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\(FFT\)的题目难点不在于\(FFT\),而在于构造多项式与卷积。

两个经典例题:

[ZJOI2014]力

给定序列\(\{ q[1],q[2],....q[n]\}\)

定义:\(Ej = \sum_{i<j} \frac{q[i]}{(i-j)^2} - \sum_{i>j} \frac{q[i]}{(i-j)^2}\)

求\(E_1,E_2,E_3....E_{n-1},E_n\) , 数据范围:\(n\leq 10^5\)

.

[HNOI2017]礼物

给定两个节点带权的环,

\(<\ x_1,x_2,...x_n\ >\)与\(<\ y_1,y_2,...y_n\ >\),

现在你可以任意对齐,

对齐后,此时代价为\(\sum_{i=1}^n x_i y_j\) , 其中\(x_i\)与\(y_j\)对齐。

请求方案最小化此代价,数据范围\(n\leq 5\times 10^4\)

下文中,我们以 [HNOI2017]礼物 为主讲题, [ZJOI2014]对照训练。

下文中,为了方便描述,

我们用花括号表示 多项式系数元素 ,

如:\(f<x> = \{a_0,a_1,a_2,...,a_{n-1}\}\)

我们用中括号表示 多项式系数,

如:\(f(x)=a_0+a_1x+a_2x^2+.....+a_n x^n = [a_0,a_1,a_2,.....,a_n]\)

.

一般遇到这种构造多项式的题目,分三步走。

Step1 定元素

首先确定多项式系数元素是什么。

比如礼物这一题,我们假设第一个串的\(x_1\)对应第二个串的\(y_k\),那么:

\[Val = \sum_{i=1}^{n-k+1} x_i y_{i+k-1} \ + \ \sum_{i=1}^{k-1} x_{i+(n-k+1)} y_i \ ;
\]

显然前后两项分开考虑一下,下文中以分析\(\sum_{i=1}^{n-k+1} x_i y_{i+k-1}\)为例

我们要让\(\sum_{i=1}^{n-k+1} x_i y_{i+k-1}\)成为卷积的一个系数。

显然多项式的系数元素为:

\(f1 = \{ x_1,x_2,x_3.....x_n\}\) $\ \ \ \ \ \ \ \ \ \ $$f2 = { y_1,y_2,y_3.....y_n}$

[ZJOI2014]力 这题类似,可以得到:

\(f1 = \{ q[1],q[2],q[3].....q[n]\}\)

\(f2 = \{ \frac{1}{1^2},\frac{1}{2^2},\frac{1}{3^2}.....\frac{1}{(n+1)^2}\}\)

Step2 定顺序

显然多项式元素应该是单调递增或者单调递减排列的。

我们的第二步就是确定这个顺序。

考虑一下卷积系数的特性,

对于卷积的每一个系数,它的未知数次数来源为两个多项式。

所以如果我们想要把答案聚集在一个系数上,就应该保证对应元素未知数的次数和不变

那么只会有两种情况:

( 1 )形如\(\sum x_i y_{k-i}\) , 此时下标和不变,两个的顺序相同

( 2 )形如\(\sum x_i y_{k+i}\) , 此时下标差不变,两个的顺序相反

利用这个就可以确定我们构造的两个多项式系数排列顺序关系。

看[HNOI2017]礼物这题,\(\sum_{i=1}^{n-k+1} x_i y_{i+k-1}\)这个东西,

两个元素的下标差相同,所以两个多项式的系数顺序相反,即:

\(f1 = [ x_1,x_2,x_3.....x_n]\) $\ \ \ \ \ \ \ \ \ \ $$f2 = [y_n,y_{n-1},.....y_2,y_1]$

再看[ZJOI2014]力 :

我们以后面这一项为例:\(\sum_{i<j} \frac{q[i]}{(i-j)^2}\)

随着\(q[i]\)下标的增加,\(\frac{1}{(i-j)^2}\)下标减小 (\(i-j\)减小)。

所以 两者下标的和应该不变(或者手玩一把即可),即:

\(f1 = [q[1],q[2],q[3],....q[n]]\)

\(f2 = [\frac{1}{1^2},\frac{1}{2^2},\frac{1}{3^2}....\frac{1}{(n+1)^2}]\)

Step3 定答案

此时构造出来的卷积的某一项系数一定就是此时的对应答案。

关键是我们怎么确定这个答案。

这个其实并没有什么技巧,带特殊值手玩即可。

但是手玩的思路也要清晰,不然玩半天也玩不出来。

下面给一个比较清晰的思路:

.

[HNOI2017]礼物

这题的两个多项式:

\(f1 = x_1 a^0 +x_2 a^1+x_3 a^2.....x_n a^{n-1}\)

\(f2 = y_n a^0 + y_{n-1} a^1 ,.....y_2 a^{n-2} + y_1 a^{n-1}\)

考虑\(k = 1\)时,\(x_1\)与\(y_1\)对应,\(x_2\)与\(y_2\)对应.....

显然此时乘出来的未知数次数为\(n-1\)。

考虑\(k = 2\)时,\(x_1\)与\(y_2\)对应,\(x_2\)与\(y_3\)对应....

显然此时乘出来的未知数次数为\(n-2\)。

手玩出两个后就可以不玩了,因为答案肯定是连续的一段系数。

综上所述,当\(k=r\)时,答案系数 对应的未知数次数为 \(n-r\)。

.

定答案的时候,一定要注意答案是否有存在的意义

例如 [HNOI2017]礼物这题的另一项:$\sum_{i=1}^{k-1} x_{i+(n-k+1)} y_i \(
显然,当\)k = 1$的时候是没有任何意义的。

所以最后统计答案不能统计,从\(2\)开始\(for\)。

for(RG int i = 2; i <= N; i ++)ans[i] += (int)(f1[2*N-i].r+0.5);

注意细节,思路清晰,这一步也还是不难的。

[ZJOJ2014]力

\(f1 = q[1]a^0 + q[2]a^1 + q[3]a^2....q[n]a^{n-1}\)

\(f2 = \frac{1}{1^2}a^0 + \frac{1}{2^2}a^1 + \frac{1}{3^2}a^2 ....\frac{1}{(n+1)^2}a^{n-1}\)

\(\sum_{i<j} \frac{q[i]}{(i-j)^2}\)

当\(j = 1\)时,显然无意义舍去。

当\(j = 2\)时,\(res = \frac{q[1]}{\frac{1}{1^2}}\) , 未知数次数为 \(0\)

当\(j = 3\)时,$res = \frac{q[1]}{\frac{1}{2^2}} + \frac{q[2]}{\frac{1}{1^2}} $ , 未知数次数为 \(1\)

综上所述,当\(j = r(j \neq 1)\)时 ,对应的未知数次数为 \(r - 2\)。

附录: [HNOI 2017]礼物 的具体实现代码

#include<bits/stdc++.h>
#define IL inline
#define RG register
#define ll long long
#define _ 300005
using namespace std;
const double PI = acos(-1); int n,m,N,M,l, a[_] , b[_] ,Ans1,F1,F2,Ans, ans[_] , R[_];
struct Complex{
double r,i;
IL Complex(){ r = 0; i = 0; }
IL Complex(RG double a,RG double b){ r = a; i = b; }
IL Complex operator + (Complex B){return Complex(r+B.r,i+B.i);}
IL Complex operator - (Complex B){return Complex(r-B.r,i-B.i);}
IL Complex operator * (Complex B){
return Complex(r*B.r - i*B.i , r*B.i + i*B.r);
}
};
Complex f1[_] , f2[_] , X , Y; IL void FFT(RG Complex *P , RG int opt){
for(RG int i = 0; i < n; i ++)
if(i < R[i]) swap(P[i] , P[R[i]]);
for(RG int i = 1; i < n; i <<= 1){
RG Complex W(cos(PI/i),opt*sin(PI/i));
for(RG int j = 0 , p = i<<1; j < n; j += p){
RG Complex w(1,0);
for(RG int k = 0; k < i; k ++,w = w*W){
X = P[j+k]; Y = w*P[j+k+i];
P[j+k] = X+Y; P[j+k+i] = X-Y;
}
}
}
if(opt == -1)for(RG int i = 0; i < n; i ++)P[i].r /= n;
} IL void Solve(){
n = N - 1; m = 2*n; l = 0;
for(n = 1; n <= m; n<<=1) ++ l;
for(RG int i = 0; i <= N-1; i ++)
f1[i].r = a[i+1] , f2[i].r = b[N-i];
for(RG int i = 0; i < n; i ++)
R[i] = (R[i>>1]>>1) | ((i&1)<<(l-1));
FFT(f1,1); FFT(f2,1);
for(RG int i = 0; i < n; i ++)f1[i] = f1[i]*f2[i];
FFT(f1,-1);
for(RG int i = 1; i <= N; i ++)ans[i] = (int)(f1[N-i].r+0.5);
for(RG int i = 2; i <= N; i ++)ans[i] += (int)(f1[2*N-i].r+0.5);
Ans1 = 0;
for(RG int i = 1; i <= N; i ++)Ans1 = max(Ans1,ans[i]);
} int main(){
freopen("gift.in","r",stdin);
cin >> N >> M;
for(RG int i = 1; i <= N; i ++)cin >> a[i];
for(RG int j = 1; j <= N; j ++)cin >> b[j];
Solve();
for(RG int i = 1; i <= N; i ++)F1 += a[i]*a[i] + b[i]*b[i];
for(RG int i = 1; i <= N; i ++)F2 += a[i] - b[i];
Ans = 2147483640;
for(RG int c = -100; c <= 100; c ++)
Ans = min(Ans,F1+N*c*c+2*c*F2-2*Ans1);
cout<<Ans; return 0;
}

FFT \ NTT总结(多项式的构造方法)的更多相关文章

  1. [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 ...

  2. FFT/NTT复习笔记&多项式&生成函数学习笔记Ⅰ

    众所周知,tzc 在 2019 年(12 月 31 日)就第一次开始接触多项式相关算法,可到 2021 年(1 月 1 日)才开始写这篇 blog. 感觉自己开了个大坑( 多项式 多项式乘法 好吧这个 ...

  3. FFT/NTT复习笔记&多项式&生成函数学习笔记Ⅲ

    第三波,走起~~ FFT/NTT复习笔记&多项式&生成函数学习笔记Ⅰ FFT/NTT复习笔记&多项式&生成函数学习笔记Ⅱ 单位根反演 今天打多校时 1002 被卡科技了 ...

  4. FFT&NTT&多项式相关

    打了FFT 感觉以后多项式不虚了 ~滑稽~ PS 关于详见没写完.... code #include<cmath> #include<cstdio> #include<c ...

  5. 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\ ...

  6. 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 ...

  7. 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\[ ...

  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 ...

随机推荐

  1. qt 移植到开发板

    一.准备工作: 1.QT应用程序 2.工具链--->交叉工具链一安装,就会有标准的c库 3.扩展的第三方库(ARM)()触摸屏库(tslib.tar.gz) 4.QT库 二.使用交叉工具链编译t ...

  2. linux使用tcpdump抓包工具抓取网络数据包,多示例演示

    tcpdump是linux命令行下常用的的一个抓包工具,记录一下平时常用的方式,测试机器系统是ubuntu 12.04. tcpdump的命令格式 tcpdump的参数众多,通过man tcpdump ...

  3. Android Stutio 3.0 - Gradle sync failed

    0.Android Studio 权威教程 (url:http://blog.csdn.net/column/details/zsl-androidstudio.html) 1. 项目老是报错: Gr ...

  4. CentOS 7.3 minimal 开启网络服务

    CentOS7解决不能上网问题 1.先进入控制台 输入ip addr 2.然后su 获取超级管理员权限 3.编辑网络配置文件 vi  /etc/sysonfig/network-scripts/ifc ...

  5. C语言_了解一下C语言中的四种存储类别

    C语言是一门通用计算机编程语言,应用广泛.C语言的设计目标是提供一种能以简易的方式编译.处理低级存储器.产生少量的机器码以及不需要任何运行环境支持便能运行的编程语言. C语言中的四种存储类别:auto ...

  6. DLL文件修复

    当你在Windows计算机中安装非操作系统的软件时,往往会覆盖或改写系统共享文件, 如动态链接库(.dll文件)和可执行文件(.exe文件). * 对于Windows系统来说,当用户操作不当(如非正常 ...

  7. Linux的内核和权限

    1.内核包括的子系统是 : 进程管理系统 . 内存管理系统 . I/O管理系统 和文件管理系统  等四个子系统. 2.Linux系统中某个可执行文件属于root并且有setid,当一个普通用户 mik ...

  8. 模板语言变量,js变量,js自执行函数之前嵌套调用

    1.模板语言变量 前端html页面中展示 {{ nodeIp }} 2.js变量引用模板语言变量 把模板语言变量传递给js,js去执行页面操作(变量的转换,只适用于字符串) var IP = &quo ...

  9. 深刻理解iosBlock

    深刻理解iosBlock ///一个控制器里的方法 - (void)setRefreshHeader { ACWeakSelf(self); self.tableView.mj_header = [M ...

  10. Linux(二)命令

    Linux命令一.命令基本格式 命令行头部显示字符意义 [root@localhost ~] # root 用户名 localhost 主机名 ~ 当前目录 ~表示home目录 # 用户权限,#表示超 ...