分治 FFT学习笔记
先给一道luogu板子题:P4721 【模板】分治 FFT
今天模拟有道题的部分分做法是分治fft,于是就学了一下。感觉不是很难,国赛上如果推出式子的话应该能写出来。
分治fft用来解决这么一个式子$$f(i) = \sum _ {j = 1} ^ {i} f(j) * g(i - j)$$
如果暴力fft的话,复杂度\(O(n ^ 2logn)\)还没有暴力优秀。
我们可以用cdq分治的思想,对于区间\([L, R]\),假设\([L, mid]\)已经求出,现在要算\([mid + 1, R]\)。
那么我们考虑对于\([mid + 1, R]\)中的某一项\(x\),前面\([L, mid]\)对他的贡献:$$f(x) = \sum _{i = L} ^ {mid} f(i) * g(x - i)$$
为了方便,我们把循环到\(mid\)改为\(x\),反正\(mid\)~\(x\)这些项还没有被计算,暂且为0。于是有
f(x)
&= \sum _ {i = L} ^ {x} f(i)* g(x - i) \\
&= \sum _ {i = 0} ^ {x - L} f(i + L) * g(x - L - i)
\end{align*}\]
我们令\(A(i) = f(i + L), B(i) = g(i)\),于是式子就变成了$$f(x) = C(x - L) = \sum _ {i = 0} ^{x - L} A(i) *B(x - L - i)$$
这个时候能看出后面是一个卷积的形式,直接FFT即可。然后把\(C(x - L)\)加到\(f(x)\)上,左边对右边的贡献就算完了。再递归右边。
递归的每一层是\(O(len log len)\)的(区间长度),有\(logn\)层,因此总时间复杂度为\(O(nlog ^ 2n)\)。
#include<cstdio>
#include<iostream>
#include<cmath>
#include<algorithm>
#include<cstring>
#include<cstdlib>
#include<cctype>
#include<vector>
#include<queue>
#include<assert.h>
#include<ctime>
using namespace std;
#define enter puts("")
#define space putchar(' ')
#define Mem(a, x) memset(a, x, sizeof(a))
#define In inline
#define forE(i, x, y) for(int i = head[x], y; ~i && (y = e[i].to); i = e[i].nxt)
typedef long long ll;
typedef double db;
const int INF = 0x3f3f3f3f;
const db eps = 1e-8;
const int maxn = 3e5 + 5;
const ll mod = 998244353;
const ll G = 3;
inline ll read()
{
ll ans = 0;
char ch = getchar(), last = ' ';
while(!isdigit(ch)) last = ch, ch = getchar();
while(isdigit(ch)) ans = (ans << 1) + (ans << 3) + ch - '0', ch = getchar();
if(last == '-') ans = -ans;
return ans;
}
inline void write(ll x)
{
if(x < 0) x = -x, putchar('-');
if(x >= 10) write(x / 10);
putchar(x % 10 + '0');
}
In void MYFILE()
{
#ifndef mrclr
freopen("ha.in", "r", stdin);
freopen("ha.out", "w", stdout);
#endif
}
int n;
ll f[maxn], g[maxn];
In ll inc(ll a, ll b) {return a + b < mod ? a + b : a + b - mod;}
In ll quickpow(ll a, ll b)
{
ll ret = 1;
for(; b; b >>= 1, a = a * a % mod)
if(b & 1) ret = ret * a % mod;
return ret;
}
int rev[maxn];
ll A[maxn], B[maxn];
In void ntt(ll* a, int len, bool flg)
{
for(int i = 0; i < len; ++i) if(i > rev[i]) swap(a[i], a[rev[i]]);
for(int i = 1; i < len; i <<= 1)
{
ll gn = quickpow(G, (mod - 1) / (i << 1));
for(int j = 0; j < len; j += (i << 1))
{
ll g = 1;
for(int k = 0; k < i; ++k, g = g * gn % mod)
{
ll tp1 = a[j + k], tp2 = a[j + k + i] * g % mod;
a[j + k] = inc(tp1, tp2), a[j + k + i] = inc(tp1, mod - tp2);
}
}
}
if(flg) return;
reverse(a + 1, a + len); ll inv = quickpow(len, mod - 2);
for(int i = 0; i < len; ++i) a[i] = a[i] * inv % mod;
}
In void fftSolve(int L, int R)
{
if(L == R) return;
int mid = (L + R) >> 1;
fftSolve(L, mid);
int n = R - L + 1, len = 1, lim = 0;
while(len <= n + n) len <<= 1, ++lim;
for(int i = 0; i < len; ++i) rev[i] = (rev[i >> 1] >> 1) | ((i & 1) << (lim - 1));
fill(A, A + len, 0), fill(B, B + len, 0);
for(int i = L; i <= mid; ++i) A[i - L] = f[i];
for(int i = 0; i < n; ++i) B[i] = g[i];
ntt(A, len, 1), ntt(B, len, 1);
for(int i = 0; i < len; ++i) A[i] = A[i] * B[i] % mod;
ntt(A, len, 0);
for(int i = mid + 1; i <= R; ++i) f[i] = inc(f[i], A[i - L]);
fftSolve(mid + 1, R);
}
int main()
{
// MYFILE();
n = read();
for(int i = 1; i < n; ++i) g[i] = read();
f[0] = 1, fftSolve(0, n - 1);
for(int i = 0; i < n; ++i) write(f[i]), space; enter;
return 0;
}
分治 FFT学习笔记的更多相关文章
- 分治FFT学习笔记
用途 在\(O(n\log^2 n)\)的时间内做诸如 \[ f_n=\sum_{i=0}^{n-1} f_ig_{n-i} \] 或是 \[ f_n=\sum_{i=0}^{n-1} f_if_{n ...
- 多项式求逆/分治FFT 学习笔记
一.多项式求逆 给定一个多项式 \(F(x)\),请求出一个多项式 \(G(x)\), 满足 \(F(x) * G(x) \equiv 1 ( \mathrm{mod\:} x^n )\).系数对 \ ...
- 再探快速傅里叶变换(FFT)学习笔记(其三)(循环卷积的Bluestein算法+分治FFT+FFT的优化+任意模数NTT)
再探快速傅里叶变换(FFT)学习笔记(其三)(循环卷积的Bluestein算法+分治FFT+FFT的优化+任意模数NTT) 目录 再探快速傅里叶变换(FFT)学习笔记(其三)(循环卷积的Blueste ...
- 快速傅里叶变换(FFT)学习笔记
定义 多项式 系数表示法 设\(A(x)\)表示一个\(n-1\)次多项式,则所有项的系数组成的\(n\)维向量\((a_0,a_1,a_2,\dots,a_{n-1})\)唯一确定了这个多项式. 即 ...
- 快速傅里叶变换(FFT)学习笔记(其一)
再探快速傅里叶变换(FFT)学习笔记(其一) 目录 再探快速傅里叶变换(FFT)学习笔记(其一) 写在前面 为什么写这篇博客 一些约定 前置知识 多项式卷积 多项式的系数表达式和点值表达式 单位根及其 ...
- 快速傅里叶变换(FFT)学习笔记(其二)(NTT)
再探快速傅里叶变换(FFT)学习笔记(其二)(NTT) 目录 再探快速傅里叶变换(FFT)学习笔记(其二)(NTT) 写在前面 一些约定 前置知识 同余类和剩余系 欧拉定理 阶 原根 求原根 NTT ...
- 口胡FFT现场(没准就听懂了)&&FFT学习笔记
前言(不想听的可以跳到下面) OK.蒟蒻又来口胡了. 自从ZJOI2019上Day的数论课上的多项式听到懵逼了,所以我就下定决心要学好多项式.感觉自己以前学的多项式都是假的. 但是一直在咕咕,现在是中 ...
- 【笔记篇】(理论向)快速傅里叶变换(FFT)学习笔记w
现在真是一碰电脑就很颓废啊... 于是早晨把电脑锁上然后在旁边啃了一节课多的算导, 把FFT的基本原理整明白了.. 但是我并不觉得自己能讲明白... Fast Fourier Transformati ...
- 【文文殿下】快速傅里叶变换(FFT)学习笔记
多项式 定义 形如\(A(x)=\sum_{i=0}^{n-1} a_i x^i\)的式子称为多项式. 我们把\(n\)称为该多项式的次数界. 显然,一个\(n-1\)次多项式的次数界为\(n\). ...
随机推荐
- 正整数序列 Help the needed for Dexter ,UVa 11384
题目描述 Description 给定正整数n,你的任务是用最少的操作次数把序列1, 2, …, n中的所有数都变成0.每次操作可从序列中选择一个或多个整数,同时减去一个相同的正整数.比如,1,2,3 ...
- shell 学习笔记2-shell-test
一.字符串测试表达式 前面一篇介绍:什么是shell,shell变量请参考: shell 学习笔记1-什么是shell,shell变量 1.字符串测试表达式参数 字符串需要用""引 ...
- 编写Postgres扩展之三:调试
原文:http://big-elephants.com/2015-10/writing-postgres-extensions-part-iii/ 编译:Tacey Wong 在上一篇关于编写Post ...
- 编写Postgres扩展之四:测试
原文:http://big-elephants.com/2015-11/writing-postgres-extensions-part-iv/ 编译:http://big-elephants.com ...
- 【转载】程序设计过程中SQL语句Where 1=1的作用
在Asp.Net网站或者Java网站的程序设计的过程中,很多时候我们可以看到拼接SQL语句的写法的时候都可以看到最前面有个Where 1=1这个条件,其实Where 1=1这是个恒等式,SQL语句写成 ...
- cdc跨时钟域处理-结绳握手法
参考文档 https://blog.csdn.net/u011412586/article/details/10009761 前言 对于信号需要跨时钟域处理而言,最重要的就是确保数据能稳定的传送到采样 ...
- MM-自制件改外购件
自制件改外购件 https://wenku.baidu.com/view/fbb182c6bb4cf7ec4afed081.html
- Session机制详解及分布式中Session共享解决方案
一.为什么要产生Session http协议本身是无状态的,客户端只需要向服务器请求下载内容,客户端和服务器都不记录彼此的历史信息,每一次请求都是独立的. 为什么是无状态的呢?因为浏览器与服务器是使用 ...
- prometheus监控(小试牛刀)
prometheus监控(小试牛刀) 环境:全部服务都是基于docker运行 本文略微草率,好文章在这里,特别好如下: https://www.cnblogs.com/tchua/p/11120228 ...
- mamcached+(magent+keepalived高可用)搭建及理论概述
目录 一.理论概述 工作流程 二.部署 环境 环境概述 部署 三.测试 四.总结 一.理论概述 Memcached服务器端与PHP-Memcache客户端安装配置_服务器应用_Linux公社-Linu ...