为t[i]*a^(n-i)*b^(n-1)

所以贡献就是∑t[i]*a^(n-i)*b^(n-1)*C(2n-i-2,n-2)

l的话差不多吧

快速求c(n,m)应该不用讲了吧

#include<stdio.h>
#define L long long
#define M 1000000007
L pow(L x,int k){
	L s=1;
	for(;k;x=x*x%M,k>>=1) 
		if(k&1) s=s*x%M;
	return s;
}
L a[100010],b[100010],sa=1,sb=1,S=0;
int n,A,B; 
L pa,pb,inv[200010],js[200010];
L C(int m,int n){
	return js[m]*inv[m-n]%M*inv[n]%M;
}
int main(){
	scanf("%d%d%d",&n,&A,&B);
	for(int i=1;i<=n;++i) scanf("%d",a+i);
	for(int i=1;i<=n;++i) scanf("%d",b+i);
	pa=pow(A,n-1); pb=pow(B,n-1);
	*js=*inv=1;
	for(int i=1;i<=n<<1;++i){
		js[i]=js[i-1]*i%M;
		inv[i]=pow(js[i],M-2);
	}
	if(n==1){ return 0&printf("%d\n",a[1]); }
	for(int i=n;i>1;--i){
		L c=C(2*n-i-2,n-i);
		S=(S+c*(a[i]*pa%M*sb%M+b[i]*pb%M*sa%M)%M)%M;
		sa=sa*A%M; sb=sb*B%M;
	}
	printf("%lld\n",S);
}

转载于:https://www.cnblogs.com/Extended-Ash/p/9477312.html

内容概要:本文深入探讨了Kotlin语言在函数式编程和跨平台开发方面的特性和优势,结合详细的代码案例,展示了Kotlin的核心技巧和应用场景。文章首先介绍了高阶函数和Lambda表达式的使用,解释了它们如何简化集合操作和回调函数处理。接着,详细讲解了Kotlin Multiplatform(KMP)的实现方式,包括共享模块的创建和平台特定模块的配置,展示了如何通过共享业务逻辑代码提高开发效率。最后,文章总结了Kotlin在Android开发、跨平台移动开发、后端开发和Web开发中的应用场景,并展望了其未来发展趋势,指出Kotlin将继续在函数式编程和跨平台开发领域不断完善和发展。; 适合人群:对函数式编程和跨平台开发感兴趣的开发者,尤其是有一定编程基础的Kotlin初学者和中级开发者。; 使用场景及目标:①理解Kotlin中高阶函数和Lambda表达式的使用方法及其在实际开发中的应用场景;②掌握Kotlin Multiplatform的实现方式,能够在多个平台上共享业务逻辑代码,提高开发效率;③了解Kotlin在不同开发领域的应用场景,为选择合适的技术栈提供参考。; 其他说明:本文不仅提供了理论知识,还结合了大量代码案例,帮助读者更好地理解和实践Kotlin的函数式编程特性和跨平台开发能力。建议读者在学习过程中动手实践代码案例,以加深理解和掌握。
内容概要:本文深入探讨了利用历史速度命令(HVC)增强仿射编队机动控制性能的方法。论文提出了HVC在仿射编队控制中的潜在价值,通过全面评估HVC对系统的影响,提出了易于测试的稳定性条件,并给出了延迟参数与跟踪误差关系的显式不等式。研究为两轮差动机器人(TWDRs)群提供了系统的协调编队机动控制方案,并通过9台TWDRs的仿真和实验验证了稳定性和综合性能改进。此外,文中还提供了详细的Python代码实现,涵盖仿射编队控制类、HVC增强、稳定性条件检查以及仿真实验。代码不仅实现了论文的核心思想,还扩展了邻居历史信息利用、动态拓扑优化和自适应控制等性能提升策略,更全面地反映了群体智能协作和性能优化思想。 适用人群:具备一定编程基础,对群体智能、机器人编队控制、时滞系统稳定性分析感兴趣的科研人员和工程师。 使用场景及目标:①理解HVC在仿射编队控制中的应用及其对系统性能的提升;②掌握仿射编队控制的具体实现方法,包括控制器设计、稳定性分析和仿真实验;③学习如何通过引入历史信息(如HVC)来优化群体智能系统的性能;④探索中性型时滞系统的稳定性条件及其在实际系统中的应用。 其他说明:此资源不仅提供了理论分析,还包括完整的Python代码实现,帮助读者从理论到实践全面掌握仿射编队控制技术。代码结构清晰,涵盖了从初始化配置、控制律设计到性能评估的各个环节,并提供了丰富的可视化工具,便于理解和分析系统性能。通过阅读和实践,读者可以深入了解HVC增强仿射编队控制的工作原理及其实际应用效果。
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