拆系数FFT
1.基本介绍
对长度为L的\(A(x),B(x)\)进行DFT,可以利用
P(x)=A(x)+iB(x) \tag{1} \\
Q(x)=A(x)-iB(x) \tag{2}
\end{align}
\]
对\(P(x)\)进行DFT,得到\(F_p\)。
\(Q(x)\)的结果 DFT\(F_q[k]=!(F_p[2L-k])\),(!表示取共轭)(证明见论文)。
则
DFT(A[k])=\frac{F_p[k]+F_q[k]} 2 \tag{3} \\
DFT(B[k])=-i\frac{F_p[k]-F_q[k]} 2 \tag{4}
\end{align}
\]
这就是两两合并计算DFT的方法,2次DFT优化为了1次。
IDFT的计算有两种方法,一种是带入\(-w_n^k\),另一种是将序列[1..n-1]翻转,再进行FFT,两种方法结果都要除以n。
//495ms
#include <bits/stdc++.h>
#define rep(i,l,r) for(int i=l,ed=r;i<ed;++i)
typedef long long ll;
const double PI = acos(-1);
const int N = 1<<20;
const int BUF_SIZE=33554431;
using namespace std;
struct buf{
char a[BUF_SIZE],b[BUF_SIZE],*s,*t;
buf():s(a),t(b){a[fread(a,1,sizeof a,stdin)]=0;}
~buf(){fwrite(b,1,t-b,stdout);}
operator int(){
int x=0;
while(*s<48)++s;
while(*s>32)
x=x*10+*s++-48;
return x;
}
void out(int x){
static char c[12];
char*i=c;
if(!x)*t++=48;
else{
while(x){
int y=x/10;
*i++=x-y*10+48,x=y;
}
while(i!=c)*t++=*--i;
}
*t++=10;
}
}it;
struct cp{
double x,y;
cp(double _x=0,double _y=0):x(_x),y(_y){}
cp operator +(const cp& b)const{return cp(x+b.x,y+b.y);}
cp operator -(const cp& b)const{return cp(x-b.x,y-b.y);}
cp operator *(const cp& b)const{return cp(x*b.x-y*b.y,x*b.y+y*b.x);}
cp operator !()const{return cp(x,-y);}
}w[N];
void fft(cp p[],int n){
for(int i=0,j=0;i<n;++i){
if(i>j)swap(p[i],p[j]);
for(int l=n>>1;(j^=l)<l;l>>=1);
}
for(int i=2;i<=n;i<<=1)
for(int j=0,m=i>>1;j<n;j+=i)
rep(k,0,m){
cp b=w[n/i*k]*p[j+m+k];
p[j+m+k]=p[j+k]-b;
p[j+k]=p[j+k]+b;
}
}
void conv(int n,ll *x,ll *y,ll *z){
static cp p[N],q[N],h(0,-0.25);
rep(i,0,n){
w[i]=cp(cos(2*PI*i/n),sin(2*PI*i/n));
p[i]=cp(x[i],y[i]);
}
fft(p,n);
rep(i,0,n){
int j=i?(n-i):0;
q[j]=(p[i]*p[i]-!p[j]*!p[j])*h;
}
fft(q,n);
rep(i,0,n)z[i]=q[i].x/n+0.5;
}
int n,m,p;
ll a[N],b[N],c[N];
int main(){
n=it+1;m=it+1;
rep(i,0,n) a[i]=it;
rep(i,0,m) b[i]=it;
for(n+=m-1,p=1;p<n;p<<=1);
conv(p,a,b,c);
rep(i,0,n)it.out(c[i]);
return 0;
}
2.更快的卷积
将\(A(x)\)表示为\(A_0(x^2)+xA_1(x^2)\),\(、A_0(x^2)、xA_1(x^2)\)分别是偶次项、奇次项的和。
那么
A(x)B(x)&=(A_0(x^2)+xA_1(x^2))(B_0(x^2)+xB_1(x^2))\\
&=A_0(x^2)B_0(x^2)+x(A_0(x^2)B_1(x^2)+A_1(x^2)B_0(x^2))+x^2A_1(x^2)B_1(x^2)
\end{align}
\]
可以分别对\(A_0(x)、A_1(x)、B_0(x)、B_1(x)\)计算DFT,然后再把上式\(x^0,x^1,x^2\)的系数算出来,再进行3次IDFT。共7次。
DFT可以两两合并优化为2次,且是两次长度为L(原来是2L)的DFT。
IDFT时也可以两两合并,于是就需要2次长度L的IDFT。共4次。
如果这两次IDFT还可以两两合并,那就只要计算一次IDFT。共3次长度L的计算。
推导如下:
\(A_0(x^2)B_1(x^2)+A_1(x^2)B_0(x^2)\)的 IDFT 结果就是奇数项的系数。\(A_0(x^2)B_0(x^2)\)和\(x^2A_1(x^2)B_1(x^2)\) 则是偶数项的系数。
将\(A_0(x^2)B_0(x^2)\)和\(x^2A_1(x^2)B_1(x^2)\)看做是关于\(x^2\)的多项式,可以两两合并计算。令
f=DFT(A_0)\cdot DFT(B_1)+DFT(A_1)\cdot DFT(B_0)
\]
\(xA(x)\)就是\(w_n^k\cdot DFT(A)\)。我们只要计算出\(IDFT(g)\)和\(IDFT(f)\)即可。
如果 IDFT 的结果是实数,那么两个 IDFT 就可以合并计算,令
\]
那么
\]
于是取实部和虚部分别作为奇数和偶数项的系数即可。
令
0& k=0\\
n-k& k\neq 0
\end{cases}
\]
那么
g&=\frac {P_k+!P_j}{2}\cdot \frac {Q_k+!Q_j}{2}+w[k]\cdot \frac {P_k-!P_j}{-2i}\cdot \frac {Q_k-!Q_j}{-2i}\\
&=\frac 1 4 [(P_k+!P_j)\cdot(Q_k+!Q_j)-w[k]\cdot(P_k-!P_j)\cdot(Q_k-!Q_j)]\\
\\
f&=\frac {P_k+!P_j} 2 \cdot \frac{Q_k-!Q_j}{-2}i+\frac {Q_k+!Q_j} 2 \cdot \frac{P_k-!P_j}{-2}i\\
&=\frac i{-4}[2\cdot P_k\cdot Q_k-2\cdot !P_j\cdot !Q_j]
\end{aligned}
\]
于是
g+f\cdot i&=\frac 1 4 [(P_k+!P_j)\cdot(Q_k+!Q_j)-w[k]\cdot(P_k-!P_j)\cdot(Q_k-!Q_j)-2\cdot P_k\cdot Q_k+2 !(P_j\cdot Q_j)]\\
&=\frac 1 4 [-(P_k-!P_j)\cdot(Q_k-!Q_j)+2\cdot (P_k\cdot Q_k+!(P_j\cdot Q_j))\\
&-w[k]\cdot(P_k-!P_j)\cdot(Q_k-!Q_j)+2\cdot P_k\cdot Q_k-2\cdot !(P_j\cdot Q_j)]\\
&=Q_k\cdot P_k-\frac 1 4[(1+w[k])\cdot (P_k-!P_j)\cdot(Q_k-!Q_j)]\\
\end{aligned}
\]
//325ms
#include <bits/stdc++.h>
#define rep(i,l,r) for(int i=l,ed=r;i<ed;++i)
typedef long long ll;
const double PI = acos(-1);
const int N = 1<<20;
const int BUF_SIZE=33554431;
using namespace std;
struct buf{
char a[BUF_SIZE],b[BUF_SIZE],*s,*t;
buf():s(a),t(b){a[fread(a,1,sizeof a,stdin)]=0;}
~buf(){fwrite(b,1,t-b,stdout);}
operator int(){
int x=0;
while(*s<48)++s;
while(*s>32)
x=x*10+*s++-48;
return x;
}
void out(int x){
static char c[12];
char*i=c;
if(!x)*t++=48;
else{
while(x){
int y=x/10;
*i++=x-y*10+48,x=y;
}
while(i!=c)*t++=*--i;
}
*t++=10;
}
}it;
struct cp{
double x,y;
cp(double _x=0,double _y=0):x(_x),y(_y){}
cp operator +(const cp& b)const{return cp(x+b.x,y+b.y);}
cp operator -(const cp& b)const{return cp(x-b.x,y-b.y);}
cp operator *(const cp& b)const{return cp(x*b.x-y*b.y,x*b.y+y*b.x);}
cp operator *(double b)const{return cp(b*x,b*y);}
cp operator !()const{return cp(x,-y);}
}w[N];
void fft(cp *p,int n){
for(int i=0,j=0;i<n;++i){
if(i>j)swap(p[i],p[j]);
for(int l=n>>1;(j^=l)<l;l>>=1);
}
for(int i=2;i<=n;i<<=1)
for(int j=0,m=i>>1;j<n;j+=i)
rep(k,0,m){
cp b=w[n/i*k]*p[j+m+k];
p[j+m+k]=p[j+k]-b;
p[j+k]=p[j+k]+b;
}
}
void conv(int n,ll *x,ll *y,ll *z){
static cp p[N],q[N],a[N];
rep(i,0,n){
(i&1?p[i>>1].y:p[i>>1].x)=x[i];
(i&1?q[i>>1].y:q[i>>1].x)=y[i];
}
rep(i,0,n>>=1)w[i]=cp(cos(2*PI*i/n),sin(2*PI*i/n));
fft(p,n);fft(q,n);
rep(i,0,n){
int j=i?n-i:0;
a[j]=p[i]*q[i]-((cp(1,0)+w[i])*(p[i]-!p[j])*(q[i]-!q[j]))*0.25;
}
fft(a,n);
rep(i,0,n)z[i<<1]=a[i].x/n+0.5,z[i<<1|1]=a[i].y/n+0.5;
}
int n,m,p;
ll a[N],b[N],c[N];
int main(){
n=it+1;m=it+1;
rep(i,0,n) a[i]=it;
rep(i,0,m) b[i]=it;
for(n+=m-1,p=2;p<n;p<<=1);
conv(p,a,b,c);
rep(i,0,n)it.out(c[i]);
return 0;
}
3.拆系数FFT
要计算任意模数的卷积,我们一般考虑NTT+中国剩余定理CRT。NTT中需要模数是质数且表示为\(p=c\cdot 2^k+1\)中\(2^k\)要不小于n。
考虑直接算出卷积不取模,那么每个数不会超过\(M^2n\)。假设模数\(M\)是\(10^9\)级别,n是\(10^5\)级别,那么结果都是\(10^{23}\)级别,我们可以找三个都是\(10^9\)级别满足NTT要求的模数,利用中国剩余定理就能得到在\(10^{27}\)级别的模数意义下的结果,再对\(M\)取模即可。
但是这样常数就要乘3了。效率太低。拆系数FFT就是替代NTT解决模任意数且非常高效的算法。
如果利用FFT计算,浮点数会有误差,int128是一个方法,但是不是所有场合都能使用。所以需要拆系数。
设\(M_0=\lceil \sqrt M\rceil\),设
b_i=k[b_i]M_0+b[b_i]
\]
其中\(k[a_i],b[a_i]< M_0\)。
假设\(K_a(x)\)是以\(k[a_i]\)为系数的多项式,\(B_a(x)\)是以\(b[a_i]\)为系数的多项式,\(K_b(x),B_b(x)\)同理,则:
B(x)=K_b(x)M_0+B_b(x)\\
A(x)B(x)=K_a(x)K_b(x)M_0^2+(K_a(x)B_b(x)+K_b(x)B_a(x))M_0+B_a(x)B_b(x)
\]
和上面「更快的卷积」一样分析,两两合并可以将7次DFT及IDFT计算优化为4次:
\(M_0\)可以取一个超过\(\sqrt M\)的2的幂次,比较方便计算。
令
Q(x)=K_b(x)+iB_b(x)
\]
可知
DFT(B_a[k])=-i\frac {F_p[k]-!(F_p[(n-k)\%n])} 2\\
DFT(K_b[k])=\frac {F_q[k]-!(F_q[(n-k)\%n])} 2\\
DFT(B_b[k])=-i\frac {F_q[k]-!(F_q[(n-k)\%n])} 2\\
\]
于是只要计算出P(x)的DFT:\(F_p(x)\)和Q(x)的DFT:\(F_q(x)\),就能求出\(K_a(x),B_a(x),K_b(x),B_b(x)\)的DFT。
接下来IDFT的两两合并,以\(K_a(x)K_b(x)\)和\(K_a(x)B_b(x)\)为例,令
dftb[k]=DFT(K_a[k])\cdot DFT(B_b[k])
\]
我们需要对\(dfta(x)\)和\(dftb(x)\)进行IDFT。注意到这里IDFT的结果一定是实数,那么令
\]
那么 \(IDFT(p)\) 的实部除以n就是\(K_a(x)K_b(x)\),虚部除以n就是\(K_a(x)B_b(x)\)。
由于\(、k[x]、b[x]\)都是不超过\(2^{15}\)的数,于是就不容易被卡精度了。计算出来的结果再取模M就是答案了。
//933ms
#include <bits/stdc++.h>
#define rep(i,l,r) for(int i=l,ed=r;i<ed;++i)
typedef long long ll;
const double PI = acos(-1);
const int N = 1<<20;
const ll mod = 1e9+7;
const int BUF_SIZE=33554431;
using namespace std;
struct buf{
char a[BUF_SIZE],b[BUF_SIZE],*s,*t;
buf():s(a),t(b){a[fread(a,1,sizeof a,stdin)]=0;}
~buf(){fwrite(b,1,t-b,stdout);}
operator int(){
int x=0;
while(*s<48)++s;
while(*s>32)
x=x*10+*s++-48;
return x;
}
void out(int x){
static char c[12];
char*i=c;
if(!x)*t++=48;
else{
while(x){
int y=x/10;
*i++=x-y*10+48,x=y;
}
while(i!=c)*t++=*--i;
}
*t++=10;
}
}it;
struct cp{
double x,y;
cp(double _x=0,double _y=0):x(_x),y(_y){}
cp operator +(const cp& b)const{return cp(x+b.x,y+b.y);}
cp operator -(const cp& b)const{return cp(x-b.x,y-b.y);}
cp operator *(const cp& b)const{return cp(x*b.x-y*b.y,x*b.y+y*b.x);}
cp operator !()const{return cp(x,-y);}
}w[N];
void fft(cp p[],int n){
for(int i=0,j=0;i<n;++i){
if(i>j)swap(p[i],p[j]);
for(int l=n>>1;(j^=l)<l;l>>=1);
}
for(int i=2;i<=n;i<<=1)
for(int j=0,m=i>>1;j<n;j+=i)
rep(k,0,m){
cp b=w[n/i*k]*p[j+m+k];
p[j+m+k]=p[j+k]-b;
p[j+k]=p[j+k]+b;
}
}
void conv(int n,ll *x,ll *y,ll *z){
static cp p[N],q[N],a[N],b[N],c[N],d[N];
static cp r(0.5,0),h(0,-0.5),o(0,1);
rep(i,0,n){
w[i]=cp(cos(2*PI*i/n),sin(2*PI*i/n));
x[i]=(x[i]+mod)%mod,y[i]=(y[i]+mod)%mod;
p[i]=cp(x[i]>>15,x[i]&32767),q[i]=cp(y[i]>>15,y[i]&32767);
}
fft(p,n);fft(q,n);
rep(i,0,n){
int j=i?(n-i):0;
static cp ka,ba,kb,bb;
ka=(p[i]+!p[j])*r;
ba=(p[i]-!p[j])*h;
kb=(q[i]+!q[j])*r;
bb=(q[i]-!q[j])*h;
a[j]=ka*kb;b[j]=ka*bb;
c[j]=kb*ba;d[j]=ba*bb;
}
rep(i,0,n){
p[i]=a[i]+b[i]*o;
q[i]=c[i]+d[i]*o;
}
fft(p,n);fft(q,n);
rep(i,0,n){
ll a,b,c,d;
a=(ll)(p[i].x/n+0.5)%mod;
b=(ll)(p[i].y/n+0.5)%mod;
c=(ll)(q[i].x/n+0.5)%mod;
d=(ll)(q[i].y/n+0.5)%mod;
z[i]=((a<<30)+((b+c)<<15)+d)%mod;
}
}
int n,m,p;
ll a[N],b[N],c[N];
int main(){
n=it+1;m=it+1;
rep(i,0,n) a[i]=it;
rep(i,0,m) b[i]=it;
for(n+=m-1,p=1;p<n;p<<=1);
conv(p,a,b,c);
rep(i,0,n)it.out((c[i]+mod)%mod);
return 0;
}
题目:
待补充
拆系数FFT的更多相关文章
- 拆系数FFT及其部分优化
模拟考某题一开始由于校内OJ太慢直接拆系数FFT跑不过 后来被神仙婊了一顿之后发现复杂度写炸了改了改随便过 模版题:任意模数NTT 三模数NTT 常数巨大,跑的极慢 拆系数FFT 原理是对于两个多项式 ...
- 拆系数FFT(任意模数FFT)
拆系数FFT 对于任意模数 \(mod\) 设\(m=\sqrt {mod}\) 把多项式\(A(x)\)和\(B(x)\)的系数都拆成\(a\times m+b\)的形式,时\(a, b\)都小于\ ...
- hdu 5730 Shell Necklace——多项式求逆+拆系数FFT
题目:http://acm.hdu.edu.cn/showproblem.php?pid=5730 可以用分治FFT.但自己只写了多项式求逆. 和COGS2259几乎很像.设A(x),指数是长度,系数 ...
- 洛谷 4245 【模板】任意模数NTT——三模数NTT / 拆系数FFT
题目:https://www.luogu.org/problemnew/show/P4245 三模数NTT: 大概是用3个模数分别做一遍,用中国剩余定理合并. 前两个合并起来变成一个 long lon ...
- 洛谷 P4245 [模板]任意模数NTT —— 三模数NTT / 拆系数FFT(MTT)
题目:https://www.luogu.org/problemnew/show/P4245 用三模数NTT做,需要注意时间和细节: 注意各种地方要取模!传入 upt() 里面的数一定要不超过2倍 m ...
- hdu6088 组合数+反演+拆系数fft
题意:两个人van石头剪子布的游戏一共n盘,假设A赢了a盘,B赢了b盘,那么得分是gcd(a,b),求得分的期望*\(3^{2*n}\) 题解:根据题意很明显有\(ans=3^{n}*\sum_{a= ...
- 拆系数$FFT$($4$遍$DFT$)
#include <iostream> #include <cstdio> #include <cstdlib> #include <cstring> ...
- 51NOD 1258 序列求和 V4 [任意模数fft 多项式求逆元 伯努利数]
1258 序列求和 V4 题意:求\(S_m(n) = \sum_{i=1}^n i^m \mod 10^9+7\),多组数据,\(T \le 500, n \le 10^{18}, k \le 50 ...
- hdu 4656 Evaluation [任意模数fft trick]
hdu 4656 Evaluation 题意:给出\(n,b,c,d,f(x) = \sum_{i=1}^{n-1} a_ix^i\),求\(f(b\cdot c^{2k}+d):0\le k < ...
随机推荐
- Javascript中双等号(==)隐性转换机制
在Javascript中判断相等关系有双等号(==)和三等号(===)两种.其中双等号(==)是值相等,而三等号(===)是严格相等(值及类型是否完全相等). 因此有几个常识知识: 1.对于strin ...
- nodejs异步转同步
项目在微信环境开发,需要获取access_token进行授权登录和获取用户信息. 特意把这块功能拿出来封装一个自定义module module.exports = new Wechat(con.app ...
- pyltp安装踩坑记录
LTP(Language Technology Platform)由哈工大社会计算与信息检索研究中心开发,提供包括中文分词.词性标注.命名实体识别.依存句法分析.语义角色标注等丰富. 高效.精准的自然 ...
- Odoo薪酬管理 公式配置
薪酬计算的一般原理是:在基本工资的基础上,加上各种津贴,减去社保.公积金.个税等各种扣除项之后,得出最终的实发工资.此外,还要计算社保.公积金等公司应该承担的部分. 在同一公司中,针对不同的地区.不同 ...
- lock了mutex的线程退出了却没有unlock时会怎么样?
https://stackoverflow.com/questions/4424193/what-happens-to-mutex-when-the-thread-which-acquired-it- ...
- UI第三方
自定义下拉刷新控件 - RefreshableView(支持所有控件的下拉刷新)https://blog.csdn.net/cjh_android/article/details/52462367 亲 ...
- python3+arcface2.0 离线人脸识别 demo
python3+虹软2.0的所有功能整合测试完成,并对虹软所有功能进行了封装,现提供demo主要功能,1.人脸识别2.人脸特征提取3.特征比对4.特征数据存储与比对其他特征没有添加 sdk 下载请戳这 ...
- Jmeter Beanshell 用法
Beanshell 的用法 什么是beanshell Beanshell是一种完全符合java语法的脚本语言,并且拥有自己的内置对象和语法 Beanshell是用java写的,一个小型嵌入式java源 ...
- Git - git status - 查看当前仓库状态
索引: 目录索引 参看代码 GitHub: git.txt 一.示例: git status 二.说明: 1."status" 部分 该命令可以查出当前分支文件变更状态, 可以查出 ...
- jQuery中$.each()方法的使用
$.each()是对数组,json和dom结构等的遍历,说一下他的使用方法吧. 1.遍历一维数组 var arr1=['aa','bb','cc','dd']; $.each(arr1,functio ...