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. shellexecute的使用和X64判断

    bool RunConsoleAsAdmin(std::string appPath, std::string param, bool wait) { LOG_INFO << " ...

  2. C# Aforge设置摄像头视频属性和控制属性

    修改后的代码:github 一.调用windows自身摄像头属性设置窗口 使用VideoCaptureDevice对象的DisplayPropertyPage(IntPtr parentWindow) ...

  3. css 点击样式,水波纹(记录备用)

    <!DOCTYPE html><html lang="en"> <head> <meta charset="UTF-8" ...

  4. 测试人员必须掌握的linu常用命令

    有些公司需要测试人员部署程序包,通过工具xshell. 现在我将总结下工作需要用到的最多的命令 ls                                显示文件或目录 pwd       ...

  5. Vue.js 教程 -- 实例讲解

    一. Vue.js是什么 Vue.js是一套构建用户界面(view)的MVVM框架.Vue.js的核心库只关注视图层,并且非常容易学习,非常容易与其他库或已有的项目整合. 1.1 Vue.js的目的 ...

  6. ubuntu无法安装usb驱动

    第一步: 输入命令 lsusb 箭头指向的就是连接的手机 第二步: 输入命令,新建并打开文件 sudo gedit /etc/udev/rules.d/-android.rules [注意]如果提示没 ...

  7. WebService 的发布和调用

    WebService 四种发布方式总结 :https://blog.csdn.net/zl834205311/article/details/51612207 调用webService的几种方式 ht ...

  8. jquery中的ajax方法(备忘)

    参考:https://www.cnblogs.com/tylerdonet/p/3520862.html w3school:http://www.w3school.com.cn/jquery/ajax ...

  9. 2019-ACM-ICPC-徐州站网络赛- I. query-二维偏序+树状数组

    2019-ACM-ICPC-徐州站网络赛- I. query-二维偏序+树状数组 [Problem Description] ​ 给你一个\([1,n]\)的排列,查询\([l,r]\)区间内有多少对 ...

  10. 25.C# 异步调用Web服务

    1.创建Web服务 1.1VS新建ASP.Net空Web应用程序 1.2添加Web服务新建项 1.3添加GetWeather方法和相关类 using System; using System.Coll ...