@(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

  1. 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 ...

  2. FFT NTT 模板

    NTT: #include<cstdio> #include<cstring> #include<algorithm> using namespace std; # ...

  3. 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$CDQ$ ...

  4. [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 ...

  5. 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 ...

  6. 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 ...

  7. [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 ...

  8. 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\ ...

  9. $FFT/NTT/FWT$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

  1. ios 团购信息客户端demo(一)

    团购信息客户端,主要整合了ASIHTTPREQUEST,KISSXML,AQGridView,MBProgressHUD这几个主要流行的IOS开发库,我们先来看一下效果图 首先我们新建一个IOS工程, ...

  2. 【贪心 堆】luoguP2672 推销员

    堆维护,贪心做法 题目描述 阿明是一名推销员,他奉命到螺丝街推销他们公司的产品.螺丝街是一条死胡同,出口与入口是同一个,街道的一侧是围墙,另一侧是住户.螺丝街一共有N家住户,第i家住户到入口的距离为S ...

  3. [LUOGU] 1364 医院设置

    设有一棵二叉树,如图: [我是图] 其中,圈中的数字表示结点中居民的人口.圈边上数字表示结点编号,现在要求在某个结点上建立一个医院,使所有居民所走的路程之和为最小,同时约定,相邻接点之间的距离为1.如 ...

  4. Django 模版语法 三

    使用自定义simple_tag 在 app01 下面创建 templatetags 文件夹,在创建 my_tag.py 文件,内容如下: from django import template fro ...

  5. (转)Duplicate Symbol链接错的原因总结和解决方法

    duplicate symbol是一种常见的链接错误,不像编译错误那样可以直接定位到问题的所在.但是经过一段时间的总结,发现这种错误总是有一些规律可以找的.例如,我们有如下的最简单的两个类代码: // ...

  6. C++中四种强制类型转换方式

    类型转换有c风格的,当然还有c++风格的.c风格的转换的格式很简单(TYPE)EXPRESSION,但是c风格的类型转换有不少的缺点,有的时候用c风格的转换是不合适的,因为它可以在任意类型之间转换,比 ...

  7. Java-改变Class

    改变一个Class对象的类型 package com.tj; public class MyClass2 { public static void main(String[] args) { Obje ...

  8. HTML与XML的区别

    什么是HTML HTML的全拼是Hypertext Markup Language, 中文也就是超文本链接标示语言.HTML(HyperTextMark-upLanguage)即超文本标记语言,是WW ...

  9. IOS 自动布局-UIStackPanel和UIGridPanel(二)

    在上一篇中我提到了如何使用stackpanel和gridpanel来实现自动布局.而在这一篇中我着重讲解下其中的原理. 在(UIPanel   UIStackPanel  UIGridPanel)中主 ...

  10. python算法-插入排序

    插入排序 一.核心思想:在一个有序的数组中,通过逐一和前面的数进行比较,找到新数的位置. 例子:数组有有一个数21 插入一个3,3<21,因此结果为 3,21 再插入一个34,34>21, ...