• [模板]快速傅里叶变换(FFT)


    Miskcoo大佬的多项式全家桶传送门

    rvalue大佬的FFT讲解传送门

    用途

    将多项式快速(nlogn)变成点值表达,或将点值表达快速变回系数表达(逆变换),(多数时候)来达到求卷积的目的

    做法

    (为了方便,用wn代表n次单位根的ωn

    考虑选取特殊点,并用分治缩小问题规模

    首先在多项式高位补零使其项数为2的幂,方便分治

    然后我们选择代入单位根($w_n^k$),设结果是$y_k$

    首先有:$F(x)=sum{a_ix^i}$

    将$a_ix^i$按照幂次奇偶性分组,得到$F(x)=(a_0x^0+a_2x^2+...+a_{n-2}x^{n-2})+(a_1x^1+a_3x^3..a_{n-1}x^{n-1})$

    然后设$F_0(x)=a_0x^0+a_2x^1+a_4x^2+...+a_{n-2}x^{frac{n}{2}-1} $,$F_1(x)=a_1x^0+a_3x^1+a_5x^2+...+a_{n-1}x^{frac{n}{2}-1}$

    则$F(x)=F_0(x^2)+xF_1(x^2)$

    于是现在我们将系数完成了分治,但需要代入的值的数量没变所以并没有什么卵用

    现在带入n次单位根,$F(w^k_n)=F_0(w^{2k}_n)+w^k_nF_1(w^{2k}_n)$

    然后单位根有一个比较喵喵的性质$w^{xk}_{xn}=w^k_n$

    于是得到了$F(w^k_n)=F_0(w^k_{frac{n}{2}})+w^k_nF_1(w^k_{frac{n}{2}})$

    还有一个更喵喵的性质$w^{k}_{n}=-w^{k+frac{n}{2}}_n$

    于是得到了$F(w^{k+frac{n}{2}}_n)=F_0(w^k_{frac{n}{2}})-w^k_nF_1(w^k_{frac{n}{2}}) $

    于是成功地完成了对代入的值的分治,可以递归来求了

    然而递归太慢了,所以考虑怎么递推来做

        (图是偷的)

    我们可以从底向上做,将做出来的当前点的结果,用索引值加上这个节点的位置,存在一个大数组中(比如第三层{a2,a6}得出的两个结果存在A[2]和A[3]中,这个索引值可以根据现在在做的长度方便的计算出来)

    这样的话,在我们向上推新的一层的时候,设旧一层长度为L,新一层所在节点的第一个编号为i,则有$A[i+k]=A[i+k]+w^k_{2L}A[i+L+k],A[i+k+L]=A[i+k]-w^k_{2L}A[i+L+k] ,k=0..L-1$

    然后我们只需要知道最底下一层元素的顺序就可以了

    然后观察一下...发现一个很神奇的性质:最后一层第i个元素就对应arev[i],其中rev[i]表示将i的二进制表示翻转后对应的数

    原位置 0 1 2 3 4 5 6 7
    原位置的二进制表示 000 001 010 011 100 101 110 111
    重排后下标的二进制表示 000 100 010 110 001 101 011 111
    重排结果 0 4 2 6 1 5 3 7

    (表格也是偷的)

     

    所以我们在读入系数后,直接把ai的值给到A[rev[i]]就可以了

    于是就得到了点值表达${(w^k_n,A[k])}$

    那么现在,只要再根据点值表达推回系数表达就行了

    然后经过一系列神奇的推导(我反正不会),我们得到$a_j=frac{1}{n}sum_{k=0}^{n-1}y_kw_n^{-kj}$

    它的形式和刚刚的定义十分类似,只有$w_n$的指数上多出了个负号,所以我们只要再把刚求出的$y_k$作为系数,把过程中的$w_n^k$改为$w_n^{-k}$,再做一次FFT,然后除以n就是最终结果

     

    快速数论变换(NTT)

    有的题要求取模,这时候复数的精度就比较爆炸

    考虑在模一类特殊质数($a*2^k+1$,多为998244353)的情况下(任意模数我哪会啊)

    可以发现原根(用g表示)和原来单位根的性质非常相似

    于是我们用$g^{frac{P-1}{n}}$代替$w_n$

    关于原根怎么求..先记住998244353的原根是3吧233

     

    实现

    关于rev的求法:rev[i]=rev[i>>1]>>1|(i&1?(n>>1):0) n是长度

    然后对于每个i<rev[i],交换$a_i$和$a_{rev[i]}$ (为了防止交换两次)

    可以预处理出所有$w_L^i$(或$g^{frac{P-1}{L}i}$),记到$g[i]$里(L是一个长度的上界)

    然后用的时候,如果要用$w_n^k$,就可以直接用$g[L/n*k]$

    随便上一个NTT的代码吧 FFT的效果差不多

     1 inline void fft(int *a,int n,bool flag){
     2     for(int i=1;i<n;i++){
     3         rev[i]=(rev[i>>1]>>1)|((i&1)?(n>>1):0);
     4         if(i<rev[i]) swap(a[i],a[rev[i]]);
     5     }
     6     for(int i=2;i<=n;i<<=1){
     7         int l=i>>1;
     8         for(int j=0;j<n;j+=i){
     9             for(int k=0;k<l;k++){
    10                 int x=a[j+k],y=1ll*g[flag][L/i*k]*a[j+k+l]%P;
    11                 a[j+k]=(x+y)%P,a[j+k+l]=(x-y)%P;
    12             }
    13         }
    14     }
    15     if(flag){
    16         int in=fpow(n,P-2);
    17         for(int i=0;i<n;i++) a[i]=1ll*a[i]*in%P;
    18     }
    19 }
    20 
    21 inline void init{
    22     L=1<<18;
    23     g[0][0]=g[1][0]=1,g[0][1]=fpow(3,(P-1)/L),g[1][1]=fpow(g[0][1],P-2);
    24     for(int i=2;i<L;i++) g[0][i]=1ll*g[0][i-1]*g[0][1]%P,g[1][i]=1ll*g[1][i-1]*g[1][1]%P;
    25 }
  • 相关阅读:
    关于content-type请求头的说明
    RabbitMQ
    tornado
    flask总结之session,websocket,上下文管理
    爬虫相关问题总结
    爬虫之scrapy框架
    爬虫之Selenium模块
    爬虫之Beautifulsoup及xpath
    爬虫之requests
    SQLAlchemy
  • 原文地址:https://www.cnblogs.com/Ressed/p/9368463.html
Copyright © 2020-2023  润新知