電腦程式的演算法小記
什麼是電腦程式設計?
簡單的說,它就是告訴電腦要做什麼。電腦可以做很多事情,但是不太擅長自主思考,程式設計師需要像給小孩子吃東西一樣告訴它具體的細節,並且使電腦能夠理解的語言——演算法。
演算法(Algorithm)是指解題方案的準確而完整的描述,是一系列解決問題的清晰指令,演算法代表著用系統的方法描述解決問題的策略機制。也就是說,能夠對某一規範的輸入,在有限時間內獲得所要求的輸出。如果一個演算法有缺陷,或不適合某個問題,執行這個演算法就不會解決這個問題。不同的演算法可能用不同的時間、空間或效率來完成同樣的任務。一個演算法的優劣可以用空間複雜度與時間複雜度來衡量。
演算法中的指令描述的是一個計算,當其運行時能從一個初始狀態和(可能為空的)初始輸入開始,經過一系列有限而清晰定義的狀態,最終產生輸出並停止於一個終態。一個狀態到另一個狀態的轉移不一定是確定的。隨機化演算法在內的一些演算法,包含了一些隨機輸入。
形式化演算法的概念部分源自於嘗試解決希爾伯特提出的判定問題,並在其後嘗試定義有效計算性或有效方法中成形。這些嘗試包括庫爾特·哥德爾、Jacques Herbrand和斯蒂芬·科爾·克萊尼分別於1930年、1934年和1935年提出的遞歸函數,阿隆佐·邱奇於1936年提出的λ演算, 1936年Emil Leon Post的Formulation 1和艾倫·圖靈1937年提出的圖靈機。即使在當前,仍然常有直覺想法難以定義為形式化演算法的情況。
特徵
一個演算法應該要有以下五個重要的特徵:
1、有窮性(Finiteness)
特質必須有窮性是指演算法必須能在執行有限個步驟之後終止;
2、確切性(Definiteness)
演算法的每一步必須有確切的定義;
3、輸入項(Input)
3、輸入項(Input)
3、輸入項(Input)## 一個演算法有個或多個演算法有個演算法有個或多個演算法有個演算法有個或多個演算法有個演算法有個問題個輸入,以刻畫運算物件的初始情況,所謂0個輸入是指演算法本身定出了初始條件;
4、輸出項(Output)
一個演算法有一個或多個輸出,以反映對輸入資料加工後的結果。沒有輸出的演算法是毫無意義的;
5、可行性(Effectiveness)
一,資料物件的運算與操作:電腦可以執行的基本操作是以指令的形式描述的。一個電腦系統能執行的所有指令的集合,成為該電腦系統的指令系統。一個計算機的基本運算與運算有以下四類:
1,算術運算:加減乘除等運算
2,邏輯運算:或、且、非等運算
小於、等於、不等於等運算
4,資料傳輸:輸入、輸出、賦值等運算[1]
演算法可大致分為基本演算法、資料結構的演算法、數論與代數演算法、計算幾何的演算法、圖論的演算法、動態規劃以及數值分析、加密演算法、排序演算法、檢索演算法、隨機化演算法、平行演算法,厄米變形模型,隨機森林演算法。
演算法可以宏泛的分為三類:
一,有限的,確定性演算法 這類演算法在有限的一段時間內終止。他們可能要花很長時間來執行指定的任務,但仍將在一定的時間內終止。這類演算法所得的結果常取決於輸入值。
二,有限的,非確定演算法 這類演算法在有限的時間內終止。然而,對於一個(或一些)給定的數值,演算法的結果並不是唯一的或確定的。
先來看一個式x2≡n(modp),我們現在給出n,要求求得x的值。如果可以求得,n為mod p的二次剩餘,其實就是n在mod p意義下開的盡方。 Cipolla就是一個用來求得上式的x的一個演算法。
勒讓德符號
勒讓德符號是判斷一個數是否為p的二次剩餘的一個有力工具,p一定要為奇質數。 (n,p)表示n為關於p的勒讓德符號。其實就是判斷n是否為p的二次剩餘。
(np)=⎧⎩⎨1——p不是n的倍數,n是p的二次剩餘−1——p不是n的倍數,n是p的二次非剩餘(不是二次剩餘就是非剩餘)0——p是n的倍數
#看起來好像是一大段廢話,勒讓德只是站在巨人的肩膀上總結了一下而已。
其實勒讓德也總結了一些性質,不過一般只用得到歐拉判別準則,不夠勒讓德符號是個積性函數可能還有點用。
但還是不知道如何判斷n是否為p的二次剩餘,往下看歐拉判別準則
ll Legendre(ll a, ll p)
{
# return qsm( a, (p-1)/2, p);
} 12341234
歐拉判別準則
先回顧歐拉定理xφ(p)≡1 (modp)
因為這裡的p是奇質數,所以xp−1≡1(modp)
對xp−1進行開方操作,在虛數域中xp−12≡±1(modp),如果等於1就肯定開的了方,為-1一定開不了。所以x是否為n的二次剩餘就用這個歐拉判別準則。
if(qsm(n,(p-1)/2)==p-1){ printf("No root\n");
continue;
}12341234
#-1在mod p意義下為p-1。
演算法流程
給出n和p
就算我們n關於p的勒讓德符號為1,那麼要怎麼取開n的方呢?
現在是腦洞大開的時候。
找一個數a
我們隨機一個數a,然後對a2−n進行開方操作(就是計算他勒讓德符號的值),直到他們的勒讓德符號為-1為止(就是開不了方為止)。
就是找到一個a滿足(a2−n)p−12=−1
先不要管為什麼,後面會講,我們現在就默默的去膜拜Cipolla的腦洞很大。
while(1){
a=rand()%p;
w=(a*a-n+p)%p; if(qsm(w,(p-1) /2)==p-1)break;
}1234512345
因為是隨機找a,那麼會不會要找很久。
答案:不會!
∙定理1:x2≡n(modp)中有p−12個n能使方程式有解
⇒證明定理1:x2≡n(modp),如果有不同的數u,v,使他們帶入x後可以使方程式有解,那麼很顯然滿足u2−v2|p,所以滿足(u+v)(u−v)|p,因為
u2−v2|p所以p不可能是(u-v)的倍數,所以(u+v)|p,那麼這樣的數對在p中存在的數量為p−12
根據定理1,隨機找a的期望為2。
建立一個複數域
說是建立,其實根本不用程式去打,說是建立複數域只是跟方便理解。
在平常學的複數域中,有一個i,滿足i2=−1。
我們也建立一個類似的域,因為我們要對a2−n開方,而a2−n有不是p的二次剩餘,所以我們定義ω=a2−n−−−−−√。那麼現在的ω也像i一樣,滿足ω2=a2−n,這樣我們就定義了一個新的域。
struct CN{
ll x,y;
CN friend operator *(CN x,CN y){
CN z;
z.x=x.x x.y*y.y%p*w%p)%p;
z.y=(x.x*y.y%p+x.y*y.x%p)%p; return z; 691
像正常打複數運算一樣我們定義一下運算子。可以發現z.x那個地方後面是*w而不是*1,因為現在的域單位複數為ω,滿足ω2=a2−n,而不像正常複數的i2=−1。在這個域中的表示方式類似正常的複數:a+bω
得出答案
我們要求的是x2≡n(modp),x的值
我們現在知道了a和ω之後,就能得到答案了。答案=(a+ω)p+12
真的嗎?真的!但是這個答案不是由實數和虛數組成的嗎?
根據拉格朗日定理,可以得到虛數處的係數一定為0。
CN Cqsm(CN x,ll y){\\複數的快速冪 CN z;z.x=1,z.y=0;\\注意初始化 while(y){ if(y&1)z=z*x;
x=x*x;
x=x*x;
y/=2;
} return z;
}1234567891234567899296789999(>doo a,u.y=1;//為什麼u.y是1-在複數的統計學中只用統計係數就好了
u=Cqsm(u,(p+1)/2);
ll yi= u.x,er=p-u.x; if(yi>er)swap(yi,er); if(yi==er){ printf("%lld\n", ); %lld %lld\n",yi,er);
}12345678910111234567891011
為什麼會有兩個答案,例如4√=±2,x2≡(p−x
為什麼會有兩個答案,例如4√=±2,x2≡(p−x)2( modp)很顯然,因為把後面拆開x2≡x2−2px+p2(modp),把p都約去,所以x2≡(p−x)2(modp)。
證明原理
再搞出一些定理方便說明。
定理
∙定理2:(a+b)p≡ap+bp(modp)
⇒證明定理2:根據二項式定理:
(a+ b)p≡∑pi=0Cipap−ibi(modp)
≡∑pi=0p!(p−i)!i!ap−ibi(modp)
可以發現,只有當i=0或i= p的時候式子沒有p的因子,所以中間有p的因子的都可以省略,所以(a+b)p≡ap+bp(modp)
∙定理3:ωp≡−ω(modp)
⇒證明定理3:ωp
=ωp−1∗ω
=(ω2)p−12∗ω
=(a2−n)p−12∗ω-因為ω2=a2− n
=−ω-因為滿足(a2−n)p−12=−1
∙定理4:ap≡a(modp)
⇒證明定理3:ap根據費馬小定理
≡ap−1≡1(modp)
所以ap≡a∗ap−1≡a(modp)
推導
問題:x2≡n(modp)求解x
Cipolla:x≡(a+ω)p+12(modp)的實數
#直接把式子轉換:
(a+ω)p+12(modp)
≡((a +ω)p+1)12(modp)
≡((a+ω)p(a+ω))12(modp)
≡((ap+ωp)(a+ω))12( modp)依據定理2
≡((a−ω)(a+ω))12(modp)依定理3與定理4
≡(a2−ω2)12(modp)依定理3與定理4
≡(a2−(a2−n))12(modp)滿足ω2=a2−n
≡n12(modp)
所以(a+ω)p+12≡n12≡n√(modp )
這腦洞太大了! ! ! ! ! ! ! ! ! ! ! ! ! !
以上是電腦程式的演算法小記的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

寫在前面&筆者的個人理解目前,在整個自動駕駛系統當中,感知模組扮演了其中至關重要的角色,行駛在道路上的自動駕駛車輛只有通過感知模組獲得到準確的感知結果後,才能讓自動駕駛系統中的下游規控模組做出及時、正確的判斷和行為決策。目前,具備自動駕駛功能的汽車中通常會配備包括環視相機感測器、光達感測器以及毫米波雷達感測器在內的多種數據資訊感測器來收集不同模態的信息,用於實現準確的感知任務。基於純視覺的BEV感知演算法因其較低的硬體成本和易於部署的特點,以及其輸出結果能便捷地應用於各種下游任務,因此受到工業

C++中機器學習演算法面臨的常見挑戰包括記憶體管理、多執行緒、效能最佳化和可維護性。解決方案包括使用智慧指標、現代線程庫、SIMD指令和第三方庫,並遵循程式碼風格指南和使用自動化工具。實作案例展示如何利用Eigen函式庫實現線性迴歸演算法,有效地管理記憶體和使用高效能矩陣操作。

C++sort函數底層採用歸併排序,其複雜度為O(nlogn),並提供不同的排序演算法選擇,包括快速排序、堆排序和穩定排序。

人工智慧(AI)與執法領域的融合為犯罪預防和偵查開啟了新的可能性。人工智慧的預測能力被廣泛應用於CrimeGPT(犯罪預測技術)等系統,用於預測犯罪活動。本文探討了人工智慧在犯罪預測領域的潛力、目前的應用情況、所面臨的挑戰以及相關技術可能帶來的道德影響。人工智慧和犯罪預測:基礎知識CrimeGPT利用機器學習演算法來分析大量資料集,識別可以預測犯罪可能發生的地點和時間的模式。這些資料集包括歷史犯罪統計資料、人口統計資料、經濟指標、天氣模式等。透過識別人類分析師可能忽視的趨勢,人工智慧可以為執法機構

01前景概要目前,難以在檢測效率和檢測結果之間取得適當的平衡。我們研究了一種用於高解析度光學遙感影像中目標偵測的增強YOLOv5演算法,利用多層特徵金字塔、多重偵測頭策略和混合注意力模組來提高光學遙感影像的目標偵測網路的效果。根據SIMD資料集,新演算法的mAP比YOLOv5好2.2%,比YOLOX好8.48%,在偵測結果和速度之間達到了更好的平衡。 02背景&動機隨著遠感技術的快速發展,高解析度光學遠感影像已被用於描述地球表面的許多物體,包括飛機、汽車、建築物等。目標檢測在遠感影像的解釋中

一、多模態大模型的歷史發展上圖這張照片是1956年在美國達特茅斯學院舉行的第一屆人工智慧workshop,這次會議也被認為拉開了人工智慧的序幕,與會者主要是符號邏輯學屆的前驅(除了前排中間的神經生物學家PeterMilner)。然而這套符號邏輯學理論在隨後的很長一段時間內都無法實現,甚至到80年代90年代還迎來了第一次AI寒冬期。直到最近大語言模型的落地,我們才發現真正承載這個邏輯思維的是神經網絡,神經生物學家PeterMilner的工作激發了後來人工神經網絡的發展,也正因為此他被邀請參加了這個

一、58畫像平台建置背景首先和大家分享下58畫像平台的建造背景。 1.傳統的畫像平台傳統的想法已經不夠,建立用戶畫像平台依賴數據倉儲建模能力,整合多業務線數據,建構準確的用戶畫像;還需要數據挖掘,理解用戶行為、興趣和需求,提供演算法側的能力;最後,還需要具備數據平台能力,有效率地儲存、查詢和共享用戶畫像數據,提供畫像服務。業務自建畫像平台和中台類型畫像平台主要區別在於,業務自建畫像平台服務單條業務線,按需定制;中台平台服務多條業務線,建模複雜,提供更為通用的能力。 2.58中台畫像建構的背景58的使用者畫像

寫在前面&筆者的個人理解在自動駕駛系統當中,感知任務是整個自駕系統中至關重要的組成部分。感知任務的主要目標是使自動駕駛車輛能夠理解和感知周圍的環境元素,如行駛在路上的車輛、路旁的行人、行駛過程中遇到的障礙物、路上的交通標誌等,從而幫助下游模組做出正確合理的決策和行為。在一輛具備自動駕駛功能的車輛中,通常會配備不同類型的信息採集感測器,如環視相機感測器、雷射雷達感測器以及毫米波雷達感測器等等,從而確保自動駕駛車輛能夠準確感知和理解周圍環境要素,使自動駕駛車輛在自主行駛的過程中能夠做出正確的決斷。目
