非启发式算法——中国剩余定理

简介: 非启发式算法——中国剩余定理

探秘中国剩余定理

中国剩余定理(Chinese Remainder Theorem,CRT)是一种用于求解一组同余方程组的数学工具。它在密码学、编码理论、计算机科学等领域有着广泛的应用。在本篇博客中,我们将深入了解中国剩余定理的原理、应用场景,并提供使用C、Java、Python和Go语言的模板。

1. 中国剩余定理的原理

1.1 同余方程组

同余方程组是指一组形如:

1.2 中国剩余定理的表述

1.3 原理解释

中国剩余定理的核心思想是通过处理两两互质的模数,将问题转化为多个简单同余方程的组合,从而降低了计算的复杂度。

2. 应用场景

中国剩余定理广泛应用于密码学、信息安全、计算机图形学等领域。其高效的特性使其成为一种常用的数学工具。

3. 模板代码

接下来,我们提供使用C、Java、Python和Go语言的中国剩余定理模板代码。

3.1 C语言模板

#include <stdio.h>

// 扩展欧几里得算法,用于计算模逆
long long extended_gcd(long long a, long long b, long long *x, long long *y) {
    if (b == 0) {
        *x = 1;
        *y = 0;
        return a;
    }

    long long x1, y1;
    long long gcd = extended_gcd(b, a % b, &x1, &y1);

    *x = y1;
    *y = x1 - (a / b) * y1;

    return gcd;
}

// 计算模逆
long long mod_inverse(long long a, long long m) {
    long long x, y;
    extended_gcd(a, m, &x, &y);
    return (x % m + m) % m;
}

// 中国剩余定理求解
long long chinese_remainder(int num, long long a[], long long m[]) {
    long long M = 1;
    for (int i = 0; i < num; ++i) {
        M *= m[i];
    }

    long long result = 0;
    for (int i = 0; i < num; ++i) {
        long long M_i = M / m[i];
        long long N_i = mod_inverse(M_i, m[i]);
        result = (result + a[i] * M_i * N_i) % M;
    }

    return (result + M) % M;
}

int main() {
    int num = 3;
    long long a[] = {2, 3, 2};
    long long m[] = {3, 5, 7};

    long long result = chinese_remainder(num, a, m);

    printf("The solution is: %lld\n", result);

    return 0;
}

3.2 Java语言模板

public class ChineseRemainderTheorem {

    // 扩展欧几里得算法,用于计算模逆
    static long extendedGCD(long a, long b,

 long[] x, long[] y) {
        if (b == 0) {
            x[0] = 1;
            y[0] = 0;
            return a;
        }

        long[] x1 = new long[1], y1 = new long[1];
        long gcd = extendedGCD(b, a % b, x1, y1);

        x[0] = y1[0];
        y[0] = x1[0] - (a / b) * y1[0];

        return gcd;
    }

    // 计算模逆
    static long modInverse(long a, long m) {
        long[] x = new long[1], y = new long[1];
        extendedGCD(a, m, x, y);
        return (x[0] % m + m) % m;
    }

    // 中国剩余定理求解
    static long chineseRemainder(int num, long[] a, long[] m) {
        long M = 1;
        for (int i = 0; i < num; ++i) {
            M *= m[i];
        }

        long result = 0;
        for (int i = 0; i < num; ++i) {
            long M_i = M / m[i];
            long N_i = modInverse(M_i, m[i]);
            result = (result + a[i] * M_i * N_i) % M;
        }

        return (result + M) % M;
    }

    public static void main(String[] args) {
        int num = 3;
        long[] a = {2, 3, 2};
        long[] m = {3, 5, 7};

        long result = chineseRemainder(num, a, m);

        System.out.println("The solution is: " + result);
    }
}

3.3 Python语言模板

def extended_gcd(a, b):
    if b == 0:
        return a, 1, 0
    else:
        gcd, x, y = extended_gcd(b, a % b)
        return gcd, y, x - (a // b) * y

def mod_inverse(a, m):
    gcd, x, y = extended_gcd(a, m)
    return (x % m + m) % m

def chinese_remainder(num, a, m):
    M = 1
    for i in range(num):
        M *= m[i]

    result = 0
    for i in range(num):
        M_i = M // m[i]
        N_i = mod_inverse(M_i, m[i])
        result = (result + a[i] * M_i * N_i) % M

    return (result + M) % M

if __name__ == "__main__":
    num = 3
    a = [2, 3, 2]
    m = [3, 5, 7]

    result = chinese_remainder(num, a, m)

    print(f"The solution is: {result}")

3.4 Go语言模板

package main

import "fmt"

// 扩展欧几里得算法,用于计算模逆
func extendedGCD(a, b int64) (int64, int64, int64) {
    if b == 0 {
        return a, 1, 0
    }

    gcd, x, y := extendedGCD(b, a%b)
    return gcd, y, x - (a/b)*y
}

// 计算模逆
func modInverse(a, m int64) int64 {
    _, x, _ := extendedGCD(a, m)
    return (x%m + m) % m
}

// 中国剩余定理求解
func chineseRemainder(num int, a, m []int64) int64 {
    M := int64(1)
    for i := 0; i < num; i++ {
        M *= m[i]
    }

    result := int64(0)
    for i := 0; i < num; i++ {
        M_i := M / m[i]
        N_i := modInverse(M_i, m[i])
        result = (result + a[i]*M_i*N_i) % M
    }

    return (result + M) % M
}

func main() {
    num := 3
    a := []int64{2, 3, 2}
    m := []int64{3, 5, 7}

    result := chineseRemainder(num, a, m)

    fmt.Printf("The solution is: %d\n", result)
}
目录
相关文章
|
6月前
|
算法 数据可视化 Python
Python启发式算法中爬山法的讲解及解方程问题实战(超详细 附源码)
Python启发式算法中爬山法的讲解及解方程问题实战(超详细 附源码)
155 0
|
3月前
|
机器学习/深度学习 算法 文件存储
【博士每天一篇文献-算法】 PNN网络启发的神经网络结构搜索算法Progressive neural architecture search
本文提出了一种名为渐进式神经架构搜索(Progressive Neural Architecture Search, PNAS)的方法,它使用顺序模型优化策略和替代模型来逐步搜索并优化卷积神经网络结构,从而提高了搜索效率并减少了训练成本。
57 9
|
3月前
|
存储 机器学习/深度学习 算法
【博士每天一篇文献-综述】基于脑启发的连续学习算法有哪些?附思维导图
这篇博客文章总结了连续学习的分类,包括经典方法(重放、正则化和稀疏化方法)和脑启发方法(突触启发、双系统启发、睡眠启发和模块化启发方法),并讨论了它们在解决灾难性遗忘问题上的优势和局限性。
60 2
|
5月前
|
Python
求解带有限重的三维装箱问题——启发式深度优先搜索算法
求解带有限重的三维装箱问题——启发式深度优先搜索算法
100 4
|
6月前
|
算法 NoSQL 容器
启发式搜索: A*算法
启发式搜索: A*算法
|
5月前
|
人工智能 算法 物联网
求解三维装箱问题的启发式深度优先搜索算法(python)
求解三维装箱问题的启发式深度优先搜索算法(python)
87 0
|
5月前
|
算法 Python 容器
基于最低水平面的三维装箱问题的启发式算法
基于最低水平面的三维装箱问题的启发式算法
56 0
|
6月前
|
机器学习/深度学习 存储 算法
数据结构与算法 动态规划(启发式搜索、遗传算法、强化学习待完善)
数据结构与算法 动态规划(启发式搜索、遗传算法、强化学习待完善)
98 1
|
算法 数据可视化 Java
数学建模常用算法:启发式优化算法合辑(内含多种智能优化算法,使用java实现算法、详细注释、并进行结果可视化)
数学建模常用算法:启发式优化算法合辑(内含多种智能优化算法,使用java实现算法、详细注释、并进行结果可视化)
633 2
|
6月前
|
算法 定位技术 Windows
R语言最大流最小割定理和最短路径算法分析交通网络流量拥堵问题
R语言最大流最小割定理和最短路径算法分析交通网络流量拥堵问题
下一篇
无影云桌面