【UOJ #34】多项式乘法
http://uoj.ac/problem/34
看了好长时间的FFT和NTT啊qwq在原根那块磨蹭了好久_(:з」∠)_
首先设答案多项式的长度拓展到2的幂次后为n,我们只要求出一个g(不是原根)满足\(i\in \{1\dots n\},g^i\)互不相同,且\(g^n=1\)。
把这个g当做“FFT里面的主n次单位根”的类似物。
而且\(g^{\frac n2}=-1\),因为\(g^{\frac n2}\)与\(g^n\)不相同且\((g^{\frac n2})^2=g^n=1\),所以\(g^{\frac n2}\)只能是-1。
剩下的只要选一个够大的模数满足答案多项式的所有系数都小于这个模数就可以了。
我选的模数是998244353(\(7×17×2^{23}+1\),一个质数,UOJ模数)。不是所有的模数p都可以,像\(10^9+7\)就不可以,因为此时p-1的因子2的指数不够大。只有p-1的因子2的指数c足够大,\(2^c>n\)时才可以。
这里我写了一个暴力找到了一个g=646。
//998244353
#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
typedef long long ll;
const int p = 998244353;
const int n = 1048576;
bool can[p];
int main() {
bool flag = false;
for (int num = 1; num < p; ++num) {
ll re = num;
flag = true;
for (int i = 1; i <= n; ++i) {
if (can[re]) {flag = false; break;}
can[re] = true;
re = re * num % p;
}
if (!flag || re != num) {
re = num;
for (int i = 1; i <= n; ++i) {
if (can[re]) can[re] = false;
re = re * num % p;
}
continue;
}
printf("%d\n", num);
return 0;
}
/*
freopen("tab.txt", "w", stdout);
int num = 646; ll ret = 1;
for (int i = 1; i <= (n >> 1); ++i) {
ret = ret * num % p;
printf("%d %I64d \n", i, ret);
}
*/
}
求出g后就可以NTT了,不过也需要预处理一些分治实现NNT时(一般是迭代实现,这里也是)n不断除2变小需要用到的不同的“主n次单位根”和“主n次单位根的逆元”。
一开始我对原根(及主n次单位根)的定义比较模糊,没有预处理“主n次单位根”的逆元而直接用负的“主n次单位根”导致逆DNNT出错qwq
NTT有取模果然慢啊,不过没有FFT的复数精度误差。
#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
typedef long long ll;
const int p = 998244353;
const int N = 1048576;
const int g = 646;
int rev[N], WN[23], nWN[23], n;
int ipow(int a, int b) {
int ret = 1, w = a;
while (b) {
if (b & 1) ret = 1ll * ret * w % p;
w = 1ll * w * w % p;
b >>= 1;
}
return ret;
}
void DNT(int *a, int *A, int flag) {
for (int i = 0; i < n; ++i) A[rev[i]] = a[i];
int tmp = 1;
for (int m = 2; m <= n; m <<= 1, ++tmp) {
int mid = m >> 1, wn = flag == 1 ? WN[tmp] : nWN[tmp];
for (int i = 0; i < n; i += m) {
int w = 1;
for (int j = 0; j < mid; ++j) {
int t = A[i + j], u = 1ll * A[i + j + mid] * w % p;
A[i + j] = (t + u) % p;
A[i + j + mid] = (t - u + p) % p;
w = 1ll * w * wn % p;
}
}
}
if (flag == -1) {
int ni = ipow(n, p - 2);
for (int i = 0; i < n; ++i)
A[i] = 1ll * A[i] * ni % p;
}
}
int da[N], db[N], dc[N];
void NTT(int *a, int lena, int *b, int lenb, int *ans, int n) {
DNT(a, da, 1); DNT(b, db, 1);
for (int i = 0; i < n; ++i) dc[i] = 1ll * da[i] * db[i] % p;
DNT(dc, ans, -1);
}
void init() {
WN[20] = g; nWN[20] = ipow(g, p - 2);
for (int i = 19; i >= 1; --i) {
WN[i] = 1ll * WN[i + 1] * WN[i + 1] % p;
nWN[i] = ipow(WN[i], p - 2);
}
int num = n, tot = 0, res;
while (num) {++tot; num >>= 1;}
n = 1 << tot;
for (int i = 0; i < n; ++i) {
num = i; res = 0;
for (int j = tot - 1; j >= 0; --j) {
if (num & 1) res |= (1 << j);
num >>= 1;
}
rev[i] = res;
}
}
int lena, lenb, a[N >> 1], b[N >> 1], ans[N];
int main() {
scanf("%d%d", &lena, &lenb); ++lena; ++lenb;
for (int i = 0; i < lena; ++i) scanf("%d", a + i);
for (int i = 0; i < lenb; ++i) scanf("%d", b + i);
n = lena + lenb - 1;
init();
NTT(a, lena, b, lenb, ans, n);
int totlen = lena + lenb - 1;
for (int i = 0; i < totlen; ++i) printf("%d ", ans[i]);
puts("");
return 0;
}
一个板子都写了这么长时间省选是要滚粗吗→_→
【UOJ #34】多项式乘法的更多相关文章
- [UOJ#34]多项式乘法
[UOJ#34]多项式乘法 试题描述 这是一道模板题. 给你两个多项式,请输出乘起来后的多项式. 输入 第一行两个整数 n 和 m,分别表示两个多项式的次数. 第二行 n+1 个整数,分别表示第一个多 ...
- ●UOJ 34 多项式乘法
题链: http://uoj.ac/problem/34 题解: FFT入门题. (终于接触到迷一样的FFT了) 初学者在对复数和单位根有简单了解的基础上,可以直接看<再探快速傅里叶变换> ...
- UOJ#34. 多项式乘法(NTT)
这是一道模板题. 给你两个多项式,请输出乘起来后的多项式. 输入格式 第一行两个整数 nn 和 mm,分别表示两个多项式的次数. 第二行 n+1n+1 个整数,表示第一个多项式的 00 到 nn 次项 ...
- 【刷题】UOJ #34 多项式乘法
这是一道模板题. 给你两个多项式,请输出乘起来后的多项式. 输入格式 第一行两个整数 \(n\) 和 \(m\) ,分别表示两个多项式的次数. 第二行 \(n+1\) 个整数,表示第一个多项式的 \( ...
- UOJ 34 多项式乘法 FFT 模板
这是一道模板题. 给你两个多项式,请输出乘起来后的多项式. 输入格式 第一行两个整数 nn 和 mm,分别表示两个多项式的次数. 第二行 n+1n+1 个整数,表示第一个多项式的 00 到 nn 次项 ...
- 2018.11.14 uoj#34. 多项式乘法(ntt)
传送门 今天学习nttnttntt. 其实递归方法和fftfftfft是完全相同的. 只不过fftfftfft的单位根用的是复数中的东西,而nttnttntt用的是数论里面有相同性质的原根. 代码: ...
- 2018.11.14 uoj#34. 多项式乘法(fft)
传送门 NOIpNOIpNOIp爆炸不能阻止我搞oioioi的决心 信息技术课进行一点康复训练. fftfftfft板题. 代码: #include<bits/stdc++.h> usin ...
- UOJ 34 多项式乘法 ——NTT
[题目分析] 快速数论变换的模板题目. 与fft的方法类似,只是把复数域中的具有循环性质的单位复数根换成了模意义下的原根. 然后和fft一样写就好了,没有精度误差,但是跑起来比较慢. 这破题目改了好长 ...
- UOJ 34: 多项式乘法(FFT模板题)
关于FFT 这个博客的讲解超级棒 http://blog.miskcoo.com/2015/04/polynomial-multiplication-and-fast-fourier-transfor ...
- [UOJ 0034] 多项式乘法
#34. 多项式乘法 统计 描述 提交 自定义测试 这是一道模板题. 给你两个多项式,请输出乘起来后的多项式. 输入格式 第一行两个整数 nn 和 mm,分别表示两个多项式的次数. 第二行 n+1n+ ...
随机推荐
- 【BZOJ】1385 [Baltic2000]Division expression
[算法]欧几里德算法 [题解]紫书原题 #include<cstdio> #include<algorithm> using namespace std; ; int T,t, ...
- vue双向绑定原理源码解析
当我们学习angular或者vue的时候,其双向绑定为我们开发带来了诸多便捷,今天我们就来分析一下vue双向绑定的原理. 简易vue源码地址:https://github.com/maxlove123 ...
- Bitmap算法应用实例(转)
关于数据库查询工作,例如有如下数据库表 要想统计所有90后的程序员该怎么做呢?用一条求交集的SQL语句即可: Select count(distinct Name) as 用户数 from table ...
- 2017-2018-1 20179205《Linux内核原理与设计》第七周作业
<Linux内核原理与设计>第七周作业 视频学习及操作分析 创建一个新进程在内核中的执行过程 fork.vfork和clone三个系统调用都可以创建一个新进程,而且都是通过调用do_for ...
- SQL注入文件读取通过from for分页读取
http://103.238.227.13:10088/?id=1 在读取文件的时候发现不能够一下子全部读取出来.经过百度学习了一下,看到别人使用from for说实在此前真不知道这操作. 先来看一下 ...
- Java面试基础知识1
1.动态绑定是指在执行期间判断所引用对象的实际类型,根据其实际的类型调用其相应的方法. 2.在将超类转换为子类之前,应该使用instanceof进行检查. 3.包含一个或者多个抽象方法的类本身必须被声 ...
- java===java基础学习(1)---数据类型,运算,变量,常量
今天起开始了java的学习之路,主要学习了数据类型和运算,变量,常量.基本和python有很多相通的地方,所以看起来很容易上手.下面是学习笔记! package testbotoo; public c ...
- 【LabVIEW技巧】LabVIEW OOP怎么学
前言 有很多人对LabVIEW OOP存在比较极端的看法,大致分为两类: 1. 绝对否定派认为LabVIEW OOP只不过是LabVIEW为了追求时髦,在面向过程的基础上用簇做了一些特性,实际上完全不 ...
- [New learn] UIKit 框架类
NSObject NSObject is the root class of most Objective-C class hierarchies. NSDataAsset The NSDataAss ...
- Eclipse+Pydev+numpy+scipy+matplotlib
之前一直在linux环境下使用python,作为一枚小菜还是更喜欢windows.我使用python主要是进行科学计算,安装软件.搭建环境遇到了非常多的问题,特此总结. 一.python安装 版本:2 ...