NTT:快速数论变化,对于FFT精度减少的情况,NTT可以避免但是会慢一点,毕竟是数论有Mod,和快速米

引用:http://blog.csdn.net/zz_1215/article/details/40430041

周边介绍。

利用原根,在ZP整数域(后悔没学好《信息安全数学基础》

原根介绍:http://baike.baidu.com/link?url=2gVDOcvJL0eTySKDiwFaDE7hNOTSJ087eGtv42QCt8tYEJZyUMXb6Eb40n0E0ygRoj4unNtEwukv3AFD1IEeia

然后对于一个整数域中的值分别对应一个数,具体看下这类数学书,用来替代单位根

对于一个P(素数)

比较快的一种方法找原根:http://blog.csdn.net/zhang20072844/article/details/11541133 (ORZ

大概是对于P的一个大于1的因子满足G^因子%P==1,那么就不是原根,原根很小。

其他跟FFT没区别。

其实傅里叶变化关键还是能够化成卷积的形式(这里只是处理普通和答案要求Mod的时候)

要求答案的逆,和除法,要看Picks的博客:

NTT:

#include<iostream>

#include<string.h>
#include<stdio.h>
#include<math.h> using namespace std;
typedef long long ll;
const int N=<<;
const int P=;
const int G=;
const int NUM=;
ll wn[NUM],a[N],b[N];
char A[N],B[N]; ll Pow(ll a,ll b,ll m)
{
   ll ans=;
   a%=m;
   while (b)
   {
      if (b&) ans=ans*a%m;
      a=a*a%m;
      b/=;
   }
   return ans;
} void Getwn()
{
   for (int i=;i<NUM;i++)
   {
      int t=<<i;
      wn[i]=Pow(G,(P-)/t,P);
   }
} void Rader(ll a[],int len)
{
   int j=len>>;
   for (int i=;i<len-;i++)
   {
      if (i<j) swap(a[i],a[j]);
      int k=len>>;
      while (j>=k)
      {
         j-=k;
         k>>=;
      }
      if (j<k) j+=k;
   }
} void NTT(ll a[],int len,int on)
{
   Rader(a,len);
   int id=;
   for (int h=;h<=len;h<<=)
   {
      id++;
      for (int j=;j<len;j+=h)
      {
         ll w=;
         for (int k=j;k<j+h/;k++)
         {
            ll u=a[k]%P;
            ll t=w*(a[k+h/]%P)%P;
            a[k]=(u+t)%P;
            a[k+h/]=((u-t)%P+P)%P;
            w=w*wn[id]%P;
         }
      }
   }    if (on==-)
   {
      for (int i=;i<len/;i++)
      swap(a[i],a[len-i]);
      ll inv=Pow(len,P-,P);
      for (int i=;i<len;i++)
      a[i]=a[i]%P*inv%P;
   }
}
void Conv(ll a[],ll b[],int n)
{
   NTT(a,n,);
   NTT(b,n,);
   for (int i=;i<n;i++)
   a[i]=a[i]*b[i]%P;
   NTT(a,n,-);
} int pan(char s[],char ss[])
{
   int len=strlen(s);
   len--;
   while (s[len]==''&&len>=) len--;
   if (len<) return ;    len=strlen(ss);
   len--;
   while (ss[len]==''&&len>=) len--;
   if (len<) return ;
   return ;
}
int main()
{
   Getwn();
   while (scanf("%s%s",A,B)!=EOF)
   {
      if (pan(A,B))
      {
       puts("");
       continue;
      }
      int len=;
      int lenA=strlen(A);
      int lenB=strlen(B);
      while (len<=*lenA||len<=*lenB) len<<=;
      for (int i=;i<lenA;i++)
      A[len--i]=A[lenA--i];
      for (int i=;i<len-lenA;i++) A[i]='';       for (int i=;i<lenB;i++)
      B[len--i]=B[lenB--i];
      for (int i=;i<len-lenB;i++) B[i]='';
      for (int i=;i<len;i++) a[len--i]=A[i]-'';
      for (int i=;i<len;i++) b[len--i]=B[i]-'';
      Conv(a,b,len);       int t=;
      for (int i=;i<len;i++)
      {
         a[i]+=t;
         if (a[i]>)
         {
            t=a[i]/;
            a[i]%=;
         }
         else t=;
      }
      len--;
      while (a[len]==) len--;
      for (int i=len;i>=;i--) printf("%d",a[i]);
      puts("");
   }
   return ;
}

关于傅里叶变换NTT(FNT)的周边的更多相关文章

  1. dynamic routing between captual

    对于人脑 决策树形式 对于CNN 层级与层级间的传递 人在识别物体的时候会进行坐标框架的设置 CNN无法识别,只能通过大量训练 胶囊 :一个神经元集合,有一个活动的向量,来表示物体的各类信息,向量的长 ...

  2. FFT的应用

    FFT的应用 --讲稿 概述 FFT的模板很简单,大家都会背,于是出题的空间就在于建模了.FFT的题目难在建模,往往需要将问题抽象出来,经过一系列转化后得到乘积式的和,再赋予式子各个项的系数一定的意义 ...

  3. 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)/ ...

  4. 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 ...

  5. 快速傅里叶变换FFT / NTT

    目录 FFT 系数表示法 点值表示法 复数 DFT(离散傅里叶变换) 单位根的性质 FFT(快速傅里叶变换) IFFT(快速傅里叶逆变换) NTT 阶 原根 扩展知识 FFT 参考blog: 十分简明 ...

  6. 从傅里叶变换(FFT)到数论变换(NTT)

    FFT可以用来计算多项式乘法,但是复数的运算中含有大量的浮点数,精度较低.对于只有整数参与运算的多项式,有时,\(\text{NTT(Number-Theoretic Transform)}\)会是更 ...

  7. 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 ...

  8. 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 ...

  9. 快速傅里叶变换(FFT)学习笔记(其二)(NTT)

    再探快速傅里叶变换(FFT)学习笔记(其二)(NTT) 目录 再探快速傅里叶变换(FFT)学习笔记(其二)(NTT) 写在前面 一些约定 前置知识 同余类和剩余系 欧拉定理 阶 原根 求原根 NTT ...

随机推荐

  1. shell脚本,逻辑结构题练习。

    awk '/5/{a=1}!a' file2结果:1234解释:第一行 /5/不匹配跳过{a=1},继续!a,此时a没有值属于假取反为真,故输出第一行 第二行 /5/不匹配跳过{a=1},继续!a,此 ...

  2. java在线聊天项目 swt可视化窗口Design 好友列表窗口

    熟练使用各种布局方式 FlowLayout 流布局 left center right等 BorderLayout 边框布局 east west sorth north center Absolute ...

  3. Watch Before You Feel Pressure

    Today's assembly is about the start of a journey. 今天的大会是一个旅程的开始. The start of the rest of your lives ...

  4. 【数论 dp】2048

    考场上一个DFS优化乱加就对了一个无解的点 题目描述 给定一个长度为 n 的数列,在这个数列中选取一个子序列使得这个子序列中的数能合出2048 对于合并操作,可以选择这个序列中的任意两个数进行合并,当 ...

  5. Tcp 三次握手 四次分手

    看了 余晟以为的 “tcp没那么难吧”,算是对三次握手,四次分手有了一点点理解,记录下来以方便自己以后的查看. 原文链接:https://mp.weixin.qq.com/s?__biz=MzA3MD ...

  6. (26)zabbix脚本报警介质自定义(钉钉)

    zabbix机器人告警配置 首先在钉钉中创建一个群然后设置群机器人添加自定义机器人(webhook...) 添加后复制其中的webhook地址到报警脚本dingding.py中的webhook=... ...

  7. 怎么用js写一个类似于百度输入框的搜索插件

    PS:这次做的这个小插件只是在前端实现,并没有经过数据库.需要用到的的框架:1.bootstrap.css的样式 2.Vue.js 最终效果如下: JS部分: $(window).click(func ...

  8. webpack hmr

    参考: https://webpack.js.org/concepts/hot-module-replacement/ https://webpack.js.org/guides/hot-module ...

  9. 关于priority_queue的一些说明

    参考GGBeng 相关定义 优先队列容器与队列一样,只能从队尾插入元素,从队首删除元素.但是它有一个特性,就是队列中最大的元素总是位于队首,所以出队时,并非按照先进先出的原则进行,而是将当前队列中最大 ...

  10. 求分数序列的前n项之和

    有一个分数序列 2/1,3/2,5/3,8/5,13/8,21/13,.... 求这个分数序列的前n项之和. 输入 测试数据有多组,其第一行为一个正整数k(0<k<=90),表示测试数据的 ...