一个套路:把式子推成卷积形式,然后用fft或ntt优化求解过程。

fft的扩展性不强,不可以在fft函数里多加骚操作--DeepinC

T1:多项式乘法

板子题

T2:快速傅立叶之二

另一个板子,小技巧:把一个数组反转过来,以符合卷积形式

T3:力

拆式子,把qj除到左边,然后把大于j的贡献和小于j的贡献分开考虑,对于小于j的,直接用fft统计,对于大于的,先反转再fft

T4:Normal

大神题,考虑把贡献拆成点对,对于两个点i与j,若i能对j作出贡献,则i到j的路径上没有断点,同样删除i到j路径以外的点不影响i与j之间的贡献,则i对j作出贡献的概率为

$\frac{1}{dis(i,j)}$则答案即为$\sum\limits_{i=1}^{n}\sum \limits_{j=1}^{n}\frac{1}{dis(i,j)}$ 然后这玩意可以用点分治求,合并子树用fft优化

 #include<bits/stdc++.h>
#define N 70050
#define LL long long
const int mod=,G1=,G2=(mod+)/G1;
#define cri const register int
using namespace std;
int a[N],b[N];
int n;
int he[N],ne[N],to[N],tot;
int sz[N],alsz,vis[N],rt;
inline void addedge(int x,int y){to[++tot]=y;ne[tot]=he[x];he[x]=tot;}
inline int dfssz(int g,int fa){
sz[g]=;int ret=;
for(int i=he[g],k;i;i=ne[i]){
if(to[i]==fa||vis[to[i]])continue;
k=dfssz(to[i],g);sz[g]+=sz[to[i]];ret=max(ret,k+);
}return ret;
}
inline void dfsrt(int g,int fa){
int hs=;
for(int i=he[g];i;i=ne[i]){
if(to[i]==fa||vis[to[i]])continue;
dfsrt(to[i],g);hs=max(hs,sz[to[i]]);
}
if(sz[g]>(alsz>>)&&hs<=(alsz>>))rt=g;
} inline int dfsdep(int g,int fa,int *a,int d){
++a[d];
for(int i=he[g];i;i=ne[i]){
if(to[i]==fa||vis[to[i]])continue;
dfsdep(to[i],g,a,d+);
}
} int r[N]; inline int qpow(int d,int z)
{
int ret=;
for(;z;z>>=,d=1ll*d*d%mod)
if(z&)ret=1ll*ret*d%mod;
return ret;
}
inline void ntt(int *a,cri n,cri tag){
int cnt=-;for(int i=n;i;i>>=,++cnt);
for(int i=;i<n;++i){
r[i]=(r[i>>]>>)|((i&)<<cnt);
if(r[i]>i)swap(a[i],a[r[i]]);
}
for(int i=;i<n;i<<=){
LL u=qpow(tag==?G1:G2,(mod-)/i/),w=,t;
for(int j=,I=i<<;j<n;j+=I,w=)
for(int k=;k<i;++k,w=w*u%mod)
t=a[j+k+i]*w%mod,a[j+k+i]=(a[j+k]-t+mod)%mod,(a[j+k]+=t)%=mod;
}
}
int c[N];int sum[N];
inline void work(int g)
{
int d=dfssz(g,)-,lim=;
vis[g]=;if(sz[g]==)return;
for(lim=;lim<=d+d;lim<<=);
for(register int i=;i<lim;++i)a[i]=b[i]=;
for(int i=he[g],d2,l2;i;i=ne[i]){
if(vis[to[i]])continue;dfsdep(to[i],g,a,);
for(d2=;a[d2];++d2)b[d2]+=a[d2];--d2;
for(l2=;l2<=d2+d2;l2<<=); ntt(a,l2,);
for(int j=;j<l2;++j)a[j]=1ll*a[j]*a[j]%mod;
ntt(a,l2,-); const LL iv=qpow(l2,mod-);
for(int j=;j<=d2+d2;++j)sum[j]-=iv*a[j]%mod;
for(int j=;j<l2;++j)a[j]=;
} for(int i=;i<=d;++i)sum[i]+=b[i]<<;
ntt(b,lim,);
for(int i=;i<lim;++i)b[i]=1ll*b[i]*b[i]%mod;
ntt(b,lim,-);
const LL iv=qpow(lim,mod-);
for(int i=;i<=d+d;++i)sum[i]+=iv*b[i]%mod; for(int i=he[g];i;i=ne[i]){
if(vis[to[i]])continue;
alsz=sz[to[i]],dfsrt(to[i],g),c[++c[]]=rt;
} }
int main()
{
// freopen("da.in","r",stdin);
scanf("%d",&n);
for(int i=,x,y;i<n;++i){
scanf("%d%d",&x,&y),++x,++y;
addedge(x,y),addedge(y,x);
}
dfssz(,);alsz=sz[];dfsrt(,);c[++c[]]=rt;
for(int i=;i<=c[];++i)work(c[i]);
double ans=;
for(int i=;i<n;++i)
{
// printf("i:%d sum:%d\n",i,sum[i]);
ans+=1.0*sum[i]/(i+1.0);
}
printf("%.4lf\n",ans+n);
}

T5:万径人踪灭

字符串与fft的结合,考虑以每个点为中心,用总共的减去连续的。发现只要求出以每个点为中心的对称的点对有多少个即可,对于中心mid,若l与r关于mid对称,

则mid=(l+r)>>1,然后这个东西就可以卷积了。对a和b分别卷积,就能求出以每个点为中心的对称的点对的个数,求连续的个数可以manacher也可以hash+二分

T6:序列统计

考察原根的用法。利用原根把乘法转化为加法,即将1~p-1中的每个数都表示为原根的k次方,原数相乘=新数相加,然后就可以ntt了

T7:求和

fft与斯特林数结合,个人感觉难想的点其实在于把j的枚举范围从i直接升到n,这样其实是去掉j对i的限制,同时不影响答案。

T8:染色

fft+二项式反演。首先化式子,$ \binom{m}{k}*\binom{n}{k*s}*\frac{(k*s)!}{x^{k}}*(m-k)^{n-k*s} $就得到了钦定k个的方案数,注意,是钦定,而不是至少。

然后利用二项式反演的至少形式,化成卷积式,就可以fft了。

T9:城市规划

次题考察分治fft,分治fft的形式:$f[i]=\sum\limits_{j=1}^{i}g[j]*f[i-j]$

 #include<bits/stdc++.h>
#define cri const register int
#define N 270050
#define LL long long
const int mod=,G1=,G2=(mod+)/G1;
using namespace std;
int n,f[N],g[N];
inline int qpow(int d,LL z){
int ret=;
for(;z;z>>=,d=1ll*d*d%mod)
if(z&)ret=1ll*ret*d%mod;
return ret;
}
int inc[N],inv[N];
inline void init(int n){
inc[]=inv[]=;
for(int i=;i<=n;++i)inc[i]=1ll*inc[i-]*i%mod;
inv[n]=qpow(inc[n],mod-);
for(int i=n-;i;--i)inv[i]=1ll*inv[i+]*(i+)%mod;
for(int i=;i<=n;++i)
g[i]=1ll*qpow(,1ll*i*(i-)>>)*inv[i]%mod;
}
inline void ntt(int *a,cri n,cri tag)
{
static int r[N],cnt;
cnt=-;for(int i=n;i;i>>=,++cnt);
for(int i=;i<n;++i){
r[i]=(r[i>>]>>)|((i&)<<cnt);
if(i>r[i])swap(a[i],a[r[i]]);
}
for(int i=;i<n;i<<=){
LL u=qpow(tag==?G1:G2,(mod-)/i/),w=,t;
for(int j=,I=i<<;j<n;j+=I,w=)
for(int k=;k<i;++k,(w*=u)%=mod)
t=w*a[j+k+i]%mod,a[j+k+i]=(a[j+k]-t+mod)%mod,(a[j+k]+=t)%=mod;
}
}
inline void solve(int l,int r){
if(l>n)return;
if(l==r){//printf("f[%d]=%d\n",l,f[l]);
if(l){
f[l]=1ll*f[l]*inc[l-]%mod;
f[l]=(1ll*g[l]*inc[l]%mod+0ll+mod-f[l])%mod;
f[l]=1ll*f[l]*inv[l-]%mod;
}
return;
}
static int ff[N],gg[N];
const int mid=l+r>>;
solve(l,mid); for(int i=l;i<=mid;++i)ff[i-l]=f[i],gg[i-l]=g[i-l];
for(int i=mid+;i<=r;++i)ff[i-l]=,gg[i-l]=g[i-l];//gg[r-l]=0;
ntt(ff,r-l+,);ntt(gg,r-l+,);
for(int i=;i<r-l+;++i)ff[i]=1ll*ff[i]*gg[i]%mod;
ntt(ff,r-l+,-);const LL iv=qpow(r-l+,mod-);
for(int i=mid+;i<=r;++i)(f[i]+=iv*ff[i-l]%mod)%=mod;
solve(mid+,r);
}
int main(){
scanf("%d",&n);init(n);
int lim;for(lim=;lim<=n;lim<<=);
solve(,lim-);
// for(int i=1;i<=n;++i)printf("%lld\n",1ll*f[i]*inc[i-1]%mod);
printf("%lld\n",1ll*f[n]*inc[n-]%mod);
return ;
}

板子

然而这题化式子好像也挺难的。。。

考虑用总共的减去不合法的。设f[i]为答案数组,g[i]为i个点随意组合的方案数,则g[i]=2n*(n-1)/2

考虑最后一个点加在了哪个联通块里面:$f[i]=g[i]-\sum\limits_{j=1}^{i-1}\binom{i-1}{j}g[i-j]*f[j]$就可以卷积了。

fft,ntt总结的更多相关文章

  1. 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 ...

  2. [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 ...

  3. 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\ ...

  4. FFT&NTT总结

    FFT&NTT总结 一些概念 \(DFT:\)离散傅里叶变换\(\rightarrow O(n^2)\)计算多项式卷积 \(FFT:\)快速傅里叶变换\(\rightarrow O(nlogn ...

  5. 快速构造FFT/NTT

    @(学习笔记)[FFT, NTT] 问题概述 给出两个次数为\(n\)的多项式\(A\)和\(B\), 要求在\(O(n \log n)\)内求出它们的卷积, 即对于结果\(C\)的每一项, 都有\[ ...

  6. 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 a ...

  7. FFT/NTT基础题总结

    在学各种数各种反演之前把以前做的$FFT$/$NTT$的题整理一遍 还请数论$dalao$口下留情 T1快速傅立叶之二 题目中要求求出 $c_k=\sum\limits_{i=k}^{n-1}a_i* ...

  8. $FFT/NTT/FWT$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 < ...

  9. FFT&NTT数学解释

    FFT和NTT真是噩梦呢 既然被FFT和NTT坑够了,坑一下其他的人也未尝不可呢 前置知识 多项式基础知识 矩阵基础知识(之后会一直用矩阵表达) FFT:复数基础知识 NTT:模运算基础知识 单位根介 ...

  10. HDU-4609(FFT/NTT)

    HDU-4609(FFT/NTT) 题意: 给出n个木棒,现从中不重复地选出3根来,求能拼出三角形的概率. 计算合法概率容易出现重复,所以建议计算不合法方案数 枚举选出的最大边是哪条,然后考虑剩下两条 ...

随机推荐

  1. Vue使用指南(一)

    Vue Vue:前台框架 渐进式JavaScript框架 渐进式:vue可以控制页面的一个局部,vue也可以控制整个页面,vue也能控制整个前端项目     -- 根据项目需求,来决定vue控制项目的 ...

  2. (转)FFMPEG 实现 YUV,RGB各种图像原始数据之间的转换(swscale)

    雷霄骅分类专栏: FFMPEG FFmpeg 本文链接:https://blog.csdn.net/leixiaohua1020/article/details/14215391 FFMPEG中的sw ...

  3. java 随机生成4位随机数

    java 随机生成4位的随机数测试类 @org.junit.Testpublic void testRandom(){ String msg="您的注册码为%s,谢谢注册!"; S ...

  4. 使用Dockerfile构建镜像并push到私有仓库

    环境:OS X 10.10.5 maven 3.3.9 Docker version 1.12.2 docker-machine version 0.8.2 程序示例为http://www.cnblo ...

  5. chrome网页中打开exe

    Windows Registry Editor Version 5.00 [HKEY_CLASSES_ROOT\VMS] @="URL:VMS" "URL Protoco ...

  6. Spark机器学习基础-无监督学习

    0.K-means from __future__ import print_function from pyspark.ml.clustering import KMeans#硬聚类 #from p ...

  7. 【转载】C#将字符串中字母全部转换为大写或者小写

    在C#的编程开发过程中,有时候判断字符串是否相等时,并不关注字母的大小写,此时在C#中可以使用ToUpper方法将字符串中所有的字母转换为大写,使用ToLower方法可以将字符串中所有字母转换为小写. ...

  8. Swagger 接口文档规范

    导语: 相信无论是前端还是后端开发,都或多或少地被接口文档折磨过.前端经常抱怨后端给的接口文档与实际情况不一致.后端又觉得编写及维护接口文档会耗费不少精力,经常来不及更新.其实无论是前端调用后端,还是 ...

  9. Cron 定时任务表达式

    Cron Cron表达式是一个字符串,字符串以5或6个空格隔开,分为6或7个域,每一个域代表一个含义,Cron有如下两种语法格式: Seconds Minutes Hours DayofMonth M ...

  10. 深入浅出Git(偏向理论)

    目录 一.理论概述 1. 什么是Git 版本控制系统分类 2. GitLab和GitHub是什么 3.Git功能 二.结合具体命令了解其工作 1.环境 2.部署 Git仓库的使用 简单命令解释 Git ...