019快速幂算法 - O(log n)次乘法计算a^n

news2026/5/7 9:43:43
快速幂算法 - O(log n)次乘法计算a^n守护互联网的算法快速幂5W1H 发明者故事Who何人- 发明者是谁古代先驱印度数学家约公元前 200 年最早的二进制方法记录出现在印度数学文献中现代系统化Donald E. Knuth1938-在《计算机程序设计艺术》第二卷 4.6.3节全面分析了快速幂的各种变体密码学推广Fermat费马1607-1665费马小定理a^(p-1) ≡ 1 mod p是模快速幂的理论基础Euler欧拉1707-1783广义化为欧拉定理Rivest、Shamir、Adleman1977年RSA 加密中模快速幂是核心操作背景快速幂的核心思想——“反复平方”repeated squaring——古代中国、印度、阿拉伯数学家都独立发现过但系统化和计算机实现由 Knuth 完成。当时的处境从古代天文计算到现代密码学计算大幂次都是基础需求。直觉上计算 a^1000000 需要百万次乘法而二进制方法只需要约 20 次。When何时- 什么时候发明的时间线约公元前 200 年印度数学文献Pingala 的 Chandaḥśāstra中记录了二分法求幂的算法200 年中国《九章算术》中有类似思想1640 年Fermat 发表费马小定理为模快速幂奠定理论基础1969 年Knuth 在 TAOCP 第二卷中系统化了加法链Addition Chain和快速幂1977 年RSA 算法使模快速幂成为密码学的核心计算时代背景计算机出现前天文学家用对数表和手工计算指数运算是最耗时的操作之一计算机时代密码学的兴起使高效指数运算成为信息安全的基础Where何地- 在哪里发明的地点各时代各地印度次大陆最早的文献记录中国《九章算术》时代汉朝阿拉伯中世纪伊斯兰黄金时代的数学传播欧洲费马在图卢兹Toulouse从事法律工作的业余时间推导美国Knuth 在斯坦福大学系统化Rivest、Shamir、Adleman 在 MIT 发展密码学应用环境从古代寺庙的数学传统到现代大学实验室跨越数千年、多个文明。What何事- 发明了什么算法快速幂Fast Exponentiation / Binary Exponentiation / Repeated Squaring核心概念将指数 n 表示为二进制从高位到低位或低位到高位扫描每次对当前结果平方若当前二进制位为 1 则再乘以底数 a。就像计算 2^1313 1101₂ 8 4 1 计算过程从高位到低位 初始result 1 位18result 1² × 2 2 位14result 2² × 2 8 位02result 8² 64 位11result 64² × 2 8192 ✓关键突破O(log n) 次乘法n 的二进制位数模快速幂每步取模防止数字爆炸用于密码学矩阵快速幂同样思想适用于矩阵乘法Why何因- 为什么发明要解决的问题天文计算行星运动周期涉及大幂次的精确计算数论验证费马小定理验证需要计算 a^(p-1) mod p密码学RSA 的加解密是模快速幂如 m^e mod n多项式求值霍纳法则使用快速幂的思想当时的挑战古代全靠手工减少乘法次数直接减少计算时间现代虽然单次乘法很快但密码学中的数以千计的位数使 O(n) 方法仍然不可接受大整数结合 Karatsuba 乘法快速幂可以处理 2048 位的 RSA 运算动机任何时代指数运算都是计算中最费力的操作优化它的效率具有直接的实用价值。How何果- 如何实现有什么影响整数快速幂二进制右移方法longlongfast_pow(longlongbase,longlongexp){longlongresult1;while(exp0){if(exp1)result*base;// 若当前位为1base*base;// 平方exp1;// 处理下一位}returnresult;}模快速幂每步取模防止数字溢出longlongmod_pow(longlongbase,longlongexp,longlongmod){longlongresult1;base%mod;while(exp0){if(exp1)resultresult*base%mod;basebase*base%mod;exp1;}returnresult;}历史影响RSA、Diffie-Hellman、椭圆曲线密码学的核心运算所有编程语言的标准库Python pow()、Java BigInteger.modPow()计算机代数系统Mathematica、Maple的基础操作斐波那契数列的 O(log n) 计算矩阵快速幂图论中矩阵幂运算路径计数验证费马小定理若 p 为质数则对任意 aa 不是 p 的倍数a^(p-1) ≡ 1 (mod p)名言Knuth 在 TAOCP 中写道“快速幂是’分治’思想在算术中最纯粹的表达——把指数的问题分成两半逐步合并。”自然语言需求定义需求名称实现整数快速幂和模快速幂O(log n) 时间复杂度功能需求用精确的中文描述整数快速幂计算 base^exp不取模输入底数 baselong long指数 exp非负整数操作二进制右移逐位处理每步平方或平方后乘底数输出long long 结果注意可能溢出测试用小数模快速幂计算 base^exp mod m输入底数 base、指数 exp、模数 m均为 long long操作与整数快速幂相同但每步取模输出long long 结果范围 [0, m-1]费马小定理验证验证 a^(p-1) ≡ 1 (mod p)p 为质数输入a底数、p质数操作调用模快速幂输出true/false约束条件指数 exp 0非负整数模数 m 1base^2 * result 2^63模快速幂每步乘法前保证不溢出 long longexp0 时结果为 1任何数的零次幂为1验收标准必须可验证编号测试场景自然语言描述预期结果验证方式12^101024直接比较23^01零次幂直接比较31^10000001直接比较4模快速幂2^10 mod 10024直接比较5费马小定理2^(p-1) mod p 1p9971模快速幂验证6费马小定理3^(p-1) mod p 1p1047291模快速幂验证73^20 精确值3486784401直接比较需 unsigned long longAI 生成提示基于以上需求和验收标准用标准C语言实现快速幂算法。 要求 1. 使用标准C99 2. fast_pow(base, exp) → unsigned long long整数快速幂 3. mod_pow(base, exp, mod) → long long模快速幂 4. 注意mod_pow 中 base 和 result 在乘法前先取模防止溢出 5. 在main中实现全部7个验收标准 6. 测试通过输出 ✓ 测试X通过失败输出 ✗ 测试X失败 核心函数 - fast_pow(base, exp) - 整数快速幂 - mod_pow(base, exp, mod) - 模快速幂防溢出 - fermat_test(a, p) - 费马小定理验证C语言实现文件对应文件:fast_exponentiation.c编译运行:gcc-stdc99-Wall-ofast_exp_test fast_exponentiation.c ./fast_exp_test核心函数:fast_pow(base, exp)- 整数快速幂O(log exp)mod_pow(base, exp, mod)- 模快速幂防溢出fermat_test(a, p)- 费马小定理验证

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2591078.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…