NTT:快速数论变化,对于FFT精度减少的情况,NTT可以避免但是会慢一点,毕竟是数论有Mod,和快速米

引用:http://blog.csdn.net/zz_1215/article/details/40430041

周边介绍。

利用原根,在ZP整数域(后悔没学好《信息安全数学基础》

原根介绍:http://baike.baidu.com/link?url=2gVDOcvJL0eTySKDiwFaDE7hNOTSJ087eGtv42QCt8tYEJZyUMXb6Eb40n0E0ygRoj4unNtEwukv3AFD1IEeia

然后对于一个整数域中的值分别对应一个数,具体看下这类数学书,用来替代单位根

对于一个P(素数)

比较快的一种方法找原根:http://blog.csdn.net/zhang20072844/article/details/11541133 (ORZ

大概是对于P的一个大于1的因子满足G^因子%P==1,那么就不是原根,原根很小。

其他跟FFT没区别。

其实傅里叶变化关键还是能够化成卷积的形式(这里只是处理普通和答案要求Mod的时候)

要求答案的逆,和除法,要看Picks的博客:

NTT:

#include<iostream>

#include<string.h>
#include<stdio.h>
#include<math.h> using namespace std;
typedef long long ll;
const int N=<<;
const int P=;
const int G=;
const int NUM=;
ll wn[NUM],a[N],b[N];
char A[N],B[N]; ll Pow(ll a,ll b,ll m)
{
   ll ans=;
   a%=m;
   while (b)
   {
      if (b&) ans=ans*a%m;
      a=a*a%m;
      b/=;
   }
   return ans;
} void Getwn()
{
   for (int i=;i<NUM;i++)
   {
      int t=<<i;
      wn[i]=Pow(G,(P-)/t,P);
   }
} void Rader(ll a[],int len)
{
   int j=len>>;
   for (int i=;i<len-;i++)
   {
      if (i<j) swap(a[i],a[j]);
      int k=len>>;
      while (j>=k)
      {
         j-=k;
         k>>=;
      }
      if (j<k) j+=k;
   }
} void NTT(ll a[],int len,int on)
{
   Rader(a,len);
   int id=;
   for (int h=;h<=len;h<<=)
   {
      id++;
      for (int j=;j<len;j+=h)
      {
         ll w=;
         for (int k=j;k<j+h/;k++)
         {
            ll u=a[k]%P;
            ll t=w*(a[k+h/]%P)%P;
            a[k]=(u+t)%P;
            a[k+h/]=((u-t)%P+P)%P;
            w=w*wn[id]%P;
         }
      }
   }    if (on==-)
   {
      for (int i=;i<len/;i++)
      swap(a[i],a[len-i]);
      ll inv=Pow(len,P-,P);
      for (int i=;i<len;i++)
      a[i]=a[i]%P*inv%P;
   }
}
void Conv(ll a[],ll b[],int n)
{
   NTT(a,n,);
   NTT(b,n,);
   for (int i=;i<n;i++)
   a[i]=a[i]*b[i]%P;
   NTT(a,n,-);
} int pan(char s[],char ss[])
{
   int len=strlen(s);
   len--;
   while (s[len]==''&&len>=) len--;
   if (len<) return ;    len=strlen(ss);
   len--;
   while (ss[len]==''&&len>=) len--;
   if (len<) return ;
   return ;
}
int main()
{
   Getwn();
   while (scanf("%s%s",A,B)!=EOF)
   {
      if (pan(A,B))
      {
       puts("");
       continue;
      }
      int len=;
      int lenA=strlen(A);
      int lenB=strlen(B);
      while (len<=*lenA||len<=*lenB) len<<=;
      for (int i=;i<lenA;i++)
      A[len--i]=A[lenA--i];
      for (int i=;i<len-lenA;i++) A[i]='';       for (int i=;i<lenB;i++)
      B[len--i]=B[lenB--i];
      for (int i=;i<len-lenB;i++) B[i]='';
      for (int i=;i<len;i++) a[len--i]=A[i]-'';
      for (int i=;i<len;i++) b[len--i]=B[i]-'';
      Conv(a,b,len);       int t=;
      for (int i=;i<len;i++)
      {
         a[i]+=t;
         if (a[i]>)
         {
            t=a[i]/;
            a[i]%=;
         }
         else t=;
      }
      len--;
      while (a[len]==) len--;
      for (int i=len;i>=;i--) printf("%d",a[i]);
      puts("");
   }
   return ;
}

关于傅里叶变换NTT(FNT)的周边的更多相关文章

  1. dynamic routing between captual

    对于人脑 决策树形式 对于CNN 层级与层级间的传递 人在识别物体的时候会进行坐标框架的设置 CNN无法识别,只能通过大量训练 胶囊 :一个神经元集合,有一个活动的向量,来表示物体的各类信息,向量的长 ...

  2. FFT的应用

    FFT的应用 --讲稿 概述 FFT的模板很简单,大家都会背,于是出题的空间就在于建模了.FFT的题目难在建模,往往需要将问题抽象出来,经过一系列转化后得到乘积式的和,再赋予式子各个项的系数一定的意义 ...

  3. 多项式 之 快速傅里叶变换(FFT)/数论变换(NTT)/常用套路【入门】

    原文链接https://www.cnblogs.com/zhouzhendong/p/Fast-Fourier-Transform.html 多项式 之 快速傅里叶变换(FFT)/数论变换(NTT)/ ...

  4. 快速傅里叶变换FFT& 数论变换NTT

    相关知识 时间域上的函数f(t)经过傅里叶变换(Fourier Transform)变成频率域上的F(w),也就是用一些不同频率正弦曲线的加 权叠加得到时间域上的信号. \[ F(\omega)=\m ...

  5. 快速傅里叶变换FFT / NTT

    目录 FFT 系数表示法 点值表示法 复数 DFT(离散傅里叶变换) 单位根的性质 FFT(快速傅里叶变换) IFFT(快速傅里叶逆变换) NTT 阶 原根 扩展知识 FFT 参考blog: 十分简明 ...

  6. 从傅里叶变换(FFT)到数论变换(NTT)

    FFT可以用来计算多项式乘法,但是复数的运算中含有大量的浮点数,精度较低.对于只有整数参与运算的多项式,有时,\(\text{NTT(Number-Theoretic Transform)}\)会是更 ...

  7. Algorithm: 多项式乘法 Polynomial Multiplication: 快速傅里叶变换 FFT / 快速数论变换 NTT

    Intro: 本篇博客将会从朴素乘法讲起,经过分治乘法,到达FFT和NTT 旨在能够让读者(也让自己)充分理解其思想 模板题入口:洛谷 P3803 [模板]多项式乘法(FFT) 朴素乘法 约定:两个多 ...

  8. 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 ...

  9. 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 ...

随机推荐

  1. 洛谷 P1126 机器人搬重物 (BFS)

    题目链接:https://www.luogu.org/problemnew/show/P1126 吐槽:这题很阴险 一开始没把格子图转化成点图:30分 转化成点图,发现样例过不去,原来每步要判断vis ...

  2. iOS 静态库,动态库与 Framework

    iOS 静态库,动态库与 Framework     静态库与动态库的区别 首先来看什么是库,库(Library)说白了就是一段编译好的二进制代码,加上头文件就可以供别人使用. 什么时候我们会用到库呢 ...

  3. 分享一个C++与Python开发的中小型通用游戏服务端框架(跨平台,开源,适合MMORPG游戏)

    在开发一款游戏项目时,在立项时我们往往会考虑或者纠结很多,比如: 1,对于开发来说:服务端和客户端应该选择什么语言?用什么协议通信才更效率?协议后期如何维护?Socket是用长连接还是短连接?TCP还 ...

  4. [LUOGU] P2716 和谐的雪花

    https://www.luogu.org/problemnew/show/P2716 给出一个n*m的矩形,求里面边长最小的正方形,使得该正方形内最大值与最小值的差大于等于给定的K. 第一反应是二分 ...

  5. docker系列之安装配置-2

    1.docker安装 1.CentOS Docker 安装 Docker支持以下的CentOS版本: CentOS 7 (64-bit) CentOS 6.5 (64-bit) 或更高的版本 目前,C ...

  6. Python发行版(编译器)

    一.Python编译器简介 根据实现Python编译器语言一般分为以下几种: 1.1.CPython 标准的Python,解释型编译器. Python:标准的CPython版本,即官方发布版本. IP ...

  7. python基础学习笔记——文件操作

    文件操作 初始文件操作 使用Python来读写文件是非常简单的操作,我们使用open()函数来打开一个文件,获取到文件句柄,然后通过文件句柄就可以进行各种各样的操作了 根据打开方式的不同能够执行的操作 ...

  8. 1,python初识

    什么是变量? 变量:将程序的中间结果暂时存储起来,以便后续程序调用. 什么是字符串类型? python中被引号引起来的数据就是字符串.字符串类型,也简称str类型. 在python中 int是什么? ...

  9. web项目架构

  10. win10 设置软件开机启动项失效

    问题重现: win10系统,只要是图标右下角带盾牌标志的软件,加入系统的启动文件夹:如:C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Sta ...