FFT/NTT模板 既 HDU1402 A * B Problem Plus
@(学习笔记)[FFT, NTT]
Problem Description
Calculate A * B.
Input
Each line will contain two integers A and B. Process to end of file.
Note: the length of each integer will not exceed 50000.
Output
For each case, output A * B in one line.
Sample Input
1
2
1000
2
Sample Output
2
2000
Solution
FFT和NTT都是可以的.
FFT: 没有特别要求.
const int N = 1 << 17;
char str1[N], str2[N];
#include<cstdio>
#include<cstring>
int len1, len2;
struct complex
{
double real, imag;
inline complex(){}
inline complex(double _real, double _imag)
{
real = _real, imag = _imag;
}
inline friend complex operator *(complex a, complex b)
{
return complex(a.real * b.real - a.imag * b.imag, a.imag * b.real + b.imag * a.real);
}
inline friend complex operator +(complex a, complex b)
{
return complex(a.real + b.real, a.imag + b.imag);
}
inline friend complex operator -(complex a, complex b)
{
return complex(a.real - b.real, a.imag - b.imag);
}
}a[N << 1], b[N << 1];
#include<algorithm>
int len;
int rev[N << 1];
inline void prepare(complex *a, complex *b)
{
int mx = std::max(len1, len2) << 1;
len = 1;
int bit = 0;
while(len < mx)
len <<= 1, ++ bit;
rev[0] = 0;
for(int i = 1; i < len; ++ i)
rev[i] = rev[i >> 1] >> 1 | (i & 1) << (bit - 1);
}
inline void reverse(complex *a)
{
for(int i = 0; i < len; ++ i)
if(rev[i] < i)
std::swap(a[i], a[rev[i]]);
}
#include<cmath>
const double PI = acos(-1.0);
inline void fft(complex *a, int opt)
{
reverse(a);
for(int i = 2; i <= len; i <<= 1)
{
complex omega_n = complex(cos(2.0 * PI * (double)opt / (double)i), sin(2.0 * PI * (double)opt / (double)i));
for(int j = 0; j < len; j += i)
{
complex omega = complex(1.0, 0.0); //e ^ 0
for(int k = j; k < j + i / 2; ++ k)
{
complex x = a[k], y = omega * a[k + i / 2];
a[k] = x + y, a[k + i / 2] = x - y;
omega = omega * omega_n;
}
}
}
if(opt == -1)
for(int i = 0; i < len; ++ i)
a[i].real /= (double)len;
}
int ans[N << 1];
inline void convolute(complex *a, complex *b)
{
prepare(a, b);
fft(a, 1), fft(b, 1);
for(int i = 0; i < len; ++ i)
a[i] = a[i] * b[i];
fft(a, -1);
for(int i = 0; i < len; ++ i)
ans[i] = (int)(a[i].real + 0.5);
}
int main()
{
#ifndef ONLINE_JUDGE
freopen("HDU1402.in", "r", stdin);
freopen("HDU1402.out", "w", stdout);
#endif
while(gets(str1) && gets(str2))
{
len1 = strlen(str1), len2 = strlen(str2);
memset(a, 0, sizeof(a));
memset(b, 0, sizeof(b));
for(int i = 0; i < len1; ++ i)
a[i] = complex(str1[len1 - i - 1] - '0', 0);
for(int i = 0; i < len2; ++ i)
b[i] = complex(str2[len2 - i - 1] - '0', 0);
convolute(a, b);
for(int i = 0; i < len; ++ i)
ans[i + 1] += ans[i] / 10, ans[i] %= 10;
for(; len && ! ans[len - 1]; -- len);
for(int i = len - 1; ~ i; -- i)
putchar(ans[i] + '0');
if(! len)
putchar('0');
putchar('\n');
}
}
NTT: 要求取模的数\(P\)是费马素数. 对于原根\(g\), 要确保有 \(g ^ 0 \ne g^1 \ne ... \ne g^{p - 2} (modP)\). NTT的过程相当于用 \(\omega_n = g^{ \frac{p - 1}{n}}\) 替代了 \(\omega_n = e^{\frac{2 \cdot \pi}{n} \cdot i}\)的FFT. \(\omega_i\)和\(inv(\omega_i)\)可以在预处理中求出.
const long long P = (479 << 21) + 1;
const long long G = 3;
inline long long quickPower(long long a, long long k, long long mod)
{
if(! k)
return 1;
long long ret = quickPower(a, k >> 1, mod);
ret = ret * ret % mod;
if(k & 1)
ret = ret * a % mod;
return ret;
}
const long long QUAN = 1 << 5;
long long omega_[QUAN];
inline void getOmega_n()
{
for(long long i = 0; i < QUAN; ++ i)
omega_[i] = quickPower(G, (P - 1) / (1 << i), P);
}
const long long LEN = 1 << 16;
char str1[LEN], str2[LEN];
#include<cstdio>
#include<cstring>
long long len1, len2;
long long a[LEN << 1], b[LEN << 1];
#include<algorithm>
long long len;
long long rev[LEN << 1];
inline void prepare()
{
long long mx = std::max(len1, len2) << 1;
len = 1;
long long bit = 0;
while(len < mx)
len <<= 1, ++ bit;
rev[0] = 0;
for(long long i = 0; i < len; ++ i)
rev[i] = rev[i >> 1] >> 1 | (i & 1) << (bit - 1);
}
inline void reverse(long long *a)
{
for(long long i = 0; i < len; ++ i)
if(rev[i] < i)
std::swap(a[i], a[rev[i]]);
}
inline void NTT(long long *a, long long opt)
{
reverse(a);
long long temp = 0;
for(long long i = 2; i <= len; i <<= 1)
{
++ temp;
int omega_i = ~ opt ? omega_[temp] : quickPower(omega_[temp], P - 2, P);
for(long long j = 0; j < len; j += i)
{
long long omega = 1;
for(long long k = j; k < j + i / 2; ++ k)
{
long long u = a[k], t = omega * a[k + i / 2] % P;
a[k] = (u + t) % P, a[k + i / 2] = (u - t + P) % P;
omega = omega * omega_i % P;
}
}
}
if(opt == -1)
{
long long inv = quickPower(len, P - 2, P);
for(long long i = 0; i < len; ++ i)
a[i] = a[i] * inv % P;
}
}
long long ans[LEN << 1];
inline void convolute(long long *a, long long *b)
{
prepare();
NTT(a, 1), NTT(b, 1);
for(long long i = 0; i < len; ++ i)
a[i] = a[i] * b[i] % P;
NTT(a, -1);
for(int i = 0; i < len; ++ i)
ans[i] = a[i];
}
int main()
{
#ifndef ONLINE_JUDGE
freopen("HDU1402.in", "r", stdin);
#endif
getOmega_n();
while(gets(str1) && gets(str2))
{
len1 = strlen(str1), len2 = strlen(str2);
memset(a, 0, sizeof(a)), memset(b, 0, sizeof(b));
for(long long i = 0; i < len1; ++ i)
a[len1 - i - 1] = str1[i] - '0';
for(long long i = 0; i < len2; ++ i)
b[len2 - i - 1] = str2[i] - '0';
convolute(a, b);
for(int i = 0; i < len; ++ i)
ans[i + 1] += ans[i] / 10, ans[i] %= 10;
for(; len && ! ans[len - 1]; -- len);
for(int i = len - 1; ~ i; -- i)
putchar(ans[i] + '0');
if(! len)
putchar('0');
putchar('\n');
}
}
FFT/NTT模板 既 HDU1402 A * B Problem Plus的更多相关文章
- 多项式FFT/NTT模板(含乘法/逆元/log/exp/求导/积分/快速幂)
自己整理出来的模板 存在的问题: 1.多项式求逆常数过大(尤其是浮点数FFT) 2.log只支持f[0]=1的情况,exp只支持f[0]=0的情况 有待进一步修改和完善 FFT: #include&l ...
- FFT NTT 模板
NTT: #include<cstdio> #include<cstring> #include<algorithm> using namespace std; # ...
- 分治FFT/NTT 模板
题目要我们求$f[i]=\sum\limits_{j=1}^{i}f[i-j]g[j]\;mod\;998244353$ 直接上$NTT$肯定是不行的,我们不能利用尚未求得的项卷积 所以要用$CDQ$ ...
- [hdu1402]A * B Problem Plus(NTT)
解题关键:快速数论变换NTT模板. 注意$ans$数组的$ans[n]$一定要注意置$0$,或者结果从$n-1$开始遍历,这里很容易出错. 代码1:ACdreamer 的板子. 为什么要reverse ...
- 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 ...
- FFT \ NTT总结(多项式的构造方法)
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\(FF ...
- [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 ...
- 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\ ...
- $FFT/NTT/FWT$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 < ...
随机推荐
- rocketmq 命令示例
http://www.360doc.com/content/16/0111/17/1073512_527143896.shtml http://www.cnblogs.com/marcotan/p/4 ...
- 学习C语言库函数
使用C语言功能强大的函数,我们需要包含头文件 #include<math.h>. 1)取两个数的较大值或较小值函数: double a = 9.9; double b = 6.6; pri ...
- 变色龙启动MAC时,错误信息“ntfs_fixup: magic doesn't match:”的解决办法
如下是变色龙启动的bdmesg,解决办法就是用mac的磁盘管理器,对ntfs分区进行检验修复.需要安装ntfs的驱动支持. 实在不行,就删除调整过大小的分区,重新用Windows的磁盘管理器重新分区. ...
- Vue的响应式规则
对象属性的响应规则 <body> <div id="root"> {{msg}} </div> </body> <script ...
- Python3 安装pip 提示ModuleNotFoundError: No module named 'distutils.util'
环境ubutun14,python版本是python3.6. 今天在安装Pip 时出现ModuleNotFoundError: No module named 'distutils.util'.操作步 ...
- Canal的安装与使用
一.Canal介绍 Canal的原理就是它自己伪装成slave, 向mysql发送dump协议,MySQL master接收到dump请求之后推送binlog文件给slave, 也就是canal. 二 ...
- Linux实现删除撤回的方法。
RM命令改造 vim /etc/bashrc 在文件的最前端添加如下代码 #修改rm命令 alias rm=delete #命令别名,通过delete来实现rm改为mv alias r=de ...
- mysql启动错误排查-无法申请足够内存
一般情况下mysql的启动错误还是很容易排查的,但是今天我们就来说一下不一般的情况.拿到一台服务器,安装完mysql后进行启动,启动错误如下: 有同学会说,哥们儿你是不是buffer pool设置太大 ...
- C# 反射总结
反射(Reflection)是.NET中的重要机制,通过放射,可以在运行时获得.NET中每一个类型(包括类.结构.委托.接口和枚举等)的成员,包括方法.属性.事件,以及构造函数等.还可以获得每个成员的 ...
- 关于Linux下使用expdp和impdp命令对Oracle数据库进行导入和导出操作
说明:本次导入和导出采用expdp和impdp命令进行操作,这2个命令均需要在服务器端进行操作 http://www.cnblogs.com/huacw/p/3888807.html 一. 从O ...