【矩阵快速幂】P6601 「EZEC-2」机器|普及+
本文涉及知识点
【矩阵快速幂】封装类及测试用例及样例
P6601 「EZEC-2」机器
题目背景
tlx 喜欢科幻小说。
小宇宙中只剩下漂流瓶和生态球。漂流瓶隐没于黑暗里,在一千米见方的宇宙中,只有生态球里的小太阳发出一点光芒。在这个小小的生命世界中,几只清澈的水球在零重力环境中静静地飘浮着,有一条小鱼从一只水球中蹦出,跃入另一只水球,轻盈地穿游于绿藻之间。在一小块陆地上的草丛中,有一滴露珠从一片草叶上脱离,旋转着飘起,向太空中折射出一缕晶莹的阳光。
− − \qquad \qquad \qquad \qquad \qquad \qquad \qquad\qquad\qquad\qquad\qquad\qquad\qquad -- −−《三体》
在另一个宇宙,将是另一番奇景吧。
在那里,重力似乎变得微不足道了,引力机器成了司空见惯的东西。
引力机器装置内并没有重力,即若有物体在机器上运动,运动过程中只受机器给予的引力,这个力有一定几率使物体向施力物体快速移动,达到一定动力时就可以实现瞬移。
题目描述
一个引力机器由一个光滑圆轨道和 2 n 2n 2n 个小孔组成(小孔按逆时针从 1 1 1 到 2 n 2n 2n 编号,每两个相邻的小孔所夹的劣弧度数为 π n \dfrac{\pi}{n} nπ ),每个小孔与和其夹角为 π \pi π 的另一个小孔有通道相连,比如当 n = 2 n=2 n=2 时, 1 1 1 号孔和 3 3 3 号孔相连。
当 n = 2 n=2 n=2 时,这个装置的构造大概是这样的:

现在我们在 1 1 1 号孔处放一个小球,使它一直沿逆时针方向做匀速圆周运动,在不瞬移的情况下,每一秒恰好能从一个小孔运动至下一个小孔。
由于未来实验室构造奇特(内部的引力提供装置太神了!),每经过一个小孔时,有 p p p 的概率立刻瞬移(即不花费时间)到通道对面的小孔并继续沿逆时针方向做匀速圆周运动,也就是有 1 − p 1-p 1−p 的概率继续沿圆周向下一个小孔运动。
值得注意的是,每一单位时刻,小球只能瞬移一次。
简单地说,若某一时刻小球在小孔 i i i,则下一时刻它可能运动到小孔 i m o d 2 n + 1 i \bmod 2n + 1 imod2n+1 或 ( i + n ) m o d 2 n + 1 (i + n) \bmod 2n + 1 (i+n)mod2n+1,概率分别为 1 − p 1-p 1−p 和 p p p。
现在 tlx 有两个一模一样的引力机器,两个小球同时从 1 1 1 号孔开始运动。他会随机(所有可能选择的概率相同)选择一个二元组 ( i , j ) ( 1 ⩽ i ⩽ 2 n , 0 ⩽ j ⩽ t , i , j ∈ Z (i,j)( 1\leqslant i\leqslant 2n,0\leqslant j\leqslant t,i,j\in \mathbb Z (i,j)(1⩽i⩽2n,0⩽j⩽t,i,j∈Z ) 分别代表小孔编号和时间,你需要求出时间为 j j j 时两个引力机器的小孔 i i i 同时有小球停留(运动经过小孔但瞬移到对面了不算停留) 的概率。
注意:小球刚开始运动时也可能瞬移到对面的小孔。
为方便计算,我们规定:所有概率都是在模 1 0 9 + 7 10^9+7 109+7 意义下的。
输入格式
输入数据共一行,三个整数 n , p , t n,p,t n,p,t,分别代表引力装置的小孔数的一半,瞬移的概率对 1 0 9 + 7 10^9+7 109+7 取模的结果,选择的时间的范围的上界。
输出格式
共一行,一个整数,代表两个小球同时经过所选位置的概率对 1 0 9 + 7 10^9+7 109+7 取模的结果。
输入输出样例 #1
输入 #1
2 500000004 1
输出 #1
125000001
输入输出样例 #2
输入 #2
6 114514 11
输出 #2
756497239
说明/提示
【数据范围与约定】
本题采用捆绑测试。
具体计分方式如下:
- Subtask 1 1 1 ( 7 7 7 points):满足 p ∈ { 0 , 1 } p\in \{0,1\} p∈{0,1};
- Subtask 2 2 2 ( 13 13 13 points):满足 t ⩽ 20 , n ⩽ 50 t\leqslant 20,n\leqslant50 t⩽20,n⩽50;
- Subtask 3 3 3 ( 20 20 20 points):满足 t ⩽ 1 0 3 , n ⩽ 50 t\leqslant 10^3,n\leqslant50 t⩽103,n⩽50;
- Subtask 4 4 4 ( 10 10 10 points):满足 t ⩽ 1 0 3 t\leqslant 10^3 t⩽103;
- Subtask 5 5 5 ( 10 10 10 points):满足 t ⩽ 1 0 6 t\leqslant 10^6 t⩽106;
- Subtask 6 6 6 ( 15 15 15 points):满足 n ⩽ 50 n\leqslant50 n⩽50;
- Subtask 7 7 7 ( 25 25 25 points):无特殊限制。
对于 100 % 100\% 100% 的数据,满足 2 ⩽ n ⩽ 500 2\leqslant n\leqslant 500 2⩽n⩽500, 0 ⩽ p ⩽ 1 0 9 + 6 0\leqslant p\leqslant 10^9+6 0⩽p⩽109+6, 0 ⩽ t ⩽ 1 0 9 0\leqslant t \leqslant 10^9 0⩽t⩽109。
注意:不做说明的数据范围即为极限数据范围。
【样例解释 #1】
500000004 500000004 500000004 是模 1 0 9 + 7 10^9+7 109+7 意义下的 1 2 \dfrac{1}{2} 21。
下面为了方便,记 P ( i , j ) P(i,j) P(i,j) 为选择的二元组为 ( i , j ) (i,j) (i,j) 时的概率。
所有概率不为 0 0 0 的二元组有:
P ( 1 , 0 ) = 1 4 , P ( 3 , 0 ) = 1 4 , P ( 2 , 1 ) = 1 4 , P ( 4 , 1 ) = 1 4 P(1,0)=\dfrac{1}{4},P(3,0)=\dfrac{1}{4},P(2,1)=\dfrac{1}{4},P(4,1)=\dfrac{1}{4} P(1,0)=41,P(3,0)=41,P(2,1)=41,P(4,1)=41。
所有可以选择的二元组有:
( 1 , 0 ) , ( 1 , 1 ) , ( 2 , 0 ) , ( 2 , 1 ) , ( 3 , 0 ) , ( 3 , 1 ) , ( 4 , 0 ) , ( 4 , 1 ) (1,0),(1,1),(2,0),(2,1),(3,0),(3,1),(4,0),(4,1) (1,0),(1,1),(2,0),(2,1),(3,0),(3,1),(4,0),(4,1),共 8 8 8 种。
所以总的概率:
P = 1 8 × 1 4 × 4 + 1 8 × 0 × 4 = 1 8 P=\dfrac{1}{8}×\dfrac{1}{4}×4+\dfrac{1}{8}×0×4=\dfrac{1}{8} P=81×41×4+81×0×4=81
在模 1 0 9 + 7 10^9+7 109+7 意义下为 125000001 125000001 125000001,即为输出的答案。
【其他提示】
-
如果你不了解分数取模,可以查看这里。
-
如果你不明白题目中角度的表示方法,可以查看弧度制。
矩阵快速幂 逆元
小数(分数)取模 a/b = a*(b的逆元)
下标改成从0开始,故初始在0,目标是j-1。
性质一:瞬移两次和瞬移0次是一样的。故瞬移x次相当于瞬移x%2次。
结论:瞬移0次,处于t%(2n);瞬移一次处于(t+n)%2n。
x记录瞬移偶数次的概率,初始1-p。y记录瞬移奇数次的概率,初始p。我们通过二元一次方程组迭代,即求x1=ax+by,y1=cx+dy的a,b,c,d。
x:有1-p的概率不瞬移,故a=1-p;有p的概率瞬移,故c=p。
y:有1-p的概率不瞬移,d=1-p;b=p。
t秒时,瞬移偶数次的概率是f0,奇数次的概率是f1。两台机器同时瞬移偶数次的概率为g0=f0f0,奇数次的概率为g1=f1f1。
我们假定已经选中(i,t),i是未知,t是已知,则:
如果i是0次瞬移的位置,则 g0的概率同时有球。2n分之一的几率选中i,故几率为:g0/2n。
如果i是1次瞬移的位置,则g1的概率同时有球,2n分之一的几率选中i,故几率为:g1/2n。
i是其它位置,有球的概率为0。
故选中(?,t)的情况下:有 (g0+g1)/2n,令h(t) = (g1+j2)
选中(?,t1)的概率为:1/(1+T)
则结果为: ∑ ( g 0 + g 1 ) \sum (g0+g1) ∑(g0+g1)/(T+1)/(2n)
我通过{a,b,c,d}可以求出 求xx,xy,yy的转移矩阵,我们要求其和,详见下文。故需要4阶,最后一个元素记录和。
pre = {xx,xy,yy,xx+yy}
4*4矩阵,初始为求{xx,xy,yy},然后:
mat[3][3]=1 h(0…t-1)之和。
mat[0…2][3] += mat[0…2][0] xx之和。
mat[0…2][3] += mat[0…2][2] yy之和。
pre.back()/(2n)/(T+1)便是答案。
时间复杂度:O(logt)。
代码
核心代码
#include <iostream>
#include <sstream>
#include <vector>
#include<map>
#include<unordered_map>
#include<set>
#include<unordered_set>
#include<string>
#include<algorithm>
#include<functional>
#include<queue>
#include <stack>
#include<iomanip>
#include<numeric>
#include <math.h>
#include <climits>
#include<assert.h>
#include<cstring>
#include<list>#include <bitset>
using namespace std;template<class T1, class T2>
std::istream& operator >> (std::istream& in, pair<T1, T2>& pr) {in >> pr.first >> pr.second;return in;
}template<class T1, class T2, class T3 >
std::istream& operator >> (std::istream& in, tuple<T1, T2, T3>& t) {in >> get<0>(t) >> get<1>(t) >> get<2>(t);return in;
}template<class T1, class T2, class T3, class T4 >
std::istream& operator >> (std::istream& in, tuple<T1, T2, T3, T4>& t) {in >> get<0>(t) >> get<1>(t) >> get<2>(t) >> get<3>(t);return in;
}template<class T = int>
vector<T> Read() {int n;scanf("%d", &n);vector<T> ret(n);for (int i = 0; i < n; i++) {cin >> ret[i];}return ret;
}template<class T = int>
vector<T> Read(int n) {vector<T> ret(n);for (int i = 0; i < n; i++) {cin >> ret[i];}return ret;
}template<int N = 1'000'000>
class COutBuff
{
public:COutBuff() {m_p = puffer;}template<class T>void write(T x) {int num[28], sp = 0;if (x < 0)*m_p++ = '-', x = -x;if (!x)*m_p++ = 48;while (x)num[++sp] = x % 10, x /= 10;while (sp)*m_p++ = num[sp--] + 48;AuotToFile();}void writestr(const char* sz) {strcpy(m_p, sz);m_p += strlen(sz);AuotToFile();}inline void write(char ch){*m_p++ = ch;AuotToFile();}inline void ToFile() {fwrite(puffer, 1, m_p - puffer, stdout);m_p = puffer;}~COutBuff() {ToFile();}
private:inline void AuotToFile() {if (m_p - puffer > N - 100) {ToFile();}}char puffer[N], * m_p;
};template<int N = 1'000'000>
class CInBuff
{
public:inline CInBuff() {}inline CInBuff<N>& operator>>(char& ch) {FileToBuf();ch = *S++;return *this;}inline CInBuff<N>& operator>>(int& val) {FileToBuf();int x(0), f(0);while (!isdigit(*S))f |= (*S++ == '-');while (isdigit(*S))x = (x << 1) + (x << 3) + (*S++ ^ 48);val = f ? -x : x; S++;//忽略空格换行 return *this;}inline CInBuff& operator>>(long long& val) {FileToBuf();long long x(0); int f(0);while (!isdigit(*S))f |= (*S++ == '-');while (isdigit(*S))x = (x << 1) + (x << 3) + (*S++ ^ 48);val = f ? -x : x; S++;//忽略空格换行return *this;}template<class T1, class T2>inline CInBuff& operator>>(pair<T1, T2>& val) {*this >> val.first >> val.second;return *this;}template<class T1, class T2, class T3>inline CInBuff& operator>>(tuple<T1, T2, T3>& val) {*this >> get<0>(val) >> get<1>(val) >> get<2>(val);return *this;}template<class T1, class T2, class T3, class T4>inline CInBuff& operator>>(tuple<T1, T2, T3, T4>& val) {*this >> get<0>(val) >> get<1>(val) >> get<2>(val) >> get<3>(val);return *this;}template<class T = int>inline CInBuff& operator>>(vector<T>& val) {int n;*this >> n;val.resize(n);for (int i = 0; i < n; i++) {*this >> val[i];}return *this;}template<class T = int>vector<T> Read(int n) {vector<T> ret(n);for (int i = 0; i < n; i++) {*this >> ret[i];}return ret;}template<class T = int>vector<T> Read() {vector<T> ret;*this >> ret;return ret;}
private:inline void FileToBuf() {const int canRead = m_iWritePos - (S - buffer);if (canRead >= 100) { return; }if (m_bFinish) { return; }for (int i = 0; i < canRead; i++){buffer[i] = S[i];//memcpy出错 }m_iWritePos = canRead;buffer[m_iWritePos] = 0;S = buffer;int readCnt = fread(buffer + m_iWritePos, 1, N - m_iWritePos, stdin);if (readCnt <= 0) { m_bFinish = true; return; }m_iWritePos += readCnt;buffer[m_iWritePos] = 0;S = buffer;}int m_iWritePos = 0; bool m_bFinish = false;char buffer[N + 10], * S = buffer;
};template<int MOD = 1000000007>
class C1097Int
{
public:C1097Int(int iData = 0) :m_iData(iData% MOD){}C1097Int(long long llData) :m_iData(llData% MOD) {}C1097Int operator+(const C1097Int& o)const{return C1097Int((m_iData + o.m_iData) % MOD);}C1097Int& operator+=(const C1097Int& o){m_iData = (m_iData + o.m_iData) % MOD;return *this;}C1097Int& operator-=(const C1097Int& o){m_iData = (m_iData - o.m_iData) % MOD;return *this;}C1097Int operator-(const C1097Int& o){return C1097Int((m_iData - o.m_iData) % MOD);}C1097Int operator*(const C1097Int& o)const{return((long long)m_iData * o.m_iData) % MOD;}C1097Int& operator*=(const C1097Int& o){m_iData = ((long long)m_iData * o.m_iData) % MOD;return *this;}C1097Int operator/(const C1097Int& o)const{return *this * o.PowNegative1();}C1097Int& operator/=(const C1097Int& o){*this /= o.PowNegative1();return *this;}bool operator==(const C1097Int& o)const{return m_iData == o.m_iData;}bool operator<(const C1097Int& o)const{return m_iData < o.m_iData;}C1097Int pow(long long n)const{C1097Int iRet = 1, iCur = *this;while (n){if (n & 1){iRet *= iCur;}iCur *= iCur;n >>= 1;}return iRet;}C1097Int PowNegative1()const{return pow(MOD - 2);}int ToInt()const{return (m_iData + MOD) % MOD;}
private:int m_iData = 0;;
};class CCreateMat {
public://mat = { {a,c},{b,d} }是x1 = ax + by, y1 = cx + dy的转移矩阵。即{ x,y }*mat的结果是{ x1,y1 }。//{ xx,xy,y2 }到{ x1x1,x1y1,x2y2 }的转移矩阵mat={{aa,ac,cc},{2ab,ad+bc,2cd},{bb,bd,dd}}。// mat至少3*3,pre至少1*3static void X2XYY2(vector<vector<long long>>& mat, vector<vector<long long>>& pre, unsigned int x, unsigned int y, unsigned int a, unsigned int b, unsigned int c, unsigned int d, int iMod) {auto Mod = [&](long long val) { return val % iMod; };pre[0][0] = Mod(1LL * x * x); pre[0][1] = Mod(1LL * x * y); pre[0][2] = Mod(1LL * y * y);mat[0][0] = Mod(1LL * a * a); mat[0][1] = Mod(1LL * a * c); mat[0][2] = Mod(1LL * c * c);mat[1][0] = Mod(2LL * a * b); mat[1][1] = Mod(1LL * a * d + 1LL * b * c); mat[1][2] = Mod(2LL * c * d);mat[2][0] = Mod(1LL * b * b); mat[2][1] = Mod(1LL * b * d); mat[2][2] = Mod(1LL * d * d);}
};class CMatMul
{
public:CMatMul(long long llMod = 1e9 + 7) :m_llMod(llMod) {}// 矩阵乘法vector<vector<long long>> multiply(const vector<vector<long long>>& a, const vector<vector<long long>>& b) {const int r = a.size(), c = b.front().size(), iK = a.front().size();assert(iK == b.size());vector<vector<long long>> ret(r, vector<long long>(c));for (int i = 0; i < r; i++){for (int j = 0; j < c; j++){for (int k = 0; k < iK; k++){ret[i][j] = (ret[i][j] + a[i][k] * b[k][j]) % m_llMod;}}}return ret;}// 矩阵快速幂vector<vector<long long>> pow(const vector<vector<long long>>& a, vector<vector<long long>> b, long long n) {vector<vector<long long>> res = a;for (; n; n /= 2) {if (n % 2) {res = multiply(res, b);}b = multiply(b, b);}return res;}vector<vector<long long>> TotalRow(const vector<vector<long long>>& a){vector<vector<long long>> b(a.front().size(), vector<long long>(1, 1));return multiply(a, b);}
protected:const long long m_llMod;
};class Solution {
public:int Ans(const int N, int p, int T) {const int a = (C1097Int<>(1) - C1097Int<>(p)).ToInt();const int b = C1097Int<>(p).ToInt();const int c = b;const int d = a;const int x = a, y = b;vector<vector<long long>> pre(1, vector<long long>(4)), mat(4, vector<long long>(4));CCreateMat::X2XYY2(mat, pre, x, y, a, b, c, d, 1e9 + 7);pre[0][3] = C1097Int<>(pre[0][0] + pre[0][2]).ToInt();mat[3][3] = 1;for (int i = 0; i < 3; i++){mat[i][3] = C1097Int<>(mat[i][0] + mat[i][2]).ToInt();}CMatMul matMul;C1097Int<> ans = matMul.pow(pre, mat, T)[0].back();ans *= C1097Int<>(2 * N).PowNegative1();ans *= C1097Int<>(T + 1).PowNegative1();return ans.ToInt();}
};int main() {
#ifdef _DEBUGfreopen("a.in", "r", stdin);
#endif // DEBUG long long N;int p,t;cin >> N >> p >> t;auto res = Solution().Ans(N, p, t);cout << res;
#ifdef _DEBUG //printf("N=%lld,", N);//Out(a, "a=");//Out(b, ",b=");/*Out(edge, "edge=");Out(que, "que=");*/
#endif // DEBUG return 0;
}
单元测试
long long N;int p,t;TEST_METHOD(TestMethod1){auto res = Solution().Ans(2, 500000004 ,1);AssertEx(125000001, res);}TEST_METHOD(TestMethod2){auto res = Solution().Ans(2, 500000004, 0);AssertEx(C1097Int<>(8).PowNegative1().ToInt(), res);}TEST_METHOD(TestMethod3){auto res = Solution().Ans(2 ,C1097Int<>(3).PowNegative1().ToInt(), 0);auto acu = C1097Int<>(5) * C1097Int<>(36).PowNegative1();AssertEx(acu.ToInt(), res);}TEST_METHOD(TestMethod4){auto res = Solution().Ans(6, 114514, 11);AssertEx(756497239, res);}
扩展阅读
| 我想对大家说的话 |
|---|
| 工作中遇到的问题,可以按类别查阅鄙人的算法文章,请点击《算法与数据汇总》。 |
| 学习算法:按章节学习《喜缺全书算法册》,大量的题目和测试用例,打包下载。重视操作 |
| 有效学习:明确的目标 及时的反馈 拉伸区(难度合适) 专注 |
| 闻缺陷则喜(喜缺)是一个美好的愿望,早发现问题,早修改问题,给老板节约钱。 |
| 子墨子言之:事无终始,无务多业。也就是我们常说的专业的人做专业的事。 |
| 如果程序是一条龙,那算法就是他的是睛 |
| 失败+反思=成功 成功+反思=成功 |
视频课程
先学简单的课程,请移步CSDN学院,听白银讲师(也就是鄙人)的讲解。
https://edu.csdn.net/course/detail/38771
如何你想快速形成战斗了,为老板分忧,请学习C#入职培训、C++入职培训等课程
https://edu.csdn.net/lecturer/6176
测试环境
操作系统:win7 开发环境: VS2019 C++17
或者 操作系统:win10 开发环境: VS2022 C++17
如无特殊说明,本算法用**C++**实现。
相关文章:
【矩阵快速幂】P6601 「EZEC-2」机器|普及+
本文涉及知识点 【矩阵快速幂】封装类及测试用例及样例 P6601 「EZEC-2」机器 题目背景 tlx 喜欢科幻小说。 小宇宙中只剩下漂流瓶和生态球。漂流瓶隐没于黑暗里,在一千米见方的宇宙中,只有生态球里的小太阳发出一点光芒。在这个小小的生命世界中,几只清澈的水球在零重力环…...
FPGA助力智能机器人应用
今年开年AI机器人引爆科技圈,都说FPGA是“万能芯”,在AI方向上已经挣扎了几年,仍旧不能“破圈”,那么在机器人方向呢? 个人观点我是不太看好目前FPGA能在机器人方面能“破圈”,但是一切皆有可能,…...
如何在jupyter notebook中使用django框架
(最好以管理员身份进入,否则在安装某些内容时会报错) 一.创建一个名为new_env虚拟环境 输入以下指令创建名为new_env的虚拟环境: conda create -n new_env python3.8 回车,出现以下内容,输入y确认安装,等待安装完毕…...
Axure RP9.0教程: 多级联动【设置选项改变时->情形->面板状态】(给动态面板元件设置相关交互事件的情形,来控制其他面板不同的状态。)
文章目录 引言I 多级联动(省、市、区)实现思路添加三省、市、区下拉列表给省下拉框添加数据源将市、区下拉框添加不同状态,分别以省、市命名给省下拉控件设置选项改变时的交互事件省下拉控件的交互事件情形市下拉交互事件的配置II 知识扩展: 展示省 → 地级市 → 区县的多级…...
速卖通vs亚马逊SP-API:接口权限、数据字段与采集成本对比测评
以下是关于速卖通和亚马逊 SP - API 在接口权限、数据字段与采集成本方面的对比测评: 接口权限 速卖通 申请流程:需在速卖通平台注册账号,创建应用后获取 API Key 和 Secret 等凭证。一般要填写企业或个人的相关信息,经过平台审…...
Rabbitmq消息被消费时抛异常,进入Unacked 状态,进而导致消费者不断尝试消费(下)
一、消费流程图 消息在消费出现异常的时候,将一直保留在消息队列,所以你会看到以下奇怪的现象: 消息队列仅有5个消息, 投递速度也非常快,结果却一直无法消费掉。 二、重试策略 重试机制的使用场景:重试机制…...
Java 基础入门代码示例解析
在 Java 编程的学习过程中,理解函数(方法)的使用以及简单系统功能的实现是非常重要的基础。本文将对一系列 Java 代码进行详细解析,这些代码涵盖了菜单驱动的功能选择、数据查询以及简单的 RBAC(基于角色的访问控制&am…...
AI 的“幻觉”现象:深入解析 Hallucination 的成因与应对之道
文章目录 一、啥是 AI 的 Hallucination?二、啥时候容易出现幻觉?1. 知识边界之外的问题2. 模糊或不明确的输入3. 生成长篇内容4. 多模态任务中的误解5. 过度自信的语气要求 三、幻觉为啥会出现?原理是啥?1. 概率预测的本质2. 训练…...
核心知识——论文详解
引入 在2010年,来自Berkeley的博士生 Matei Zaharia 发表了一篇论文《Resilient Distributed Datasets: A Fault-Tolerant Abstraction for In-Memory Cluster Computing》。伴随着这篇论文的,是一个开源系统,也就是 Spark。在之后的几年里&…...
LeetCode hot 100 每日一题(15)——48.旋转图像
这是一道难度为中等的题目,让我们来看看题目描述: 给定一个 n n 的二维矩阵 matrix 表示一个图像。请你将图像顺时针旋转 90 度。 你必须在 原地 旋转图像,这意味着你需要直接修改输入的二维矩阵。请不要 使用另一个矩阵来旋转图像。 提示…...
屏幕后处理Post-Processing安装及使用
一、安装Post-Processing插件 在 Window --- PackageManager 中搜索并安装 Post-Processing 二、添加后处理效果步骤 给场景中的相机Camera添加 Post - process Layer,只有添加了该组件的相机才会进行相应的后处理,此组件允许您为该后处理层配置抗锯齿…...
探索Halo:不止是博客,更是创作新宇宙
开篇:邂逅 Halo 作为一名热爱写作与分享的博主,拥有一个称手的博客系统一直是我的追求。在探索博客系统的旅程中,我尝试过不少平台,从 WordPress 到 Hexo ,每一次转换都是为了寻找那个最完美的 “写作伴侣”。 WordP…...
吐血整理:Air8201如何使用LuatOS进行电源管理功能!
在物联网应用场景中,设备续航能力直接影响其部署成本与运维效率。LuatOS操作系统通过软件层面的精细化控制,为Air8201提供了灵活且高效的电源管理策略。本文将从系统架构、API接口、实战配置三个维度,解析如何利用LuatOS实现Air8201的智能电源…...
开源视觉语言模型MiniMax-VL-01:动态分辨率+4M超长文本,性能比肩GPT-4o
在人工智能领域,构建能够像人类一样理解、思考和行动的智能体(AI Agent)一直是研究人员的终极目标之一。而实现这一目标的关键在于模型是否具备足够强大的感知能力、记忆能力和推理能力。近期,国内人工智能公司MiniMax重磅开源了其…...
数据库:一文掌握 Neo4J 的各种指令(Neo4J指令备忘)
文章目录 入门Neo4J运行 Neo4J 使用进入管理页面 图数据库概念 Neo4j 语法读取查询结构仅写入查询结构读取-写入查询结构 Neo4j 读取数据MATCHWHERERETURNWITHUNION Neo4j 写入数据CREATESETMERGEDELETEREMOVEFOREACH调用子查询调用存储过程导入运算符nullPatternsUSESHOW FUNC…...
Java面试第十三山!《设计模式》
大家好,我是陈一。如果文章对你有帮助,请留下一个宝贵的三连哦~ 万分感谢! 一、设计模式入门指南 1. 什么是设计模式? 设计模式是可复用的解决方案模板,用于解决软件开发中常见的架构问题。如同建筑领域的…...
从 @SpringBootApplication 出发,深度剖析 Spring Boot 自动装配原理
在 Spring Boot 的开发旅程中,SpringBootApplication 注解堪称开启便捷开发之门的钥匙。它不仅是一个简单的注解,更是理解 Spring Boot 自动装配原理的重要入口。接下来,我们将以SpringBootApplication 为切入点,深入探究 Spring …...
使用vue3和vue-router实现动态添加和删除cachedViews数组
以下是一个使用 Vue 3 和 Vue Router 实现动态添加和删除 cachedViews 数组的代码示例,该示例结合 keep-alive 组件来动态控制路由组件的缓存。 src/ ├── App.vue ├── router/ │ └── index.js ├── views/ │ ├── Home.vue │ ├── About.v…...
vue 点击放大,图片预览效果
背景: 在使用vue框架element组件的背景下,我们对图片的展示需要点击放大(单张);如果是多张图片,要支持左右滑动查看多张图片(多张)。 单张图片放大,el-image图片组件,或者原生的img标签。 多张图片放大&…...
如何使用Xshell连接Linux虚拟机
在日常开发和运维工作中,远程连接Linux服务器或虚拟机是一项基本技能。Xshell 是一款功能强大的终端模拟器,支持通过 SSH 协议远程连接 Linux 系统。本文将详细介绍如何使用 Xshell 连接 Linux 虚拟机。准备工作 在开始之前,请确保你已经完成…...
笛卡尔轨迹规划之齐次变换矩阵与欧拉角、四元数的转化
一、笛卡尔轨迹规划需求 笛卡尔轨迹规划本质就是我们对机械臂的末端位置和姿态进行规划,其实也就是对末端坐标系的位姿进行规划。我们清楚末端坐标系的位姿是可以用齐次变换矩阵T来表示的,但这样表示的话,并不利于我们去做规划,所…...
1 存储过程学习: 使用DMSQL程序的优点
DMSQL程序具有以下优点: 与SQL语言的完美结合 SQL语言已成为数据库的标准语言,DMSQL程序支持所有SQL数据类型和所有SQL函数,同时支持所有DM对象类型。在DMSQL程序中可以使用SELECT、INSERT、DELETE、UPDATE数据操作语句,事务控制…...
NPU上如何使能pytorch图模式
1 Pytorch的compile技术 PyTorch 的 torch.compile 是一个强大的功能,用于优化 PyTorch 模型的性能。它通过将 PyTorch 的动态图转换为静态图,并利用 Just-In-Time(JIT)编译技术,显著提高模型的推理速度和训练效率。 …...
进制转换(c++)
由于进制转换属于基础且比较重要,所以我就写一个博客方便自己复习,过程中如有错误,还请指出。 常用的进制有二进制,八进制,十进制和十六进制。 常用的进制转换就是十进制转换成其他进制和其他进制转换成十进制 我们先…...
2025-03-24 学习记录--C/C++-PTA 习题7-7 字符串替换
合抱之木,生于毫末;九层之台,起于累土;千里之行,始于足下。💪🏻 一、题目描述 ⭐️ 习题7-7 字符串替换 本题要求编写程序,将给定字符串中的大写英文字母按以下对应规则替换&#…...
为什么TCP需要三次握手?一次不行吗?
文章目录 1. 三次握手的过程2. 为什么需要三次握手?3. 握手过程中每一步的具体作用4. 简单比喻5. 为什么是三次握手,而不是两次或四次?6. 三次握手中的序列号有什么作用?7. 总结 1. 三次握手的过程 三次握手是建立 TCP 连接的过程…...
具身系列——NLP工程师切入机器人和具身智能方向
职位高频词汇:VLM调优经验、核心算法(Diffusion、RL、VIT)、pytorch、仿真环境(Isaac Gym、Mujoco、webots) 基于当前具身智能行业发展趋势和岗位需求,以下是为NLP工程师设计的转型路径与策略,…...
SpringBoot2集成Elasticsearch8(使用spring-boot-starter-data-elasticsearch)
写在前面 使用spring-boot-starter-data-elasticsearch集成Elasticsearch8? What? 官方写的不支持啊?让我们来看下官方给出的版本建议。 官方地址: https://docs.spring.io/spring-data/elasticsearch/reference/elasticsearch/versions.…...
【平台优化】持续调度参数在高负载大集群中的影响
持续调度参数在高负载大集群中的影响 背景介绍2种调度通信方式对集群的影响社区相关的讨论结论 背景介绍 这几年经历了我们大数据的Yarn集群的几次扩容,集群从原先的800多台增加到1300多台到现在的1600多台,在集群规模不断增加的过程中,有遇…...
军事级加密通信系统——基于QML的战术地图加密传输
目录 基于QML的战术地图加密传输一、引言二、理论背景与安全需求2.1 战术地图数据的敏感性与安全性要求2.2 QML与PyQt5集成优势2.3 加密算法与数据传输模型三、系统架构与数据流图四、QML前端界面设计与交互功能4.1 QML界面优势与设计理念4.2 功能要求4.3 QML文件示例五、加密传…...
