TOJ 3151: H1N1's Problem(欧拉降幂)

本文介绍了一道ACM竞赛题目,需要计算特定形式的幂运算模数问题。通过使用欧拉降幂的方法进行优化,并提供了详细的代码实现,包括如何求欧拉函数值和快速幂运算。

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

传送门:http://acm.tzc.edu.cn/acmhome/problemdetail.do?&method=showdetail&id=3151

时间限制(普通/Java):1000MS/3000MS     内存限制:65536KByte

描述

H1N1 like to solve acm problems.But they are very busy, one day they meet a problem. Given three intergers a,b,c, the task is to compute a^(b^c))%317000011. 1412, ziyuan and qu317058542 don't have time to solve it, so the turn to you for help.

输入

The first line contains an integer T which stands for the number of test cases. Each case consists of three integer a, b, c seperated by a space in a single line. 1 <= a,b,c <= 100000

输出

For each case, print a^(b^c)%317000011 in a single line.

样例输入

 2

1 1 1

2 2 2

样例输出

1

16

 

思路:

直接暴力用欧拉降幂2次来做的

欧拉降幂公式:

A^B%C=A^( B%Phi[C] + Phi[C] )%C   (B>=Phi[C])

数学方面的证明可以去:http://blog.youkuaiyun.com/Pedro_Lee/article/details/51458773  学习

注意第一次降幂的时候Mod值取的是317000011的欧拉函数值

恩,这样用时是600MS,耗时还是很高的。

其实因为317000011是质数,它的欧拉函数值是本身减1.于是就可以转换到下式

a^(b^c) % p = a^( (b^c)%(p-1) )%p

直接搞个快速幂就好了

 

给出欧拉降幂的代码:

#include<iostream>
#include<algorithm>
#include<cstdio>
#include<cstring>
#include<string>
#include<cstdlib>
#define ll long long
using namespace std;
ll ol(ll x)  
{  
    ll i,res=x;  
    for(i=2;i*i<=x;i++)  
    {
        if(x%i==0)  
        {  
            res=res-res/i;  
            while(x%i==0)  
                x/=i;  
        }  
    }
    if(x>1)res=res-res/x;  
    return res;  
} //求某个值的欧拉函数值 
ll q(ll x,ll y,ll MOD)
{  
    ll res=1;  
    while(y){  
        if(y&1)res=res*x%MOD;  
        x=(x*x)%MOD;  
        y>>=1;  
    }  
    return res;
}//快速幂 
char * change(ll a){
    char s[10000];
    int ans = 0;
    while(a){
        s[ans++]=(a%10)+'0';
        a/=10;
    }
    s[ans]='\0';
    strrev(s);
    return s;
}//数字转字符串 
char *solve(ll a,char s[],ll c){
    ll i,ans,tmp,b;
    ans=0;b=0;tmp=ol(c);
    ll len=strlen(s);  
    for(i=0;i<len;i++)b=(b*10+s[i]-'0')%tmp;  
    b += tmp;
    ans=q(a,b,c);
    return change(ans);
}//欧拉降幂 
int main()
{
    ll a,c = 317000011,b,d;
    char s[100000];
    int t;
    for(scanf("%d",&t);t--;){
        scanf("%I64d %I64d %s",&a,&b,s);
        printf("%s\n",solve(a,solve(b,s,ol(c)),c));//注意第一次降幂用的是 ol(c) 
    }
    return 0;
}

 

转载于:https://www.cnblogs.com/Esquecer/p/8527654.html

内容概要:本文针对火电厂参与直购交易挤占风电上网空间的问题,提出了一种风火打捆参与大用户直购交易的新模式。通过分析可再生能源配额机制下的双边博弈关系,建立了基于动态非合作博弈理论的博弈模型,以直购电价和直购电量为决策变量,实现双方收益均衡最大化。论文论证了纳什均衡的存在性,并提出了基于纳什谈判法的风-火利益分配方法。算例结果表明,该模式能够增加各方收益、促进风电消纳并提高电网灵活性。文中详细介绍了模型构建、成本计算和博弈均衡的实现过程,并通过Python代码复现了模型,包括参数定义、收益函数、纳什均衡求解、利益分配及可视化分析等功能。 适合人群:电力系统研究人员、能源政策制定者、从事电力市场交易的工程师和分析师。 使用场景及目标:①帮助理解风火打捆参与大用户直购交易的博弈机制;②为电力市场设计提供理论依据和技术支持;③评估不同政策(如可再生能源配额)对电力市场的影响;④通过代码实现和可视化工具辅助教学和研究。 其他说明:该研究不仅提供了理论分析,还通过详细的代码实现和算例验证了模型的有效性,为实际应用提供了参考。此外,论文还探讨了不同场景下的敏感性分析,如证书价格、风电比例等对市场结果的影响,进一步丰富了研究内容。
资源下载链接为: https://pan.quark.cn/s/d37d4dbee12c A:计算机视觉,作为人工智能领域的关键分支,致力于赋予计算机系统 “看懂” 世界的能力,从图像、视频等视觉数据中提取有用信息并据此决策。 其发展历程颇为漫长。早期图像处理技术为其奠基,后续逐步探索三维信息提取,与人工智能结合,又经历数学理论深化、机器学习兴起,直至当下深度学习引领浪潮。如今,图像生成和合成技术不断发展,让计算机视觉更深入人们的日常生活。 计算机视觉综合了图像处理、机器学习、模式识别和深度学习等技术。深度学习兴起后,卷积神经网络成为核心工具,能自动提炼复杂图像特征。它的工作流程,首先是图像获取,用相机等设备捕获视觉信息并数字化;接着进行预处理,通过滤波、去噪等操作提升图像质量;然后进入关键的特征提取和描述环节,提炼图像关键信息;之后利用这些信息训练模型,学习视觉模式和规律;最终用于模式识别、分类、对象检测等实际应用。 在实际应用中,计算机视觉用途极为广泛。在安防领域,能进行人脸识别、目标跟踪,保障公共安全;在自动驾驶领域,帮助车辆识别道路、行人、交通标志,实现安全行驶;在医疗领域,辅助医生分析医学影像,进行疾病诊断;在工业领域,用于产品质量检测、机器人操作引导等。 不过,计算机视觉发展也面临挑战。比如图像生成技术带来深度伪造风险,虚假图像和视频可能误导大众、扰乱秩序。为此,各界积极研究检测技术,以应对这一问题。随着技术持续进步,计算机视觉有望在更多领域发挥更大作用,进一步改变人们的生活和工作方式 。
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