FFT(快速傅里叶变换)摘要
怎么说呢。。。这次的代码码风有点。。。
从这篇博客开始,我终于会用LATEX了!撒花
注:以下涉及多项式的n均表示多项式的次数
FFT用途
很简单,多项式相乘。
FFT原理
如果暴力乘,复杂度是$O(n^{2})$的,显然不行
所以考虑点值法。点值表示下的多项式相乘是$O(n)$的。这就是DFT(离散傅里叶变换)。
但很显然,随机带入n个值的复杂度是$O(n^{2})$的。
因此我们考虑以下推导。
设$$F(n)=a_{0}+a_{1}x+a_{2}x^{2}+...+a_{n}x^{n}$$那么我们一定可以将其拆成两个函数,即$$G(n)=a_{0}+a_{2}x+a_{4}x^{2}+a_{6}x^{3}+...$$$$H(n)=a_{1}+a_{3}x+a_{5}x^{2}+a_{7}x^{3}+...$$所以$$F(n)=G(x^{2})+xH(x^{2})$$从这个式子我们可以看出,如果我们取这么一个点值集合,使得其中一半的值为所有值的平方,比如${-1,1}$,那么我们就可以使计算规模减半(对于$G(n)$和$H(n)$,我们只需带入其中一半的值即可)。看来这是个很完美的策略。
很不幸,如果我们只在实数中这么思考,那复杂度仍为$O(n^{2})$,可以说没什么用。但这给了我们一个启发,如果每次对函数进行拆分递归并使点值集合规模减半,我们就可以在$O(nlogn)$的复杂度内求出一个多项式的点值表示。毫无疑问,问题的关键是这个点值集合。那是否存在这样一个点值集合呢?实数域当然没有,但复数域有,也就是单位根!(用复数做自变量真的让我很长时间无法接受)至于单位根么,出门右转问百度
当然,既然用了FFT,自然要把多项式项数补成2的幂,具体做法为高次项补零。
递归式FFT的很好打,但常数大,且容易爆栈。因此我们考虑迭代。
易发现,每次拆分多项式的时候,我们总是按下标的奇偶性来拆分。这就导致了一个结果:原多项式经过递归拆分后的新多项式下标是原多项式下标的二进制反转。
void unit() {
lg[]=;
fui(i,,mxle,)lg[i]=lg[i/]+;
bz[]=;
fui(i,,mxlg,)bz[i]=bz[i-]<<;
n=max(n,m);
n=bz[lg[n]+]-;
root[].x=;
root[].x=cos((*PI)/(n+));
root[].y=sin((*PI)/(n+));
fui(i,,n,)root[i]=root[i-]*root[]; //求单位根
frot[]=root[];
fui(i,,n,)frot[i]=root[n-i+]; //求逆单位根(后面用
for(int i=; i<=n; i++)fz[i]=(fz[i>>]>>)|((i&)<<(lg[n+]-)) ; //二进制反转
}
预处理
然后就是FFT了
void pre_FFT() {
fui(i,,n,)if(i<fz[i]) {
swp=fft[i];
fft[i]=fft[fz[i]];
fft[fz[i]]=swp;
}
}
void FFT() {
pre_FFT(); //对原多项式进行二进制反转
int zl=(n+)>>; //单位根增量
for(int i=; i<=n; i=(i<<)|,zl>>=) { //每次处理的多项式长度
for(int j=; j<n; j+=i+) { //每次处理的多项式左端点
int mid=(j+j+i)>>;
for(int k1=j,k2=mid+,nw=; k1<=mid; nw+=zl,k1++,k2++) { //对该多项式的点值进行迭代处理
x1=fft[k2]*root[nw]+fft[k1],x2=fft[k2]*root[nw+((n+)>>)]+fft[k1];
fft[k1]=x1;
fft[k2]=x2;
}
}
}
}
FFT
记住,千万不要用stl里的复数,会被坑死的,强烈建议手打
IFFT(快速傅里叶逆变换)
FFT求出了点值,然后相乘,求出了结果多项式的点值表示。但这不是结果,我们还要将其“翻译”回系数表示。所以就有了IFFT,可以叫其插值。
插值么,具体做法就是对结果求一遍类似FFT的东西,只不过把单位根改成{${{\omega}^{0},{\omega}^{-1},{\omega}^{-2},{\omega}^{-3},...,{\omega}^{-n}}$},即上面预处理的时候求过的那个所谓逆单位根带入即可。证明么,我不会,反正作为一个OIer记结论就好了。具体证明参见自为风月马前卒大佬的博客。
void IFFT() {
pre_FFT();
int zl=(n+)>>;
for(int i=; i<=n; i=(i<<)|,zl>>=) {
for(int j=; j<n; j+=i+) {
int mid=(j+j+i)>>;
for(int k1=j,k2=mid+,nw=; k1<=mid; nw+=zl,k1++,k2++) {
x1=fft[k2]*frot[nw]+fft[k1],x2=fft[k2]*frot[nw+((n+)>>)]+fft[k1]; //改成逆单位根带入
fft[k1]=x1;
fft[k2]=x2;
}
}
}
}
IFFT
模板题
#include<bits/stdc++.h>
using namespace std;
#define INF 0x7fffffff
#define ME 0x7f
#define FO(s) freopen(s".in","r",stdin);freopen(s".out","w",stdout)
#define fui(i,a,b,c) for(int i=(a);i<=(b);i+=(c))
#define fdi(i,a,b,c) for(int i=(a);i>=(b);i-=(c))
#define fel(i,a) for(register int i=h[a];i;i=b[i].ne)
#define ll long long
#define ld double
#define MEM(a,b) memset(a,b,sizeof(a))
#define maxn 1000010
#define mxlg 21
#define mxle 4194310
const ld PI=3.1415926535897932384626;
int n,m,mn;
ld a0[mxle],b0[mxle];
ld ans[mxle];
int lg[mxle],bz[mxlg+];
int fz[mxle];
struct Complex{
ld x,y;
Complex(){}
Complex(ld __x,ld __y){x=__x;y=__y;}
Complex operator *(Complex xx)const{return (Complex){x*xx.x-y*xx.y,x*xx.y+y*xx.x};}
Complex operator *(ld xx)const{return (Complex){x*xx,y*xx};}
Complex operator +(Complex xx)const{return (Complex){x+xx.x,y+xx.y};}
}root[mxle],frot[mxle],a[mxle],b[mxle],fft[mxle],c[mxle],swp,x1,x2;
template<class T>
inline T read(T &n){
n=;int t=;double x=;char ch;
for(ch=getchar();!isdigit(ch)&&ch!='-';ch=getchar());(ch=='-')?t=-:n=ch-'';
for(ch=getchar();isdigit(ch);ch=getchar()) n=n*+ch-'';
if(ch=='.') for(ch=getchar();isdigit(ch);ch=getchar()) n+=(ch-'')/x,x*=;
return (n*=t);
}
template<class T>
T write(T n){
if(n<) putchar('-'),n=-n;
if(n>=) write(n/);putchar(n%+'');return n;
}
template<class T>
T writeln(T n){write(n);putchar('\n');return n;}
int inc(int &x){int in=(n+)>>;for(;x∈in>>=)x^=in;x|=in;return x;}
void unit(){
lg[]=;fui(i,,mxle,)lg[i]=lg[i/]+;
bz[]=;fui(i,,mxlg,)bz[i]=bz[i-]<<;
n=max(n,m);n=bz[lg[n]+]-;
root[].x=;
root[].x=cos((*PI)/(n+));root[].y=sin((*PI)/(n+));
fui(i,,n,)root[i]=root[i-]*root[];
frot[]=root[];
fui(i,,n,)frot[i]=root[n-i+];
fui(i,,n,)a[i]=root[]*a0[i];
fui(i,,n,)b[i]=root[]*b0[i];
for(int i=;i<=n;i++)fz[i]=(fz[i>>]>>)|((i&)<<(lg[n+]-)) ;
}
void pre_FFT(){
fui(i,,n,)if(i<fz[i]){
swp=fft[i];fft[i]=fft[fz[i]];fft[fz[i]]=swp;
}
}
void FFT(){
pre_FFT();int zl=(n+)>>;
for(int i=;i<=n;i=(i<<)|,zl>>=){
for(int j=;j<n;j+=i+){
int mid=(j+j+i)>>;
for(int k1=j,k2=mid+,nw=;k1<=mid;nw+=zl,k1++,k2++){
x1=fft[k2]*root[nw]+fft[k1],x2=fft[k2]*root[nw+((n+)>>)]+fft[k1];
fft[k1]=x1;fft[k2]=x2;
}
}
}
// pre_FFT();
}
void IFFT(){
pre_FFT();int zl=(n+)>>;
for(int i=;i<=n;i=(i<<)|,zl>>=){
for(int j=;j<n;j+=i+){
int mid=(j+j+i)>>;
for(int k1=j,k2=mid+,nw=;k1<=mid;nw+=zl,k1++,k2++){
x1=fft[k2]*frot[nw]+fft[k1],x2=fft[k2]*frot[nw+((n+)>>)]+fft[k1];
fft[k1]=x1;fft[k2]=x2;
}
}
}
}
int main(){
read(n);read(m);mn=m+n;
fui(i,,n,)read(a0[i]);fui(i,,m,)read(b0[i]);unit();
fui(i,,n,)fft[i]=a[i];FFT();fui(i,,n,)a[i]=fft[i];
fui(i,,n,)fft[i]=b[i];FFT();fui(i,,n,)b[i]=fft[i];
fui(i,,n,)c[i]=a[i]*b[i];
fui(i,,n,)fft[i]=c[i];IFFT();fui(i,,n,)c[i]=fft[i];
fui(i,,mn,)ans[i]=(c[i].x+0.5)/((n+));
fui(i,,mn,)printf("%.0f ",ans[i]);
return ;
}
AC代码
常数太大,导致最后两个点2s多。。。
FFT(快速傅里叶变换)摘要的更多相关文章
- FFT 快速傅里叶变换 学习笔记
FFT 快速傅里叶变换 前言 lmc,ikka,attack等众多大佬都没教会的我终于要自己填坑了. 又是机房里最后一个学fft的人 早背过圆周率50位填坑了 用处 多项式乘法 卷积 \(g(x)=a ...
- CQOI2018 九连环 打表找规律 fft快速傅里叶变换
题面: CQOI2018九连环 分析: 个人认为这道题没有什么价值,纯粹是为了考算法而考算法. 对于小数据我们可以直接爆搜打表,打表出来我们可以观察规律. f[1~10]: 1 2 5 10 21 4 ...
- 「学习笔记」FFT 快速傅里叶变换
目录 「学习笔记」FFT 快速傅里叶变换 啥是 FFT 呀?它可以干什么? 必备芝士 点值表示 复数 傅立叶正变换 傅里叶逆变换 FFT 的代码实现 还会有的 NTT 和三模数 NTT... 「学习笔 ...
- FFT —— 快速傅里叶变换
问题: 已知A[], B[], 求C[],使: 定义C是A,B的卷积,例如多项式乘法等. 朴素做法是按照定义枚举i和j,但这样时间复杂度是O(n2). 能不能使时间复杂度降下来呢? 点值表示法: 我们 ...
- [C++] 频谱图中 FFT快速傅里叶变换C++实现
在项目中,需要画波形频谱图,因此进行查找,不是很懂相关知识,下列代码主要是针对这篇文章. http://blog.csdn.net/xcgspring/article/details/4749075 ...
- matlab中fft快速傅里叶变换
视频来源:https://www.bilibili.com/video/av51932171?t=628. 博文来源:https://ww2.mathworks.cn/help/matlab/ref/ ...
- FFT快速傅里叶变换算法
1.FFT算法概要: FFT(Fast Fourier Transformation)是离散傅氏变换(DFT)的快速算法.即为快速傅氏变换.它是根据离散傅氏变换的奇.偶.虚.实等特性,对离散傅立叶变换 ...
- FFT快速傅里叶变换
FFT太玄幻了,不过我要先膜拜HQM,实在太强了 1.多项式 1)多项式的定义 在数学中,由若干个单项式相加组成的代数式叫做多项式.多项式中的每个单项式叫做多项式的项,这些单项式中的最高项次数,就是这 ...
- [学习笔记]FFT——快速傅里叶变换
大力推荐博客: 傅里叶变换(FFT)学习笔记 一.多项式乘法: 我们要明白的是: FFT利用分治,处理多项式乘法,达到O(nlogn)的复杂度.(虽然常数大) FFT=DFT+IDFT DFT: 本质 ...
- FFT(快速傅里叶变换)
学习了FFT用来求多项式的乘法,看了算导上的介绍,上面讲的非常明白,概括一下FFT的原理就是,我们在计算多项式的乘法时,如果暴力模拟的话是n^2 复杂度的,就像小学学的竖式乘法一样,比如一个n位数乘上 ...
随机推荐
- PAT----1001. A+B Format (20)解题过程
1001. A+B Format (20) github链接 时间限制 400 ms 内存限制 65536 kB 代码长度限制 16000 B Calculate a + b and output t ...
- 什么是GPS的冷启动、温启动和热启动?
对于GPS多种启动方式的概念还很模糊,冷启动.热启动.温启动各种专业术语铺天盖地,使得许多用户眼花缭乱. 我们简单从定义上了解一下几种GPS启动的方式,GPS开机启动分为冷启动.温启动.热启动三种. ...
- Linux下搭建testlink1.9.17
如果只是要搭建testlink服务的话,建议使用testlink的集成安装包,能避免很多坑 下载地址:https://bitnami.com/stack/testlink/installer 下载好后 ...
- Ubuntu中sublime和Foxit Reader不能使用中文输入法解决方案
虽然Ubuntu下面很多软件同windows下一样,但是经常会出现各种各样的小问题,其中最让人头疼的是软件中的输入法问题. sublime作为一个跨平台的编辑软件,可以支持win,linux和mac系 ...
- java使用JMail通过QQ邮件服务器实现自动发送邮件
前言:项目开发的过程中,我们项目需要一个自动发送邮件提醒的小功能,于是简单的研究了一下java的JMail来实现自动发送邮件的功能.已被后期需要参考. 一.准备 实现的原理很简单:发送人 , 中转的邮 ...
- js & parseFloat & toFixed
js & parseFloat & toFixed https://repl.it/languages/javascript https://repl.it/repls/MintyBa ...
- Good Bye 2018 没打记
场外选手赛时只口胡出了CD感觉非常惨.只看了E并且还没看到题面里的wiki我能咋办 C:f只与gcd(n,k)有关. D:考虑每种起始位置,对于跨越的两个排列,只有前一个排列的后缀单减时不产生贡献.答 ...
- Could not load file or assembly 'Microsoft.ReportViewer.WebForms, Version=11.0.0.0, Culture=neutral, PublicKeyToken=89845dcd8080cc91' or one of its dependencies
my shurufa huai diao le 1\ first you need install " SQLSysClrTypes_x86.msi " 2\ ...
- BZOJ 4004: [JLOI2015]装备购买
4004: [JLOI2015]装备购买 Time Limit: 20 Sec Memory Limit: 128 MBSubmit: 1154 Solved: 376[Submit][Statu ...
- Python multiprocessing模块的Pool类来代表进程池对象
#-*-coding:utf-8-*- '''multiprocessing模块提供了一个Pool类来代表进程池对象 1.Pool可以提供指定数量的进程供用户调用,默认大小是CPU的核心数: 2.当有 ...