feat(docs): 添加多篇技术博客和竞赛文章

添加快速幂算法详解、蓝桥杯竞赛题解、Python字符串格式化指南等技术文章
新增多张封面图片并调整博客封面布局配置

docs/blog/technology/fast-power-algorithm.md

@@ -0,0 +1,78 @@
+---
+title: 快速幂算法详解
+createTime: 2026/01/09 16:05:00
+cover: /images/elysia/9.jpg
+coverStyle:
+    layout: left
+permalink: /archives/1325a3bf-91d7-43ff-9630-e894549e12c1/
+---
+## 简介
+
+快速幂算法是用于快速计算的算法，可以用于快速的处理大整数幂的场景。
+
+最简单的 for 循环求数字的 n 次幂需要 $O(n)$ 的时间复杂度。快速幂方法可以达到 $O(\log N)$ 的时间复杂度。
+
+快速幂的核心思想是将指数拆分，以达到快速计算的目的。
+
+## 快速幂 - 二进制法
+
+### 原理
+
+二进制法的核心思想是将指数转换为二进制形式，通过逐位处理并结合平方运算减少乘法次数。
+
+**二进制分解指数**
+将指数 $n$ 表示为二进制形式，例如 $n=13$ 对应二进制为 `1101`，即 $13=8+4+1=2^3+2^2+2^0$。
+
+**幂的拆分**
+根据二进制分解，$a^n=a^{2^k} \times a^{2^{k-1}} \times \dots \times a^{2^0}$，其中仅当二进制位为 1 时，对应项被保留。
+
+**逐位处理与平方加速**
+- 从最低位到最高位依次处理二进制每一位。
+- 若当前位为 1，则将当前的底数累乘到结果中。
+- 每一步将底数平方，为处理更高位做准备。
+
+### 代码示例
+
+```python
+def power(base, exp):
+    res = 1
+    while exp > 0:
+        if exp & 1:
+            res *= base
+        base *= base
+        exp >>= 1
+    return res
+```
+
+## 快速幂 - 折半法
+
+### 原理
+
+折半法的核心公式如下：
+
+我们要快速计算 $a$ 的 $n$ 次方：
+
+- 当 $n$ 为奇数的时候：$a^n = a \cdot (a^2)^{(n-1)/2}$
+- 当 $n$ 为偶数的时候：$a^n = (a^2)^{n/2}$
+- 当 $n$ 为 0 的时候，直接返回 1
+
+通过递归或迭代，将大指数问题分解为小指数问题，最后合并结果。
+
+### 代码示例
+
+```python
+def power(base, exp):
+    if exp == 0: return 1
+    half = power(base, exp // 2)
+    return half * half * (base if exp % 2 else 1)
+```
+
+## 两种方法对比
+
+| 特性 | 二进制法 | 折半法 |
+| :--- | :--- | :--- |
+| **实现方式** | 迭代 + 位运算 | 递归/迭代 + 分治 |
+| **时间复杂度** | $O(\log N)$ | $O(\log N)$ |
+| **空间复杂度** | $O(1)$ | $O(\log N)$ （递归） |
+
+两者都可以实现在指数时间解决问题，二进制方法比折半法更加的省空间。