[模板]快速傅里叶变换(FFT)
Miskcoo大佬的多项式全家桶传送门
rvalue大佬的FFT讲解传送门
用途
将多项式快速(nlogn)变成点值表达,或将点值表达快速变回系数表达(逆变换),(多数时候)来达到求卷积的目的
做法
(为了方便,用wn代表n次单位根的ωn)
考虑选取特殊点,并用分治缩小问题规模
首先在多项式高位补零使其项数为2的幂,方便分治
然后我们选择代入单位根($w_n^k$),设结果是$y_k$
首先有:$F(x)=\sum{a_ix^i}$
将$a_ix^i$按照幂次奇偶性分组,得到$F(x)=(a_0x^0+a_2x^2+...+a_{n-2}x^{n-2})+(a_1x^1+a_3x^3..a_{n-1}x^{n-1})$
然后设$F_0(x)=a_0x^0+a_2x^1+a_4x^2+...+a_{n-2}x^{\frac{n}{2}-1} $,$F_1(x)=a_1x^0+a_3x^1+a_5x^2+...+a_{n-1}x^{\frac{n}{2}-1}$
则$F(x)=F_0(x^2)+xF_1(x^2)$
于是现在我们将系数完成了分治,但需要代入的值的数量没变所以并没有什么卵用
现在带入n次单位根,$F(w^k_n)=F_0(w^{2k}_n)+w^k_nF_1(w^{2k}_n)$
然后单位根有一个比较喵喵的性质$w^{xk}_{xn}=w^k_n$
于是得到了$F(w^k_n)=F_0(w^k_{\frac{n}{2}})+w^k_nF_1(w^k_{\frac{n}{2}})$
还有一个更喵喵的性质$w^{k}_{n}=-w^{k+\frac{n}{2}}_n$
于是得到了$F(w^{k+\frac{n}{2}}_n)=F_0(w^k_{\frac{n}{2}})-w^k_nF_1(w^k_{\frac{n}{2}}) $
于是成功地完成了对代入的值的分治,可以递归来求了
然而递归太慢了,所以考虑怎么递推来做
(图是偷的)
我们可以从底向上做,将做出来的当前点的结果,用索引值加上这个节点的位置,存在一个大数组中(比如第三层{a2,a6}得出的两个结果存在A[2]和A[3]中,这个索引值可以根据现在在做的长度方便的计算出来)
这样的话,在我们向上推新的一层的时候,设旧一层长度为L,新一层所在节点的第一个编号为i,则有$A[i+k]=A[i+k]+w^k_{2L}A[i+L+k],A[i+k+L]=A[i+k]-w^k_{2L}A[i+L+k] ,k=0..L-1$
然后我们只需要知道最底下一层元素的顺序就可以了
然后观察一下...发现一个很神奇的性质:最后一层第i个元素就对应arev[i],其中rev[i]表示将i的二进制表示翻转后对应的数
| 原位置 | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 原位置的二进制表示 | 000 | 001 | 010 | 011 | 100 | 101 | 110 | 111 |
| 重排后下标的二进制表示 | 000 | 100 | 010 | 110 | 001 | 101 | 011 | 111 |
| 重排结果 | 0 | 4 | 2 | 6 | 1 | 5 | 3 | 7 |
(表格也是偷的)
所以我们在读入系数后,直接把ai的值给到A[rev[i]]就可以了
于是就得到了点值表达$\{(w^k_n,A[k])\}$
那么现在,只要再根据点值表达推回系数表达就行了
然后经过一系列神奇的推导(我反正不会),我们得到$a_j=\frac{1}{n}\sum_{k=0}^{n-1}y_kw_n^{-kj}$
它的形式和刚刚的定义十分类似,只有$w_n$的指数上多出了个负号,所以我们只要再把刚求出的$y_k$作为系数,把过程中的$w_n^k$改为$w_n^{-k}$,再做一次FFT,然后除以n就是最终结果
快速数论变换(NTT)
有的题要求取模,这时候复数的精度就比较爆炸
考虑在模一类特殊质数($a*2^k+1$,多为998244353)的情况下(任意模数我哪会啊)
可以发现原根(用g表示)和原来单位根的性质非常相似
于是我们用$g^{\frac{P-1}{n}}$代替$w_n$
关于原根怎么求..先记住998244353的原根是3吧233
实现
关于rev的求法:rev[i]=rev[i>>1]>>1|(i&1?(n>>1):0) n是长度
然后对于每个i<rev[i],交换$a_i$和$a_{rev[i]}$ (为了防止交换两次)
可以预处理出所有$w_L^i$(或$g^{\frac{P-1}{L}i}$),记到$g[i]$里(L是一个长度的上界)
然后用的时候,如果要用$w_n^k$,就可以直接用$g[L/n*k]$
随便上一个NTT的代码吧 FFT的效果差不多
inline void fft(int *a,int n,bool flag){
for(int i=;i<n;i++){
rev[i]=(rev[i>>]>>)|((i&)?(n>>):);
if(i<rev[i]) swap(a[i],a[rev[i]]);
}
for(int i=;i<=n;i<<=){
int l=i>>;
for(int j=;j<n;j+=i){
for(int k=;k<l;k++){
int x=a[j+k],y=1ll*g[flag][L/i*k]*a[j+k+l]%P;
a[j+k]=(x+y)%P,a[j+k+l]=(x-y)%P;
}
}
}
if(flag){
int in=fpow(n,P-);
for(int i=;i<n;i++) a[i]=1ll*a[i]*in%P;
}
}
inline void init{
L=<<;
g[][]=g[][]=,g[][]=fpow(,(P-)/L),g[][]=fpow(g[][],P-);
for(int i=;i<L;i++) g[][i]=1ll*g[][i-]*g[][]%P,g[][i]=1ll*g[][i-]*g[][]%P;
}
[模板]快速傅里叶变换(FFT)的更多相关文章
- [模板] 快速傅里叶变换/FFT/NTT
简介 FFT是多项式乘法的一种快速算法, 时间复杂度 \(O(n \log n)\). FFT可以用于求解形如\(C_i = \sum_{j=0}^i A_jB_{i-j}\)的式子. 如果下标有偏差 ...
- 快速傅里叶变换(FFT)_转载
FFTFFT·Fast Fourier TransformationFast Fourier Transformation快速傅立叶变换 P3803 [模板]多项式乘法(FFT) 参考上文 首 ...
- Algorithm: 多项式乘法 Polynomial Multiplication: 快速傅里叶变换 FFT / 快速数论变换 NTT
Intro: 本篇博客将会从朴素乘法讲起,经过分治乘法,到达FFT和NTT 旨在能够让读者(也让自己)充分理解其思想 模板题入口:洛谷 P3803 [模板]多项式乘法(FFT) 朴素乘法 约定:两个多 ...
- 再探快速傅里叶变换(FFT)学习笔记(其三)(循环卷积的Bluestein算法+分治FFT+FFT的优化+任意模数NTT)
再探快速傅里叶变换(FFT)学习笔记(其三)(循环卷积的Bluestein算法+分治FFT+FFT的优化+任意模数NTT) 目录 再探快速傅里叶变换(FFT)学习笔记(其三)(循环卷积的Blueste ...
- 快速傅里叶变换FFT
多项式乘法 #include <cstdio> #include <cmath> #include <algorithm> #include <cstdlib ...
- [学习笔记] 多项式与快速傅里叶变换(FFT)基础
引入 可能有不少OIer都知道FFT这个神奇的算法, 通过一系列玄学的变化就可以在 $O(nlog(n))$ 的总时间复杂度内计算出两个向量的卷积, 而代码量却非常小. 博主一年半前曾经因COGS的一 ...
- 快速傅里叶变换FFT& 数论变换NTT
相关知识 时间域上的函数f(t)经过傅里叶变换(Fourier Transform)变成频率域上的F(w),也就是用一些不同频率正弦曲线的加 权叠加得到时间域上的信号. \[ F(\omega)=\m ...
- 多项式 之 快速傅里叶变换(FFT)/数论变换(NTT)/常用套路【入门】
原文链接https://www.cnblogs.com/zhouzhendong/p/Fast-Fourier-Transform.html 多项式 之 快速傅里叶变换(FFT)/数论变换(NTT)/ ...
- 快速傅里叶变换(FFT)
扯 去北京学习的时候才系统的学习了一下卷积,当时整理了这个笔记的大部分.后来就一直放着忘了写完.直到今天都腊月二十八了,才想起来还有个FFT的笔记没整完呢.整理完这个我就假装今年的任务全都over了吧 ...
随机推荐
- Android Studio调试手机或者安装APK的时候出现install failed test only
1.检查\app\src\main\AndroidMainfest.xml中是否有testOnly属性为true,如果有去掉或者改为false 2.检查Android Studio和gradle版本是 ...
- 我的新书《Android App开发从入门到精通》终于出版啦
前言 经过了两年多终于完成了这本书,2016年9月份开始写的,到今天为止2年零2个月,本书的内容大部分是去年完成的,看过我去年总结的读者可能知道,去年事情很多太忙了,导致本命年这本书没有上架(有点小小 ...
- SQL Server 数据库部分常用语句小结(二)
9. 查询备份还原数据库的进度. select command ,percent_complete ,est_time_to_go=convert(varchar,(estimated_complet ...
- Cube的高级设置
分享来源地址:http://bigdata.51cto.com/art/201705/538648.htm Cube的高级设置 随着维度数目的增加,Cuboid 的数量会爆炸式地增长.为了缓解 Cub ...
- LeetCode算法题-Repeated String Match(Java实现)
这是悦乐书的第289次更新,第307篇原创 01 看题和准备 今天介绍的是LeetCode算法题中Easy级别的第156题(顺位题号是686).给定两个字符串A和B,找到A必须重复的最小次数,使得B是 ...
- LeetCode算法题-N-ary Tree Postorder Traversal(Java实现)
这是悦乐书的第269次更新,第283篇原创 01 看题和准备 今天介绍的是LeetCode算法题中Easy级别的第136题(顺位题号是590).给定一个n-ary树,返回其节点值的后序遍历.例如,给定 ...
- django 视图模式
一 视图 FBV --- function based view(基于函数视图) CBV --- class based view(基于类的视图函数) 二 请求方式 get post put/patc ...
- 文本分类实战(三)—— charCNN模型
1 大纲概述 文本分类这个系列将会有十篇左右,包括基于word2vec预训练的文本分类,与及基于最新的预训练模型(ELMo,BERT等)的文本分类.总共有以下系列: word2vec预训练词向量 te ...
- ORM杂记
1.反射练习 import sys class Person(object): def __init__(self, name): self.name = name def eat(self, foo ...
- 2-STM32带你入坑系列(点亮一个灯--Keil)
1-STM32带你入坑系列(STM32介绍) 首先是安装软件 这一节用Kei来实现,需要安装MDK4.7这个软件,怎么安装,自己百度哈.都学习32的人了,不会连个软件都不会安装吧....还是那句话 没 ...