用途

在\(O(n\log^2 n)\)的时间内做诸如
\[
f_n=\sum_{i=0}^{n-1} f_ig_{n-i}
\]
或是
\[
f_n=\sum_{i=0}^{n-1} f_if_{n-i}
\]
或是
\[
f_{k,n}=\sum_s\sum_t \sum_i f_{s,i}f_{t,n-i}
\]
等“我 卷 我 自 己”的式子。

(如果你觉得这东西多项式求逆也可以做,那么请你认真看一下第三个式子)

思想

式子一

用CDQ分治的思想:先递归做出左边,考虑左边对右边的贡献,然后递归右边。

这其实就是最简单的分治FFT,用多项式求逆也可以实现。

式子二

现在\(g\)也被\(f\)替换了,考虑仍然用上面的做法,但你会发现:你挂了。

为什么会挂呢?

上面的统计贡献的过程是这样的:分治\([l,r]\)时,先做出\([l,mid]\)的\(f\),然后把\([l,mid]\)的\(f\)和\([1,r-l+1]\)的\(g\)卷在一起,把贡献算到\([mid+1,r]\)上面去。

但是现在发现一个漏洞:如果\(g\)替换成了\(f\),那么\([1,r-l+1]\)的\(f\)可能还没有被完全算出来。

什么时候会发生这种情况呢?考虑分治结构其实和线段树结构相同,满足左边的大小\(\ge\)右边的大小,所以只有在最左边的那个区间可能会发生这种事,也就是\(l=1\)时。

那怎么办?怎么提前算出右边?

我也不知道

既然不能提前算出来,那就不算,只算出\(f\)在\([l,mid]\)的值对右边的贡献之后直接往右边递归。

显然,一个点不能对自己产生贡献,所以递归到一个点的时候肯定是对的。

而两个点时可以算出\(l\)对\(r\)的贡献,也是对的。

以此类推,它就是对的。

(完全严谨的证明我也不会啊qwq)

注意:当\(l\ne 1\)时把\([l,mid]\)和\([1,r-l+1]\)卷起来时相当于钦定一个指针在\([l,mid]\),而另一个在\([1,r-l+1]\),但实际上他们有可能会交换位置,所以要乘2。

update:我都写了些啥……其实就是把两个卷起来的时候有两个指针,在右边的那个指针位置统计贡献,所以直接递归右边完全莫得问题。当卷积并不是二次方而是三次方、四次方的时候也照样可以在最右边的那个位置统计贡献。

式子三

这个式子真是丑呢……

然而直接用式子二的方法就可以了,方法并没有太大不同,除了……

注意:当\([l\ne 1]\)时¥%……&@&¥%¥,也相当于钦定了指针的位置,所以还要交换来一遍。

这么说可能比较难理解,考虑这么一个式子:
\[
f1_n=\sum_i f1_if2_{n-i}\\
f2_n=\sum_i f2_if1_{n-i}
\]
这时你不能简单地把\(f1[l,mid]\)和\(f2[1,r-l+1]\)卷起来,还要把\(f2[l,mid]\)和\(f1[1,r-l+1]\)卷起来,这才能做到不重不漏。

代码

代码现在不在我电脑上,我又那么懒,所以——

咕咕咕……

(建议去 https://www.cnblogs.com/yinwuxiao/p/9570533.html 食用代码/kel)

分治FFT学习笔记的更多相关文章

  1. 分治 FFT学习笔记

    先给一道luogu板子题:P4721 [模板]分治 FFT 今天模拟有道题的部分分做法是分治fft,于是就学了一下.感觉不是很难,国赛上如果推出式子的话应该能写出来. 分治fft用来解决这么一个式子\ ...

  2. 多项式求逆/分治FFT 学习笔记

    一.多项式求逆 给定一个多项式 \(F(x)\),请求出一个多项式 \(G(x)\), 满足 \(F(x) * G(x) \equiv 1 ( \mathrm{mod\:} x^n )\).系数对 \ ...

  3. 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 ...

  4. 快速傅里叶变换(FFT)学习笔记

    定义 多项式 系数表示法 设\(A(x)\)表示一个\(n-1\)次多项式,则所有项的系数组成的\(n\)维向量\((a_0,a_1,a_2,\dots,a_{n-1})\)唯一确定了这个多项式. 即 ...

  5. 快速傅里叶变换(FFT)学习笔记(其一)

    再探快速傅里叶变换(FFT)学习笔记(其一) 目录 再探快速傅里叶变换(FFT)学习笔记(其一) 写在前面 为什么写这篇博客 一些约定 前置知识 多项式卷积 多项式的系数表达式和点值表达式 单位根及其 ...

  6. 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 ...

  7. 口胡FFT现场(没准就听懂了)&&FFT学习笔记

    前言(不想听的可以跳到下面) OK.蒟蒻又来口胡了. 自从ZJOI2019上Day的数论课上的多项式听到懵逼了,所以我就下定决心要学好多项式.感觉自己以前学的多项式都是假的. 但是一直在咕咕,现在是中 ...

  8. 【笔记篇】(理论向)快速傅里叶变换(FFT)学习笔记w

    现在真是一碰电脑就很颓废啊... 于是早晨把电脑锁上然后在旁边啃了一节课多的算导, 把FFT的基本原理整明白了.. 但是我并不觉得自己能讲明白... Fast Fourier Transformati ...

  9. 【文文殿下】快速傅里叶变换(FFT)学习笔记

    多项式 定义 形如\(A(x)=\sum_{i=0}^{n-1} a_i x^i\)的式子称为多项式. 我们把\(n\)称为该多项式的次数界. 显然,一个\(n-1\)次多项式的次数界为\(n\). ...

随机推荐

  1. windows安装docker,快捷启动方式无法启动

    1.在双击“Docker Quickstart Terminal”时弹出缺少快捷方式,截图如下 2.单机快捷方式查看属性,发现配置的git位置是有问题的 现在只需要把git的正确地址配置好就可以了 现 ...

  2. JQuery里input属性赋值,取值prop()和attr()方法?

    一.赋值的时候 如果是<input type="checkbox" checked>这样的只有属性名就能生效的属性 推荐prop,即:$('input').prop(' ...

  3. 前端知识总结--ES6新特性

    ECMAScript 6.0(以下简称 ES6)是 JavaScript 语言的下一代标准,已经在 2015 年 6 月正式发布了.它的目标,是使得 JavaScript 语言可以用来编写复杂的大型应 ...

  4. 前端编译原理 parser.js源码解读

    前面已经介绍了一个jison的使用,在正常开发中其实已经够用下,下面主要是看了下parser.js代码解读下,作为一些了解. 下面以最简单的文法产生的parser做一些代码注释 下面是一些注释,标示了 ...

  5. android 动画总结一

    一.补间动画 补间动画就是指开发者指定动画的开始.动画的结束的"关键帧",而动画变化的"中间帧"由系统计算,并补齐. 补间动画分为四种:平移动画(Transla ...

  6. Spring+Dubbo+TestNG接口测试初探

    最近因工作原因,需要测试dubbo接口,通过公司同事写的框架,再结合度娘的帮助,自己做了一些总结记录. 通过下文意在说明如何搭建一个spring + dubbo + testng的测试环境,并完成一个 ...

  7. cmd中for的用法

    在cmd窗口输入for /?后的原文,被我自己“翻译”了一下,更像人话了. 推荐去https://www.cnblogs.com/cbugs/p/8992059.html这篇部落格里去看看,讲的更好. ...

  8. 手写代码之写斐波那契数列-传入key值求对应的value

    public class Testany { public static void main(String[] args) { int value = number(10); System.out.p ...

  9. PHP 把返回的数据集转换成Tree树

    /** * 把返回的数据集转换成Tree * @access public * @param array $list 要转换的数据集 * @param string $pid parent标记字段 * ...

  10. 基于Java+Selenium的WebUI自动化测试框架(六)---浏览器初始化

    本篇我们来讨论,如何写一个浏览器初始化的类.在写之前,先思考一下,我们需要一个什么样的初始化? 先来看看使用原生的Java + selenium是怎么做的.(以firefox为例) System.se ...