矩阵快速幂--学习笔记
来源:互联网 发布:德拉蒙德 格林体测数据 编辑:程序博客网 时间:2024/05/20 14:41
据说,矩阵快速幂在递推式优化上相当神奇,而且效率很高。。。
进一步理解矩阵快速幂,强力建议大神博客:http://www.matrix67.com/blog/archives/276
两矩阵相乘,朴素算法的复杂度是O(N^3)。如果求一次矩阵的M次幂,按朴素的写法就是O(N^3*M)。既然是求幂,不免想到快速幂取模的算法,这里有快速幂取模的介绍,a^b %m 的复杂度可以降到O(logb)。如果矩阵相乘是不是也可以实现O(N^3 * logM)的时间复杂度呢?答案是肯定的。
先定义矩阵数据结构:
struct Mat { double mat[N][N];};
O(N^3)实现一次矩阵乘法
Mat operator * (Mat a, Mat b) { Mat c; memset(c.mat, 0, sizeof(c.mat)); int i, j, k; for(k = 0; k < n; ++k) { for(i = 0; i < n; ++i) { if(a.mat[i][k] <= 0) continue; //不要小看这里的剪枝,cpu运算乘法的效率并不是想像的那么理想(加法的运算效率高于乘法,比如Strassen矩阵乘法) for(j = 0; j < n; ++j) { if(b.mat[k][j] <= 0) continue; //剪枝 c.mat[i][j] += a.mat[i][k] * b.mat[k][j]; } } } return c;}
下面介绍一种特殊的矩阵:单位矩阵
很明显的可以推知,任何矩阵乘以单位矩阵,其值不改变。
有了前边的介绍,就可以实现矩阵的快速连乘了。
Mat operator ^ (Mat a, int k) { Mat c; int i, j; for(i = 0; i < n; ++i) for(j = 0; j < n; ++j) c.mat[i][j] = (i == j); //初始化为单位矩阵 for(; k; k >>= 1) { if(k&1) c = c*a; a = a*a; } return c;}
求第n个Fibonacci数模M的值。如果这个n非常大的话,普通的递推时间复杂度为O(n),这样的复杂度很有可能会挂掉。这里可以用矩阵做优化,复杂度可以降到O(logn * 2^3)
如图:
A = F(n - 1), B = F(N - 2),这样使构造矩阵的n次幂乘以初始矩阵得到的结果就是。
因为是2*2的据称,所以一次相乘的时间复杂度是O(2^3),总的复杂度是O(logn * 2^3 + 2*2*1)。
zoj上的一道例题: zoj 2853 Evolution.
这道题都不用考虑怎么去构造能够实现有效运算的矩阵。直接修改单位矩阵就可以。比如P(i, j) = 0.5,则mat[i][j] += 0.5,mat[i][i] -= 0.5; 然后求T*mat^M,(T表示原始的population序列,相当于1*n的矩阵)
ps:这道题不加剪枝的话还是会挂掉 -_-!
渣代码 :3S+ 过得,很水 T_T
#include <iostream>#include <cstdio>#include <cstring>using namespace std;const int N = 210;struct Mat { double mat[N][N];};double num[N];int n, m;Mat a;void init() { int i, j, q; double x; for(i = 0; i < n; ++i) for(j = 0; j < n; ++j) a.mat[i][j] = (i == j); for(i = 0; i < n; ++i) { scanf("%lf", num + i); } scanf("%d", &q); while(q--) { scanf("%d%d%lf", &i, &j, &x); a.mat[i][i] -= x; a.mat[i][j] += x; }}Mat operator * (Mat a, Mat b) { Mat c; memset(c.mat, 0, sizeof(c.mat)); int i, j, k; for(k = 0; k < n; ++k) { for(i = 0; i < n; ++i) { if(a.mat[i][k] <= 0) continue; //*** for(j = 0; j < n; ++j) { if(b.mat[k][j] <= 0) continue; //*** c.mat[i][j] += a.mat[i][k] * b.mat[k][j]; } } } return c;}Mat operator ^ (Mat a, int k) { Mat c; int i, j; for(i = 0; i < n; ++i) for(j = 0; j < n; ++j) c.mat[i][j] = (i == j); for(; k; k >>= 1) { if(k&1) c = c*a; a = a*a; } return c;}int main() { //freopen("data.in", "r", stdin); int i; double res; while(~scanf("%d%d", &n, &m)) { if(!n && !m) break; init(); a = a^m; res = 0; for(i = 0; i < n; ++i) { res += num[i]*a.mat[i][n-1]; } printf("%.0f\n", res); } return 0;}ps:以上内容是本菜参考各种资料整理的,欢迎转载,请注明出处。http://www.cnblogs.com/vongang/archive/2012/04/01/2429015.html
- 矩阵快速幂--学习笔记
- 矩阵快速幂(学习)
- 矩阵快速幂的学习
- 矩阵快速幂学习入门
- 快速幂+快速矩阵幂学习
- 算法学习笔记(五) 递归之 快速幂、斐波那契矩阵加速
- 【学习笔记】快速幂
- 学习笔记:快速幂
- 快速幂及矩阵应用(学习)
- 快速矩阵快速幂
- 转移矩阵+矩阵快速幂
- 矩阵乘法 矩阵快速幂
- 构造矩阵+矩阵快速幂
- 矩阵快速幂,矩阵加法,矩阵乘法
- 快速幂||矩阵快速幂
- 快速幂&矩阵快速幂
- 快速幂,矩阵快速幂
- 快速幂 矩阵快速幂
- Knockoutjs快速入门(经典)
- 全局事务与本地事务的区别应用
- opencv的入门1
- mac 安装 Package Control 插件(sublime text 2)
- Aandroid 图片加载库Glide 实战(一),初始,加载进阶到实践
- 矩阵快速幂--学习笔记
- Spring中ApplicationContextAware接口用法
- nessus从2005年不再开源,一种离线更新其插件的方法。
- webview加载页面中包含文件下载
- 用JStack和Top分析Java进程CPU占用率
- Swift视频教程_零基础Swift实战开发从入门到精通
- grep 多选
- Egit使用手册
- Python正则表达式