板子

背板子.jpg

\(Fwt\)用于解决这样的问题

\[C_i=\sum_{j\bigoplus k=i}A_j\times B_k
\]

其中\(\bigoplus\)是一种二元运算符,如\(or,and,xor\)

首先我们直接做复杂度显然高达\(4^n\),或许可以利用一些枚举子集的技术做到\(3^n\),但是还是非常难以接受

于是我们考虑能否像\(fft\)那样构造出一种变换\(tf\),使得\(tf(C)=tf(A)*tf(B)\)(这里是逐位相乘),同时快速完成这个变换以及逆变换呢

下面以\(or\)卷积为例

我们设\(tf(A)(i)=\sum_{j|i=i}A_j\)

发现这个\(j|i=i\)就是说\(j\)是\(i\)的子集啊

于是

\[tf(A)(i)*tf(B)(i)=\sum_{j|i=i}A_j\times \sum_{k|i=i}B_k
\]

既然\(j,k\)都是\(i\)的子集,那么\(j|k\)显然也是\(i\)的子集,设\(t=j|k\)

于是

\[tf(A)(i)*tf(B)(i)=\sum_{(k|j)|i=i}A_j\times B_k=\sum_{t|i=i}C_t=tf(C)(i)
\]

我们发现如果这样构造\(tf\),我们是可以得到\(tf(A)*tf(B)=tf(C)\)这样的性质的,于是就可以像\(fft\)那样直接逐位相乘之后逆变换了

考虑如何进行变换

变换如下

\[tf(A)=\begin{cases}(tf(A_0),tf(A_0+A_1)) & n\gt0 \\ A & n=0\end{cases}
\]

\(A_0\)是\(A\)的前\(2^{n-1}\)项组成的多项式,\(A_1\)是后\(2^{n-1}\)项组成的多项式

在\(n=0\)的时候,\(tf(A)=A\)成立这非常显然啊

考虑一下\(n>0\)的情况

那个\((tf(A_0),tf(A_0+A_1))\)就是把两个\(2^{n-1}\)的多项式连接起来的意思

我们对于\(tf(A)\)的前\(2^{n-1}\)项,就是\(A_0\)的变换,跟\(A_1\)没有什么关系,因为这前\(2^{n-1}\)项第\(n\)位都是\(0\),不可能跟后\(2^{n-1}\)项第\(n\)位都是\(1\)产生关系

考虑后\(2^{n-1}\)项,根据一个非常感性的理解,后\(2^{n-1}\)项的第\(n\)位都是\(1\),我们构造出多项式\(A_0+A_1\),只看后面的\(n-1\)位自然是满足我们的\(tf\)的规则的,就是\(j\)是\(i\)的子集,又由于\(i\)的第一位是\(1\),所以\(j\)的第一位是\(0\)是\(1\)都可以,所以我们直接用\(A_0+A_1\)就好了

类似的,我们也可以推出逆变换

\[itf(A)=\begin{cases}(itf(A_0),itf(A_0-A_1)) & n\gt0 \\ A & n=0\end{cases}
\]

于是我们就可以写出\(or\)卷积的代码

inline void Fwtor(LL *f,int o) {
for(re int i=2;i<=len;i<<=1)
for(re int ln=i>>1,l=0;l<len;l+=i)
for(re int x=l;x<l+ln;++x)
f[ln+x]+=o*f[x];
}

\(and\)卷积和\(or\)卷积类似

我们设变换\(tf(A)(i)=\sum_{j\&i=i}A_j\)

发现\(j\&i=i\)就是说\(j\)是\(i\)的超集

我们也能相应写出变换

\[tf(A)=\begin{cases}(tf(A_0+A_1),tf(A_1)) & n\gt0 \\ A & n=0\end{cases}
\]

以及逆变换

\[itf(A)=\begin{cases}(itf(A_0-A_1),itf(A_1)) & n\gt0 \\ A & n=0\end{cases}
\]

以及代码

inline void Fwtand(LL *f,int o) {
for(re int i=2;i<=len;i<<=1)
for(re int ln=i>>1,l=0;l<len;l+=i)
for(re int x=l;x<l+ln;++x)
f[x]+=o*f[ln+x];
}

\(xor\)卷积就有些不一样了呀

首先我不是很知道这个变换的实际含义是什么

据fuge说是曼哈顿距离转切比雪夫距离

我们直接摆结论

\[tf(A)=\begin{cases}(tf(A_0+A_1),tf(A_0-A_1)) & n\gt0 \\ A & n=0\end{cases}
\]

尝试证明一下?对不起我咕了,挂一个yyb跑路了

板子还是放上来吧

inline void Fwtxor(LL *f,int o) {
LL Inv;
if(o==1) Inv=1;else Inv=ksm(2,mod-2);
for(re int i=2;i<=len;i<<=1)
for(re int ln=i>>1,l=0;l<len;l+=i)
for(re int x=l;x<l+ln;++x) {
LL g=f[x],h=f[ln+x];
f[x]=(g+h)%mod,f[ln+x]=(g-h+mod)%mod;
f[x]=(f[x]*Inv)%mod;f[ln+x]=(f[ln+x]*Inv)%mod;
}
}

最后挂一个完整的板子吧

#include<algorithm>
#include<iostream>
#include<cstring>
#include<cstdio>
#define re register
#define LL long long
#define max(a,b) ((a)>(b)?(a):(b))
#define min(a,b) ((a)<(b)?(a):(b))
const int maxn=(1<<17)+6;
inline int read() {
char c=getchar();int x=0;while(c<'0'||x>'9') c=getchar();
while(c>='0'&&c<='9') x=(x<<3)+(x<<1)+c-48,c=getchar();return x;
}
const int mod=998244353;
int n,len;
LL A[maxn],B[maxn],a[maxn],b[maxn];
inline void Fwtor(LL *f,int o) {
for(re int i=2;i<=len;i<<=1)
for(re int ln=i>>1,l=0;l<len;l+=i)
for(re int x=l;x<l+ln;++x)
f[x+ln]+=f[x]*o,f[x+ln]=(f[x+ln]+mod)%mod;
}
inline void Fwtand(LL *f,int o) {
for(re int i=2;i<=len;i<<=1)
for(re int ln=i>>1,l=0;l<len;l+=i)
for(re int x=l;x<l+ln;++x)
f[x]+=f[x+ln]*o,f[x]=(f[x]+mod)%mod;
}
inline void Fwtxor(LL *f,int o) {
int Inv;
if(o==1) Inv=1;else Inv=499122177;
for(re int i=2;i<=len;i<<=1)
for(re int ln=i>>1,l=0;l<len;l+=i)
for(re int x=l;x<l+ln;++x) {
int g=f[x],h=f[x+ln];
f[x]=(g+h)%mod;f[ln+x]=(g-h+mod)%mod;
f[x]=1ll*f[x]*Inv%mod;f[x+ln]=1ll*f[x+ln]*Inv%mod;
}
}
int main() {
n=read();len=(1<<n);
for(re int i=0;i<len;i++) a[i]=A[i]=read();
for(re int i=0;i<len;i++) b[i]=B[i]=read();
Fwtor(A,1),Fwtor(B,1);
for(re int i=0;i<len;i++) A[i]=1ll*A[i]*B[i]%mod;
Fwtor(A,-1);
for(re int i=0;i<len;i++) printf("%lld ",A[i]);puts("");
for(re int i=0;i<len;i++) A[i]=a[i];
for(re int i=0;i<len;i++) B[i]=b[i];
Fwtand(A,1),Fwtand(B,1);
for(re int i=0;i<len;i++) A[i]=1ll*A[i]*B[i]%mod;
Fwtand(A,-1);
for(re int i=0;i<len;i++) printf("%lld ",A[i]);puts("");
for(re int i=0;i<len;i++) A[i]=a[i];
for(re int i=0;i<len;i++) B[i]=b[i];
Fwtxor(A,1),Fwtxor(B,1);
for(re int i=0;i<len;i++) A[i]=1ll*A[i]*B[i]%mod;
Fwtxor(A,-1);
for(re int i=0;i<len;i++) printf("%lld ",A[i]);puts("");
return 0;
}

FWT背板笔记的更多相关文章

  1. 一个数学不好的菜鸡的快速沃尔什变换(FWT)学习笔记

    一个数学不好的菜鸡的快速沃尔什变换(FWT)学习笔记 曾经某个下午我以为我会了FWT,结果现在一丁点也想不起来了--看来"学"完新东西不经常做题不写博客,就白学了 = = 我没啥智 ...

  2. FWT学习笔记

    FWT学习笔记 引入 一般的多项式乘法是这样子的: \(c_i=\sum_{i,j}a_j*b_k*[j+k==i]\) 但是如果我们将这个乘法式子里面的+号变换一下变成其他的运算符号呢? \(c_i ...

  3. FWT 学习笔记

    FWT学习笔记 好久以前写的,先粘上来 定义数组 \(n=2^k\) \(A=[a_0,a_1,a_2,a_3,...,a_{n-1}]\) 令\(A_0=[a_0,a_1,a_2,...,a_{\f ...

  4. FMT/FWT学习笔记

    目录 FMT/FWT学习笔记 FMT 快速莫比乌斯变换 OR卷积 AND卷积 快速沃尔什变换(FWT/XOR卷积) FMT/FWT学习笔记 FMT/FWT是算法竞赛中求or/and/xor卷积的算法, ...

  5. $\text {FWT}$学习笔记

    \(\text {FWT}\) 学习笔记 正常项的\(\text {FWT}\) 在\(\text {OI}\)中,我们经常会碰到这种问题: 给出一个长度为\(n\)的序列\(a_{1,2,...,n ...

  6. 快速沃尔什变换 (FWT)学习笔记

    证明均来自xht37 的洛谷博客 作用 在 \(OI\) 中,\(FWT\) 是用于解决对下标进行位运算卷积问题的方法. \(c_{i}=\sum_{i=j \oplus k} a_{j} b_{k} ...

  7. 快速沃尔什变换 FWT 学习笔记【多项式】

    〇.前言 之前看到异或就担心是 FWT,然后才开始想别的. 这次学了 FWT 以后,以后判断应该就很快了吧? 参考资料 FWT 详解 知识点 by neither_nor 集训队论文 2015 集合幂 ...

  8. 快速沃尔什变换(FWT)学习笔记 + 洛谷P4717 [模板]

    FWT求解的是一类问题:\( a[i] = \sum\limits_{j\bigoplus k=i}^{} b[j]*c[k] \) 其中,\( \bigoplus \) 可以是 or,and,xor ...

  9. 快速沃尔什变换(FWT)笔记

    开头Orz hy,Orz yrx 部分转载自hy的博客 快速沃尔什变换,可以快速计算两个多项式的位运算卷积(即and,or和xor) 问题模型如下: 给出两个多项式$A(x)$,$B(x)$,求$C( ...

随机推荐

  1. 2 duplicate symbols for architecture“文件冲突”

      我在配置第三方库拷贝示例文件中的库文件到新项目完成相关配置之后报下面的错误:   错误的原因是在解决问题之后发现的(第三方库的项目示例demo中的 要拷贝到自己项目中的库  并不需要全部添加到自己 ...

  2. 百度AI人脸识别的学习总结

    本文主要分以下几个模块进行总结分析 项目要求:运用百度AI(人脸识别)通过本地与外网之间的信息交互(MQService),从而通过刷脸实现登陆.签字.会议签到等: 1.准备工作: 内网:单击事件按钮— ...

  3. git 查看和撤销

    linux下文本的新建和追加内容 git cat-file -p ID可查看当前master的数据 观察Git 內部如何储存Commit 随便便抓一個 Commit 的 SHA1 开始: git ca ...

  4. jeecg框架解决跨域问题

    controller层方法体中添加如下代码 response.setHeader("Access-Control-Allow-Origin", "*");res ...

  5. Spark of work

    Today I attended a meeting of reviewing code,  and I learned a lot from it. In the discuss, we found ...

  6. linux下安装jdk8

    https://www.cnblogs.com/shihaiming/p/5809553.html

  7. nodejs中创建web服务,监听本地IP

    nodejs官网例子 var http = require('http'); http.createServer(function (req, res) { res.writeHead(200, {' ...

  8. 转:JS判断值是否是数字(两种方法)

    JS判断值是否是数字   1.使用isNaN()函数 isNaN()的缺点就在于 null.空格以及空串会被按照0来处理 NaN: Not a Number /***判断是否是数字***/ 1 2 3 ...

  9. opencv3.2.0图像离散傅里叶变换

    源码: ##名称:离散傅里叶变换 ##平台:QT5.7.1+opencv3.2.0 ##日期:2017年12月13. /**** 新建QT控制台程序****/ #include <QCoreAp ...

  10. Difference between 'SAME' and 'VALID' padding

    Difference between 'SAME' and 'VALID' padding 'SAME' padding 和 'VALID' padding 的区别 If you like ascii ...