HDU 4920 Matrix multiplication(bitset优化)

本文介绍了一种针对矩阵乘法的优化算法,通过使用bitset存储矩阵元素模3后的余数状态,实现了高效的模3矩阵乘法计算。

题目链接 Matrix multiplication

求矩阵A和B相乘的结果。

因为答案只要对3取模,所以我们可以通过一些方法来加速计算。

我们对两个矩阵各开两个bitset,分别存储模3余1和模3余2的数。

然后相乘的时候and一下就好了。

c[i][j] = f(a_one[i] & b_one[j]) + f(a_one[i] & b_two[j]) * 2 + f(a_two[i] & b_one[j]) * 2 + f(a_two[i] & b_two[j])

$f(x)$表示 x1的个数

#include <bits/stdc++.h>

using namespace std;

#define rep(i, a, b)	for (int i(a); i <= (b); ++i)
#define dec(i, a, b)	for (int i(a); i >= (b); --i)

typedef long long LL;

const int A = 810;
const int mod = 3;

int n;
bitset <A> a_one[A], a_two[A], b_one[A], b_two[A], tmp;
int x;

int main(){


	while (~scanf("%d", &n)){

		rep(i, 1, n){
			a_one[i].reset();
			a_two[i].reset();
			b_one[i].reset();
			b_two[i].reset();
		}

		rep(i, 1, n){
			rep(j, 1, n){
				scanf("%d", &x);
				x %= 3;
				if (x == 1) a_one[i].set(j);
				else if (x == 2) a_two[i].set(j);
			}
		}

		rep(i, 1, n){
			rep(j, 1, n){
				scanf("%d", &x);
				x %= 3;
				if (x == 1) b_one[j].set(i);
				else if (x == 2) b_two[j].set(i);
			}
		}


		rep(i, 1, n){
			rep(j, 1, n){
				int ans = 0;
				tmp = a_one[i] & b_one[j];
				ans += tmp.count();
				tmp = a_one[i] & b_two[j];
				ans += 2 * tmp.count();
				tmp = a_two[i] & b_one[j];
				ans += 2 * tmp.count();
				tmp = a_two[i] & b_two[j];
				ans += tmp.count();
				ans %= 3;
				printf("%d", ans);
				if (j < n) putchar(32);
			}
			putchar(10);
		}		
		

	}


	return 0;
}

 

转载于:https://www.cnblogs.com/cxhscst2/p/7360282.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、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