【算法】初等数论
初等数论
模
取余,遵循尽可能让商向0靠近的原则,结果的正负和左操作数相同
取模,遵循尽可能让商向负无穷靠近的原则,结果的正负和右操作数相同
7/(-3)=-2.3,产生了两个商-2和-3,取余语言中取-2,导致余数为1;取模语言中取-3,导致余数为-2
java中
%
是取余
幂
1、暴力幂
思想:直接将a
连续乘以b
遍
时间复杂度:O(n)
空间复杂度:O(1)
// 求 a^bpublic long pow(int a, int b){long ans = 1;for (int i = 0; i < b; i++) {ans *= a;}return ans;}
2、快速幂
思想:利用幂的2进制形式来加速运算。
时间复杂度:O(log₂N)
空间复杂度:O(1)
// 求 a^bpublic long pow(int a, int b){long ans = 1;// 不断取幂的二进制形式中的最后一位并且将b不断右移(将b最后一位抛弃),直到幂最后变为0while(b > 0){// 当前幂的最后一位为1,表明需要将该结果添加到最终的结果中(由于是幂中的+,实际上操作为乘法)if((b & 1) == 1){ans *= a;}// 将底数变为原底数的二次方a *= a;// 抛弃幂二进制形式的最后一位b >>= 1;}return ans;}
例子:
3 5 = 3 101 = 3 1 ∗ 2 3 + 0 ∗ 2 2 + 1 ∗ 2 0 = 3 1 ∗ 2 3 ∗ 3 0 ∗ 2 2 ∗ 3 1 ∗ 2 0 3^{5}=3^{101}=3^{1*2^{3}+0*2^{2}+1*2^{0}}=3^{1*2^{3}}*3^{0*2^{2}}*3^{1*2^{0}} 35=3101=31∗23+0∗22+1∗20=31∗23∗30∗22∗31∗20
3、Math类
// 求 a^b
// java.lang.Math
// double pow(double a, double b)
Math.pow(a, b)
可以支持浮点数的幂
补充
结果%c
原理:多个数的积%c
,等于下列操作和的结果
- 每个乘项
%c
- 最终积
%c
// 求 a^b%cpublic long pow(int a, int b, int c){long ans = 1;// 不断取幂的二进制形式中的最后一位并且将b不断右移(将b最后一位抛弃),直到幂最后变为0while(b > 0){// 当前幂的最后一位为1,表明需要将该结果添加到最终的结果中(由于是幂中的+,实际上操作为乘法)if((b & 1) == 1){ans = (ans*a)%c;}// 将底数变为原底数的二次方a = (a*a)%c;// 抛弃幂二进制形式的最后一位b >>= 1;}return ans%c;}
对数
1、Math类
//java.lang.Math
double log(double a) //以e为底
double log10(double a) //以10为底Math.log(n);
Math.log10(n);
可以求浮点数的对数
2、朴素
public static int logN(int base, int n) {int power = 0;while (n / base > 0) {n = n / base;power++;}return power;}//log2public int log2(int n) {int power = 0;while ((n = n >> 1) > 0) {power++;}return power;}
矩阵
1、单位矩阵
单位矩阵的对角线上的元素全为1,其他的元素全为0
public int[][] unit(int n){int[][] res=new int[n][n];for(int i=0;i<n;i++){res[i][i]=1;}return res;}
2、乘法
public int[][] multiplyMatrix(int x1[][],int x2[][]){//第一个矩阵的列必须等于第二个矩阵的行if(x1[0].length!=x2.length){return;}int lineLength=x1.length; //第一个矩阵的行int listLength=x2[0].length;//第二个矩阵的列int[][] multiply=new int[lineLength][listLength];//相乘的结果矩阵for(int i=0;i<lineLength;i++){for(int j=0;j<listLength;j++){for(int k=0;k<x1[0].length;k++){multiply[i][j]+=x1[i][k]*x2[k][j];}}}return multiply;}
矩阵
%c
等于矩阵上的每一个元素都%c
3、快速幂
类似于整数的快速幂,不同的是1
的表示(矩阵中为单位矩阵),以及乘法的定义
// 求 a^bpublic int[][] pow(int[][] A, int b){int[][] ans = unit(A.length);// 不断取幂的二进制形式中的最后一位并且将b不断右移(将b最后一位抛弃),直到幂最后变为0while(b > 0){// 当前幂的最后一位为1,表明需要将该结果添加到最终的结果中(由于是幂中的+,实际上操作为乘法)if((b & 1) == 1){ans = multiplyMatrix(ans,a);}// 将底数变为原底数的二次方a = multiplyMatrix(a,a);// 抛弃幂二进制形式的最后一位b >>= 1;}return ans;}
素数(质数)
质数:是指在大于1的整数中,除了1和它本身以外不再有其他因数的自然数。
合数:是指在大于1的整数中除了能被1和本身整除外,还能被其他数(0除外)整除的数。
1既不属于质数也不属于合数。最小的合数是4,最小的质数是2
1、朴素
boolean isPrime(int n){for(int i=2;i*i<=n;i++){if(n%i==0){return false;}}return true;
}
2、埃氏筛法
//埃氏筛选法public void eratosthenes(int n) {boolean[] isPrime = new boolean[n+1];//false代表是素数,true代表的是合数for (int i = 0; i <= n; i++) {if(i<2){isPrime[i]=true;continue;}//如果是素数if (!isPrime[i]) {//将该素数的所有倍数都标记为合数for (int j = 2 * i; j < n; j += i) {isPrime[j] = true;}}}}
埃拉托斯特尼筛法(简称埃氏筛或爱氏筛):要得到自然数n以内的全部素数,必须把不大于 根号n 的所有素数的倍数剔除,剩下的就是素数。
时间复杂度:O(nloglogn)
不足之处:6 在 indexI = 2 时被标记,而在 indexI = 3 时,又被标记了一次。存在重复标记,有优化空间
3、欧拉筛
欧拉筛是对埃氏筛的改进,避免重筛,提高效率
//欧拉筛选法public void euler(int n) {//建立一个bool类型的数组,以下标为要判断的数字 以该下标的值为素数的标志//若i是素数 则 isPrime[i]=falseboolean[] isPrime = new boolean[n+1];isPrime[0] = isPrime[1] = true;//数字0和1都不是素数,所以赋trueint[] Prime = new int[n+1];//存放素数的数组int t = 0;Prime[t++] = 2;//把2放进素数表for (int i = 2; i <= n; i++) {if (!isPrime[i])//若当前数是素数Prime[t++] = i;//则存入素数数组// 每一个数都去乘以当前素数表里面已有的数,如果 indexI 是合数,且 indexI % primeList[indexJ] == 0,那么它只能乘以第一个素数 2for (int j = 0; j < t && Prime[j] * i <= n; j++) {isPrime[i * Prime[j]] = true;// 保证了每个合数只会被它的最小素因子筛掉,避免重筛,使得程序更有效率if (i % Prime[j] == 0)break;}}}
欧拉筛法:保证每个合数只会被它的最小质因数筛掉,时间复杂度降低到O(n)。
每一个数都去乘以当前素数表里面 小于等于最小素因子的数
最大公因数(gcd)
最大公约数(Greatest Common Divisor)
1、辗转相除法(欧几里得)
思想:两个正整数a和b(a > b),它们的最大公约数gcd等于a除以b的余数r和b之间的最大公约数。辗转相除法的算法流程可以如下:
- 计算a与b的余数r。
- 如果r为0,则返回gcd = b。否则,转到步骤3。
- 使用b的值更新a的值,使用余数r更新b的值,转到步骤1。
int gcd(int x, int y) {return x == 0 ? y : gcd(y % x, x);
}int gcd(int a, int b){if (b == 0)return a;elsereturn gcd(b, a%b);
}int gcd(int a, int b){int temp;while(b!=0){temp=a%b;a=b;b=temp;}return a;
}
根本无需判断a和b的大小,当a值小于b值时,算法的下一次递归调用就能够将a和b的值交换过来
2、更相减损术
思想:两个正整数a和b(a > b),它们的最大公约数等于a-b的差值c和较小数b的最大公约数。依次递归下去,直到两个数相等。这相等两个数的值就是所求最大公约数。
int gcd(int x, int y) {if (x==y)return x;else if (x>y)return gcd(x-y,y);else return gcd(y-x,x);
}
更相减损法和辗转相除法的思想较为接近,不同的是辗转相除法迭代更快,而更相减损法迭代慢。但后者使用的是减法,前者使用的是求余,前者损耗较低。在两数相差较大时避免使用更相减损法,而在大数是避免使用辗转相除法。
最小公倍数(lcm)
1、加穷举法
将大数依次乘N(N为从1开始的自然数),对得到的数判断其是否整除小数。
2、乘穷举法
将大数依次加1,对得到的数判断其是否可整除两数。
3、最大公因数法(最优)
l c m ( a , b ) = ∣ a ⋅ b ∣ g c d ( a , b ) lcm(a,b)=\frac{∣a⋅b∣}{gcd(a,b)} lcm(a,b)=gcd(a,b)∣a⋅b∣
int lcm(int a, int b) {return a * b / gcd(a, b);
}
相关文章:
【算法】初等数论
初等数论 模 取余,遵循尽可能让商向0靠近的原则,结果的正负和左操作数相同 取模,遵循尽可能让商向负无穷靠近的原则,结果的正负和右操作数相同 7/(-3)-2.3,产生了两个商-2和-3,取…...

Spring Boot3+Vue2极速整合:10分钟搭建DeepSeek AI对话系统
前言 在生成式AI技术蓬勃发展的今天,大语言模型已成为企业智能化转型和个人效率提升的核心驱动力。作为国产大模型的优秀代表,DeepSeek凭借其卓越的中文语义理解能力和开发者友好的API生态,正在成为构建本土化AI应用的首选平台。 本文将以S…...

Spring事务原理 二
在上一篇博文《Spring事务原理 一》中,我们熟悉了Spring声明式事务的AOP原理,以及事务执行的大体流程。 本文中,介绍了Spring事务的核心组件、传播行为的源码实现。下一篇中,我们将结合案例,来讲解实战中有关事务的易…...

JVM预热
阿里电商平台每年的各种大促活动,对于Java技术来说,其中重要一个操作环节就是预热操作。 目录 预热是什么?为什么要预热? java 程序不预热和预热的调用对比 预热是什么? 预热是指,在 JVM 启动后࿰…...

基于flask+vue框架的的医院预约挂号系统i1616(程序+源码+数据库+调试部署+开发环境)带论文文档1万字以上,文末可获取,系统界面在最后面。
系统程序文件列表 项目功能:用户,医生,科室信息,就诊信息,医院概况,挂号信息,诊断信息,取消挂号 开题报告内容 基于FlaskVue框架的医院预约挂号系统开题报告 一、研究背景与意义 随着医疗技术的不断进步和人们健康意识的日益增强,医院就诊量逐年增加。传统的现场…...
DeepSeek掘金——SpringBoot 调用 DeepSeek API 快速实现应用开发
Spring Boot 实现 DeepSeek API 调用 1. 项目依赖 在 pom.xml 中添加以下依赖: <dependencies><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-webflux</artifactId></dependency>&l…...

easelog(1)基础C++日志功能实现
EaseLog(1)基础C日志功能实现 Author: Once Day Date: 2025年2月22日 一位热衷于Linux学习和开发的菜鸟,试图谱写一场冒险之旅,也许终点只是一场白日梦… 漫漫长路,有人对你微笑过嘛… 注:本简易日志组件代码实现参考了Google …...
epoll_event的概念和使用案例
epoll_event 是 Linux 下 epoll I/O 多路复用机制的核心数据结构,用于描述文件描述符(File Descriptor, FD)上发生的事件及其关联的用户数据。通过 epoll,可以高效地监控多个文件描述符的状态变化(如可读、可写、错误等…...
Leetcode2506:统计相似字符串对的数目
题目描述: 给你一个下标从 0 开始的字符串数组 words 。 如果两个字符串由相同的字符组成,则认为这两个字符串 相似 。 例如,"abca" 和 "cba" 相似,因为它们都由字符 a、b、c 组成。然而,"…...

蓝桥月赛 之 26场
文章目录 好汤圆灯笼猜谜元宵分配摆放汤圆 好汤圆 好汤圆 思路分析:由于2025能够被15整除,所以我们直接输出对应的答案即可 import os import sys# 请在此输入您的代码print(2025//15)灯笼猜谜 灯笼猜谜 思路分析:首先呢,我就考…...

机器学习面试八股文——决战金三银四
大家好,这里是好评笔记,公主 号:Goodnote,专栏文章私信限时Free。本笔记的任务是解读机器学习实践/面试过程中可能会用到的知识点,内容通俗易懂,入门、实习和校招轻松搞定。 公主号合集地址 点击进入优惠地…...
umi: valtio的使用
一、基本用法 import { proxy, useSnapshot } from umijs/max;// 1、定义数据 const state proxy({ count: 33 });export default () > {// 2、使用数据const snap useSnapshot(state);function increaseCount() {state.count 1;}return (<><h1>{snap.count}…...
区块链相关方法-波特五力分析模型
一、定义:波特五力分析模型(Porters Five Forces Framework)是迈克尔・波特(Michael Porter)于 1979 年提出的一种用于分析行业竞争态势的工具。它通过考察五种力量的相互作用来评估一个行业的吸引力和竞争环境,这五种…...
纷析云开源版- Vue2-增加字典存储到localStorage
main.js //保存字典数据到LocalStorage Vue.prototype.$api.setting.SystemDictType.all().then(({data}) > {loadDictsToLocalStorage(data) })新增 dictionary.js 放在 Utils文件夹里面 // 获取字典数据 export function getDictByType(dictType) {const dicts JSON.par…...

HTML项目一键打包工具:HTML2EXE 最新版
HTML2EXE 工具可以一键打包生成EXE可执行文件。可以打包任意HTML项目或者是一个网址为单个EXE文件,直接打开即可运行。支持KRPano全景VR项目、WebGL游戏项目、视频播放、,课件打包、网址打包等。 一、功能特点 类别序号功能标题1支持程序图标自定义(支持…...

Windows 中的启动项如何打开?管理电脑启动程序的三种方法
在日常使用电脑时,我们经常会发现一些应用程序在开机时自动启动,这不仅会拖慢系统的启动速度,还可能占用不必要的系统资源。幸运的是,通过几个简单的步骤,你可以轻松管理这些开机自启的应用程序。接下来,我…...

在 JavaScript 中接入 Facebook 事件
在 JavaScript 中接入 Facebook 事件 本文档介绍了如何在 JavaScript 中集成 Facebook Pixel 事件,用于跟踪网站的用户行为并提高广告效果。 1. 安装并初始化 Facebook Pixel 在开始接入事件之前,首先需要在你的网页中初始化 Facebook Pixel。Faceboo…...

如何在cursor上使用 deepseek 模型
引言 Cursor 虽提供免费试用,但试用时间有限,且后续使用可能会面临速度限制。不过,用户可以使用自己的 API key 来继续使用。值得一提的是,deepseek 模型使用成本极为低廉,能为使用者带来更多灵活性与经济性。基于此&…...
mysql的字符集和比较规则
mysql的字符集和比较规则 一、字符集(Character Set)二、比较规则(Collation)三、客户端与服务器的字符集转换四、注意事项总结 深度解读mysql是怎样运行的 MySQL的字符集和比较规则是其处理字符串存储、传输及比较的核心机制&…...
什么是LoRA微调
LoRA是大模型微调方法的一种,它的特点是只在模型的 部分权重(如 QKV 矩阵) 上 添加可训练参数 通过 低秩矩阵(AB) 来优化参数更新 优点: 极大降低显存消耗(deepseek 7B 只需 10GB) 适…...

深入剖析AI大模型:大模型时代的 Prompt 工程全解析
今天聊的内容,我认为是AI开发里面非常重要的内容。它在AI开发里无处不在,当你对 AI 助手说 "用李白的风格写一首关于人工智能的诗",或者让翻译模型 "将这段合同翻译成商务日语" 时,输入的这句话就是 Prompt。…...

基于FPGA的PID算法学习———实现PID比例控制算法
基于FPGA的PID算法学习 前言一、PID算法分析二、PID仿真分析1. PID代码2.PI代码3.P代码4.顶层5.测试文件6.仿真波形 总结 前言 学习内容:参考网站: PID算法控制 PID即:Proportional(比例)、Integral(积分&…...
React Native 开发环境搭建(全平台详解)
React Native 开发环境搭建(全平台详解) 在开始使用 React Native 开发移动应用之前,正确设置开发环境是至关重要的一步。本文将为你提供一份全面的指南,涵盖 macOS 和 Windows 平台的配置步骤,如何在 Android 和 iOS…...

《用户共鸣指数(E)驱动品牌大模型种草:如何抢占大模型搜索结果情感高地》
在注意力分散、内容高度同质化的时代,情感连接已成为品牌破圈的关键通道。我们在服务大量品牌客户的过程中发现,消费者对内容的“有感”程度,正日益成为影响品牌传播效率与转化率的核心变量。在生成式AI驱动的内容生成与推荐环境中࿰…...

跨链模式:多链互操作架构与性能扩展方案
跨链模式:多链互操作架构与性能扩展方案 ——构建下一代区块链互联网的技术基石 一、跨链架构的核心范式演进 1. 分层协议栈:模块化解耦设计 现代跨链系统采用分层协议栈实现灵活扩展(H2Cross架构): 适配层…...
鸿蒙中用HarmonyOS SDK应用服务 HarmonyOS5开发一个医院查看报告小程序
一、开发环境准备 工具安装: 下载安装DevEco Studio 4.0(支持HarmonyOS 5)配置HarmonyOS SDK 5.0确保Node.js版本≥14 项目初始化: ohpm init harmony/hospital-report-app 二、核心功能模块实现 1. 报告列表…...

令牌桶 滑动窗口->限流 分布式信号量->限并发的原理 lua脚本分析介绍
文章目录 前言限流限制并发的实际理解限流令牌桶代码实现结果分析令牌桶lua的模拟实现原理总结: 滑动窗口代码实现结果分析lua脚本原理解析 限并发分布式信号量代码实现结果分析lua脚本实现原理 双注解去实现限流 并发结果分析: 实际业务去理解体会统一注…...
AI编程--插件对比分析:CodeRider、GitHub Copilot及其他
AI编程插件对比分析:CodeRider、GitHub Copilot及其他 随着人工智能技术的快速发展,AI编程插件已成为提升开发者生产力的重要工具。CodeRider和GitHub Copilot作为市场上的领先者,分别以其独特的特性和生态系统吸引了大量开发者。本文将从功…...

听写流程自动化实践,轻量级教育辅助
随着智能教育工具的发展,越来越多的传统学习方式正在被数字化、自动化所优化。听写作为语文、英语等学科中重要的基础训练形式,也迎来了更高效的解决方案。 这是一款轻量但功能强大的听写辅助工具。它是基于本地词库与可选在线语音引擎构建,…...
#Uniapp篇:chrome调试unapp适配
chrome调试设备----使用Android模拟机开发调试移动端页面 Chrome://inspect/#devices MuMu模拟器Edge浏览器:Android原生APP嵌入的H5页面元素定位 chrome://inspect/#devices uniapp单位适配 根路径下 postcss.config.js 需要装这些插件 “postcss”: “^8.5.…...