hdu1588 Gauss Fibonacci 矩阵快速幂

本文介绍了一种利用矩阵快速幂的方法求斐波拉契数列中特定项的和,通过构造特殊的矩阵和使用快速幂算法加速计算过程。

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

F(x)是斐波拉契数列
给定一次函数g(x)=ax+b
Σni=0F(g(i))
抄来的latex的写法,哦哟这个公式看起来逼格就是高

根据矩阵乘法的思想,我们可以把F(n)=F(n1)+F(n2) 作成变换矩阵 R ,连乘a次后可以得到一个变换矩阵Ra,那么可以用它做出如下变换:

Ra(F(n)F(n1))=(F(n+a)F(n+a1))

然而我们要求的是若干斐波拉契数的和
所幸的是所求项是有规律的,是从b开始每隔a选中的一个数

上面的矩阵乘法没有保存数,那我们多开个坑保存不就行了
原向量:

(F(n)F(n1))

修改后:
F(n)F(n1)Sum(1)

然后我们修改变换矩阵,使得它能够完成把F(n1)累加在 Sum中(为什么不累加F(n)?因为感觉会出来一堆边界判断,太傻)
原斐波拉契数列变换矩阵

修改后(左上角四个?组成Ra)

??0??1001(2)

现在,拿修改后的矩阵去左乘(1),即可得到

F(n+a)F(n+a1)Sum+F(n1)(3)

这就是 我要的 滑板鞋,哟 哟 哟

回归到题目,给定一次函数g(x)=ax+b,先建立2*1的向量即F(0)和F(1),和2*2的小矩阵R,即普通斐波拉契变换的矩阵

(F(1)F(0))R(1110)

快速幂求出Rb,左乘初始向量得到如下向量
F(b+1)F(b)0(4)

再快速幂求出Ra,扩展成3*3,修改为(2) 的形式,记作R3
求出R3n 然后左乘向量(4)即可
得到向量的Sum位置放着F(b)+F(b+a)+F(b+2a)+F(b+na),就是最后的答案啦

直接把上题的模板套来用了,我好强啊
main中的内容和步骤是一模一样的

注意long long

#include<iostream>
#include<cstdio>
#include<cstring>
#include<algorithm>
#include<map>
#include<vector>
#include<cmath>
using namespace std;


#define ll long long
//Template mat
//Interface here
#define MULMOD
//Use mat(int row,int cow) to define a new EMPTY mat
//Use define MULMOD and set MOD to ENABLE MOD
#define MAXROWS 4
#define MAXCOLS 4
#ifdef MULMOD
int MOD;
#endif
//Interface End

struct Matrix
{
    int Rows,Cols;
    ll data[MAXROWS][MAXCOLS];
    void clear()
    {
        memset(data,0,sizeof(data));
    }
    Matrix (int n,int m)
    :Rows(n),Cols(m)
    {
        clear();
    }
    Matrix (int n)
    :Rows(n),Cols(n)
    {
        clear();
        for (int i=0;i<n;i++)
            data[i][i]=1;
    }
    ll* operator[](const int n)
    {
        return data[n];
    }
    Matrix operator* (const Matrix& ano) const
    {
        Matrix result(Rows,ano.Cols);
        for (int i=0;i<Rows;i++)
            for (int j=0;j<ano.Cols;j++)
                for (int k=0;k<Cols;k++)
                {
                    #ifdef MULMOD
                    result[i][j] += data[i][k] * ano.data[k][j] % MOD;
                    result[i][j]%=MOD;
                    #else
                    result[i][j] += data[i][k] * ano.data[k][j];
                    #endif
                }
        return result;
    }
};
Matrix QuickMatrixPow(Matrix to ,int k)
{
    Matrix ans(to.Rows);
    while (k)
    {
        if (k&1)
            ans=ans*to;
        k>>=1;
        to = to*to;
    }
    return ans;
}
//Template mat end


int main()
{
    cin.sync_with_stdio(false);
    int a,b,n,m;
    while (cin>>a>>b>>n>>m)
    {
        MOD=m;
        Matrix V0(2,1);
        V0[0][0]=1;
        V0[1][0]=0;
        Matrix R(2,2);
        R[0][0]=1;
        R[0][1]=1;
        R[1][0]=1;
        R[1][1]=0;
        Matrix Vb(QuickMatrixPow(R,b)*V0);
        Vb.Rows=3;      //(4)
        Vb[2][0]=0;     //Sum
        Matrix Ra(QuickMatrixPow(R,a));
        Ra.Rows=3;
        Ra.Cols=3;
        Ra[2][1]=Ra[2][2]=1;
        Ra[0][2]=Ra[1][2]=Ra[2][0]=0;
        cout<< (QuickMatrixPow(Ra,n) * Vb )[2][0] <<endl;
    }
}
### HDU 2544 题目分析 HDU 2544 是关于最短路径的经典问题,可以通过多种方法解决,其中包括基于邻接矩阵的 Floyd-Warshall 算法。以下是针对该问题的具体解答。 --- #### 基于邻接矩阵的 Floyd-Warshall 实现 Floyd-Warshall 算法是一种动态规划算法,适用于计算任意两点之间的最短路径。它的时间复杂度为 \( O(V^3) \),其中 \( V \) 表示节点的数量。对于本题中的数据规模 (\( N \leq 100 \)),此算法完全适用。 下面是具体的实现方式: ```cpp #include <iostream> #include <algorithm> using namespace std; const int INF = 0x3f3f3f3f; int dist[105][105]; int n, m; void floyd() { for (int k = 1; k <= n; ++k) { // 中间节点 for (int i = 1; i <= n; ++i) { // 起始节点 for (int j = 1; j <= n; ++j) { // 结束节点 if (dist[i][k] != INF && dist[k][j] != INF) { dist[i][j] = min(dist[i][j], dist[i][k] + dist[k][j]); } } } } } int main() { while (cin >> n >> m && (n || m)) { // 初始化邻接矩阵 for (int i = 1; i <= n; ++i) { for (int j = 1; j <= n; ++j) { if (i == j) dist[i][j] = 0; else dist[i][j] = INF; } } // 输入边的信息并更新邻接矩阵 for (int i = 0; i < m; ++i) { int u, v, w; cin >> u >> v >> w; dist[u][v] = min(dist[u][v], w); dist[v][u] = min(dist[v][u], w); // 如果是有向图,则去掉这一行 } // 执行 Floyd-Warshall 算法 floyd(); // 输出起点到终点的最短距离 cout << (dist[1][n] >= INF ? -1 : dist[1][n]) << endl; } return 0; } ``` --- #### 关键点解析 1. **邻接矩阵初始化** 使用二维数组 `dist` 存储每一对节点间的最小距离。初始状态下,设所有节点对的距离为无穷大 (`INF`),而同一节点自身的距离为零[^4]。 2. **输入处理** 对于每条边 `(u, v)` 和权重 `w`,将其存储至邻接矩阵中,并取较小值以防止重边的影响[^4]。 3. **核心逻辑** Floyd-Warshall 的核心在于三重循环:依次尝试通过中间节点优化其他两节点间的距离关系。具体而言,若从节点 \( i \) 到 \( j \) 可经由 \( k \) 达成更优解,则更新对应位置的值[^4]。 4. **边界条件** 若最终得到的结果仍为无穷大(即无法连通),则返回 `-1`;否则输出实际距离[^4]。 --- #### 性能评估 由于题目限定 \( N \leq 100 \),因此 \( O(N^3) \) 的时间复杂度完全可以接受。此外,空间需求也较低,适合此类场景下的应用。 ---
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