$FFT$总结

(因为还不会啊,,都没做过什么题,所以一边学一边打咯。。

1、主要是用来加速卷积形式的求和吧?

  $F*G(n)=F[i] × G[n-i]$

  平时是$O(n^2)$的,FFT可以$O(nlogn)$

2、相当于求两个多项式的乘积(你要求的函数是其系数)

  $A(x)=A0+A1*x+A2*x^2+A3*x^3+...+An−1*x^{n−1}$

  $B(x)=B0+B1*x+B2*x^2+B3*x^3+...+Bm−1*x^{m−1}$

3、具体步骤?

  系数表达->点值表达->相乘->点值表达->系数表达

4、点值表示法

把多项式$A(x)$代入若干个x的值得到若干个点$(x0,A(x0)),(x1,A(x1)),(x2,A(x2)),...,(xn−1,A(xn−1))$

  我们把从点值表达式转化为系数表达式的操作称为插值

 [点值表示法对应系数表示法是有唯一性的]

5、n次单位复根

  n次单位复根是满足w^n=1的复数w,有n个。他们均匀分布在以复平面的原点为圆心的单位圆上

  为$e^{\dfrac{2πki}{n}}$

  复数幂的定义$e^{ui}=cos(u)+isin(u)$

不如看这里

很详细的。

于是略过。

递归式模板

#include<cstdio>
#include<iostream>
#include<cmath>
#include<memory.h>
#define N 400010
using namespace std;
const double pi=acos(-1); struct P
{
double x,y;
P() {x=y=0;}
P(double x,double y):x(x),y(y){}
}a[N],b[N]; P operator + (P x,P y) {return P(x.x+y.x,x.y+y.y);}
P operator - (P x,P y) {return P(x.x-y.x,x.y-y.y);}
P operator * (P x,P y) {return P(x.x*y.x-x.y*y.y,x.x*y.y+x.y*y.x);} void fft(P *s,int n,int t)
{
if(n==1) return;
P a0[n>>1],a1[n>>1];
for(int i=0;i<=n;i+=2) a0[i>>1]=s[i],a1[i>>1]=s[i+1];
fft(a0,n>>1,t);fft(a1,n>>1,t);
P wn(cos(2*pi/n),t*sin(2*pi/n)),w(1,0);
for(int i=0;i<(n>>1);i++,w=w*wn) s[i]=a0[i]+w*a1[i],s[i+(n>>1)]=a0[i]-w*a1[i];
//w^2=(w+(n>>1))^2 均匀分布在圆上面?
//w[i^2,n]=w[i/2,n/2] 折半引理
//s[i]=a0’(i^2)+i*a1’(i^2)=a0(i)+i*a1(i)
//s[i+n>>1]=a0’((i+n>>1)^2)+i*a1’((i+n>>1)^2)=a0’(i^2)-i*a1’(i^2)
//因为i=-(i+n>>1) 折半引理
} int main()
{
int n,m,nn;
scanf("%d%d",&n,&m);
memset(a,0,sizeof(a));memset(b,0,sizeof(b));
for(int i=0;i<=n;i++) scanf("%lf",&a[i].x);
for(int i=0;i<=m;i++) scanf("%lf",&b[i].x);
nn=1;while (nn<=n+m) nn<<=1;
fft(a,nn,1);fft(b,nn,1);
for(int i=0;i<=nn;i++) a[i]=a[i]*b[i];
fft(a,nn,-1);
for(int i=0;i<=n+m;i++) printf("%d ",(int)(a[i].x/nn+0.5));
return 0;
}

  

迭代式模板

高效实现$FFT$

也就是使用迭代代替递归

比如n=8,R数组长这样:

$a0,a4,a2,a6,a1,a5,a3,a7$

也称作位逆序置换

 

#include<cstdio>
#include<cstdlib>
#include<cstring>
#include<iostream>
#include<algorithm>
#include<cmath>
#include<complex>
#define Maxn 262145
#define pi acos(-1)
using namespace std; struct P
{
double x,y;
P() {x=y=0;}
P(double x,double y):x(x),y(y){}
friend P operator + (P x,P y) {return P(x.x+y.x,x.y+y.y);}
friend P operator - (P x,P y) {return P(x.x-y.x,x.y-y.y);}
friend P operator * (P x,P y) {return P(x.x*y.x-x.y*y.y,x.x*y.y+x.y*y.x);}
}a[Maxn],b[Maxn]; int nn;
int R[Maxn];
void fft(P *a,int f)
{
for(int i=0;i<nn;i++) if(i<R[i]) swap(a[i],a[R[i]]);
for(int i=1;i<nn;i<<=1)
{
P wn(cos(pi/i),f*sin(pi/i));
for(int j=0;j<nn;j+=i<<1)
{
P w(1,0);
for(int k=0;k<i;k++,w=w*wn)
{
P x=a[j+k],y=w*a[j+k+i];
a[j+k]=x+y;a[j+k+i]=x-y;
}
}
}
}
int main()
{
int n,m;
scanf("%d%d",&n,&m);
for(int i=0;i<=n;i++) scanf("%lf",&a[i].x);
for(int i=0;i<=m;i++) scanf("%lf",&b[i].x);
int ll=0;nn=1;
while(nn<=n+m) ll++,nn<<=1;
for(int i=0;i<nn;i++) R[i]=(R[i>>1]>>1)|((i&1)<<(ll-1));
fft(a,1);fft(b,1);
for(int i=0;i<=nn;i++) a[i]=a[i]*b[i];
fft(a,-1);
for(int i=0;i<=n+m;i++) printf("%d ",(int)(a[i].x/nn+0.5));
return 0;
}

  


$NTT$

简单复习一下原根

  1、模p下原根g,即g在模p下的阶为$\varphi(p)$

  2、g的幂构成模p下的缩系。【很有用!

  3、p有原根当且仅当 p=2,4,质数^a,2*质数^a

  4、求原根的方法:

    暴力枚举判断,先找出最小的一个。

    判断方法:对$\varphi(p)$质因数分解,假设为$p1^{r1}*p2^{r2}...*pn^{rn}$

         有恒有 $g^{\dfrac{\varphi(p)}{pi}}!=1 (Mod P)$成立,则g是p的原根,否则不是。

    假设最小原根是$g$,则当$gcd(d,\varphi(p))==1$时,$g^d$也是模p下的原根。

    即模p下原根个数为$\varphi(\varphi(p))$

对于$NTT$的题目,原根代替了n次单位复根,作用大致相同。只需把一些地方改成Mod之类的就可以。

具体看这里 【这篇写得太好了

当模数不符合要求?

具体实现方式(不完整代码,只放主要部分)

#include<cstdio>
#include<cstdlib>
#include<cstring>
#include<iostream>
#include<algorithm>
using namespace std;
#define Maxn 500010
#define LL long long
const int Mod=998244353;
const int G=3; int nn,R[Maxn],inv;
void ntt(int *s,int f)
{
for(int i=0;i<nn;i++) if(i<R[i]) swap(s[i],s[R[i]]);
for(int i=1;i<nn;i<<=1)
{
int wn=qpow(G,(Mod-1)/(i<<1));
for(int j=0;j<nn;j+=(i<<1))
{
int w=1;
for(int k=0;k<i;k++)
{
int x=s[j+k],y=1LL*w*s[j+k+i]%Mod;
s[j+k]=(x+y)%Mod;s[j+k+i]=((x-y)%Mod+Mod)%Mod;
w=1LL*w*wn%Mod;
}
}
}
if(f==-1)
{
reverse(s+1,s+nn);
for(int i=0;i<=nn;i++) s[i]=1LL*s[i]*inv%Mod;
}
} int main()
{
///////////////////////////////
nn=1;int ll=0;
while(nn<=2*n) nn<<=1,ll++;
for(int i=0;i<=nn;i++) R[i]=(R[i>>1]>>1)|((i&1)<<(ll-1));
inv=qpow(nn,Mod-2);
ntt(a,1);ntt(b,1);
for(int i=0;i<=nn;i++) a[i]=1LL*a[i]*b[i]%Mod;
ntt(a,-1);
///////////////////////////////
return 0;
}

  

好啦!!!

其实有很多地方是要证明的,但是我都不会 先记住吧。。


多项式求逆 + 多项式开根

多项式求逆的代码实现

void get_inv(int *a,int *b,int len)
{
static int temp[Maxn];
if(len==1)
{
b[0]=qpow(a[0],Mod-2);
b[1]=0;
return;
}
get_inv(a,b,len>>1);
memcpy(temp,a,sizeof(int)*len);
memset(temp+len,0,sizeof(int)*len);
NTT(temp,len<<1,1),NTT(b,len<<1,1);
for(int i=0;i<(len<<1);i++)
b[i]=1LL*b[i]*(2-1LL*temp[i]*b[i]%Mod+Mod)%Mod;
NTT(b,len<<1,-1);
memset(b+len,0,sizeof(int)*len);
}

len为当前模数。不断二分。

2017-04-14 15:00:52

【FFT&NTT 总结】的更多相关文章

  1. FFT \ NTT总结(多项式的构造方法)

    前言.FFT  NTT 算法 网上有很多,这里不再赘述. 模板见我的代码库: FFT:戳我 NTT:戳我 正经向:FFT题目解题思路 \(FFT\)这个玩意不可能直接裸考的..... 其实一般\(FF ...

  2. [学习笔记&教程] 信号, 集合, 多项式, 以及各种卷积性变换 (FFT,NTT,FWT,FMT)

    目录 信号, 集合, 多项式, 以及卷积性变换 卷积 卷积性变换 傅里叶变换与信号 引入: 信号分析 变换的基础: 复数 傅里叶变换 离散傅里叶变换 FFT 与多项式 \(n\) 次单位复根 消去引理 ...

  3. FFT/NTT/MTT学习笔记

    FFT/NTT/MTT Tags:数学 作业部落 评论地址 前言 这是网上的优秀博客 并不建议初学者看我的博客,因为我也不是很了解FFT的具体原理 一.概述 两个多项式相乘,不用\(N^2\),通过\ ...

  4. FFT&NTT总结

    FFT&NTT总结 一些概念 \(DFT:\)离散傅里叶变换\(\rightarrow O(n^2)\)计算多项式卷积 \(FFT:\)快速傅里叶变换\(\rightarrow O(nlogn ...

  5. 快速构造FFT/NTT

    @(学习笔记)[FFT, NTT] 问题概述 给出两个次数为\(n\)的多项式\(A\)和\(B\), 要求在\(O(n \log n)\)内求出它们的卷积, 即对于结果\(C\)的每一项, 都有\[ ...

  6. FFT/NTT模板 既 HDU1402 A * B Problem Plus

    @(学习笔记)[FFT, NTT] Problem Description Calculate A * B. Input Each line will contain two integers A a ...

  7. FFT/NTT基础题总结

    在学各种数各种反演之前把以前做的$FFT$/$NTT$的题整理一遍 还请数论$dalao$口下留情 T1快速傅立叶之二 题目中要求求出 $c_k=\sum\limits_{i=k}^{n-1}a_i* ...

  8. $FFT/NTT/FWT$题单&简要题解

    打算写一个多项式总结. 虽然自己菜得太真实了. 好像四级标题太小了,下次写博客的时候再考虑一下. 模板 \(FFT\)模板 #include <iostream> #include < ...

  9. FFT&NTT数学解释

    FFT和NTT真是噩梦呢 既然被FFT和NTT坑够了,坑一下其他的人也未尝不可呢 前置知识 多项式基础知识 矩阵基础知识(之后会一直用矩阵表达) FFT:复数基础知识 NTT:模运算基础知识 单位根介 ...

  10. HDU-4609(FFT/NTT)

    HDU-4609(FFT/NTT) 题意: 给出n个木棒,现从中不重复地选出3根来,求能拼出三角形的概率. 计算合法概率容易出现重复,所以建议计算不合法方案数 枚举选出的最大边是哪条,然后考虑剩下两条 ...

随机推荐

  1. python爬虫requests过程中添加headers

    浏览器中打开页面,以edge为例,点击“查看源”或F12 第一步:点击上图中“网络”标签,然后刷新或载入页面 第二步:在右侧“标头”下方的“请求标头”中的所有信息都是headers内容,添加到requ ...

  2. NameError: name 'reload' is not defined

    对于 Python 2.X: import sys reload(sys) sys.setdefaultencoding("utf-8") 对于 <= Python 3.3: ...

  3. Spring cloud 微服务架构 Eureka篇

    1 服务发现 ## 关于服务发现 在微服务架构中,服务发现(Service Discovery)是关键原则之一.手动配置每个客户端或某种形式的约定是很难做的,并且很脆弱.Spring Cloud提供了 ...

  4. python---补充django中文报错(1),Django2.7使用sys.setdefaultencoding('utf-8'),以及使用reload(sys)原因

    SyntaxError at /blog/ news/story Non-ASCII character , but no encoding declared; see http://python.o ...

  5. ubuntu中mysql中文乱码及用python3.x调用

    首先声明解决方法也是网上找来的,知识自己记下来以防以后用到.   ubuntu版本是14.04使用apt-get命令安装mysql sudo apt-get install mysql-server ...

  6. python 基础 元组()

    # 元组 应用场景 # 尽管 Python的列表中可以存储不同类型的数据 # 但是在开发中,更多的应用场景是 # 1.列表存储相同类型的数据 # 2.通过迭代遍历,在循环体内部,针对列表中的每一项元素 ...

  7. Jenkins的安装及使用(二)

    介绍两个方面:编译本地项目和拉取git代码并编译 在这之前,先要进行一个配置. 一.编译本地项目 开始添加任务,任务类型选择自由风格: 点击项目进入详情,源码管理选择无 在构建的地方选择项目,然后注意 ...

  8. TCP/UDP区别&&心跳包机制【转】

    转自:https://www.jianshu.com/p/6d93a3c21c34 UDP:用户数据报协议:主要用在实时性要求比较高的以及对质量相对较弱的地方.但是面对现在高质量的线路不会容易丢包,除 ...

  9. 关于Mysql5.6半同步主从复制的开启方法【转】

    介绍 先了解一下mysql的主从复制是什么回事,我们都知道,mysql主从复制是基于binlog的复制方式,而mysql默认的主从复制方式,其实是异步复制. 主库实际上并不关心从库是否把数据拉完没有, ...

  10. Phantomjs 抓取、分析某个页面加载时浏览器发起的所有的子请求

    var page = require('webpage').create(), system = require('system'), address; if (system.args.length ...