fft,ntt总结
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
- 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 ...
- 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\[ ...
- 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 ...
- 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* ...
- $FFT/NTT/FWT$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 < ...
- 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 ...
- 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
- SAS学习笔记56 ODS ESCAPECHAR
这种内嵌格式独立于style型和table型,它既可以结合二者使用,也可以独立使用.它主要通过下列语句的格式形式来进行调用: ODS ESCAPECHAR ‘^’; 上述符号’^’表示触发条件,如果碰 ...
- Redis客户端、服务端的安装以及命令操作
目的: redis简介 redis服务端安装 redis客户端安装 redis相关命令操作 redis简介 官网下载(https://redis.io/) Redis 是完全开源免费的,遵守BSD协议 ...
- stm32f103的HSI设置
HSI基本知识 HSI是8MRC震荡电路,精度1%. PLL的设置必须在其被激活前完成,输出必须被设置温48M或者72M LSE:通过在备份域控制寄存器(RCC_BDCR)里的LSEON位启动和关闭. ...
- Spring Cloud Alibaba学习笔记(8) - RocketMQ术语与概念
Topic 一类消息的集合,RocketMQ的基本订阅单位 部署结构 Name Server Name Server 为 producer 和 consumer 提供路由信息. 相对来说,namese ...
- jq的ajax方法
相较与js异步对象的繁琐,jq的ajax对象结构更加清晰 一:ajax对象简述 ajax(Asynchronous JavaScript and XML),异步的xml和js对象,主要用于在不刷新全局 ...
- volatile和锁
让编译器不要将变量缓存到寄存器,而是每次去访问主板上的内存 可见性 对一个volatile变量的读,总是能看到(任意线程)对这个volatile变量最后的写入 原子性 对任意单个volatile变量的 ...
- C# - 配置动态更新
生产中经常会遇到修改配置的情况,但是又需要重启应用程序,是不是有点小烦躁.... 下面了解下在不重启情况下,实现配置更新实时生效 public static void SetConfig(string ...
- poi 读取word 遍历表格和单元格中的图片
背景 项目需要解析word表格 需要批量导入系统,并保存每行信息到数据库 并且要保存word中的图片, 并保持每条信息和图片的对应关系 一行数据可能有多条图片 解决办法 没有找到现成的代码,怎么办呐? ...
- Wechat alert
企业微信号登录--注册企业号或者企业微信 添加子部门 部门添加成员 创建应用 需要接收告警的人员关注企业号 企业号已经被部门成员关注 企业号有一个可以发送消息的应用,一个授权管理员,可以使用应用给成员 ...
- layui列表表单
列表: <!DOCTYPE html> <html> <head> <meta charset="utf-8"> <title ...