先不管旋转操作,考虑化简这个差异值

$$
begin{aligned}
sum_{i=1}^n(x_i-y_i-c)^2
&=sum_{i=1}^n(x_i-y_i)^2+nc^2-2csum_{i=1}^n(x_i-y_i)\
&=sum_{i=1}^nx_i^2+sum_{i=1}^ny_i^2+nc^2-2csum_{i=1}^n(x_i-y_i)-2sum_{i=1}^nx_iy_i
end{aligned}
$$

注意到$sum x^2+sum y^2$是常数,先不管

可以发现,这是一个关于$c$的二次函数

那么我们知道,此时$c$的极值点就在$-frac{b}{2a}$处

所以,我们可以得出$c$的最优值是

$$
frac{sum_{i=1}^n x_i-sum_{i=1}^n y_i}{n}
$$

而分子的两个数均与旋转无关

但是$c$只能是整数

所以判一下$c, c-1, c+1$哪个与上面的式子更接近

注意到旋转唯一能改变的是$sum xy$

而我们要让这个值尽量小

$$
F(m)=sum_{i=1}^nx_iy_{i+m}
$$

我们可以看出,这是一个类似卷积的东西

但是一般的卷积是后两式下标的和不变

而这个是差不变

所以把这个式子变一下

$$
x_{n-i+1}=x_i
$$

就是将x倒序一下

可以得到

$$
F(m)=sum_{i=1}^nx_{n-i+1}y_{i+m}
$$

不妨设后面$xy$的卷积是$A$,也就是

$$
A(n+m+1)=sum_{i=1}^nx_{n-i+1}y_{i+m}
$$

可以发现,这个$A$就是将$F$整体向右平移了$n+1$

所以

$$
F(m)=A(n+m+1)
$$

为了不丢精度,NTT即可(保证答案不会超过mod)

代码如下

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
using namespace std;
#define N 100010
#define LL long long
int r[N << 2]; const int mod = 998244353;
inline int (int x, int y) {
int res = 1;
for (;y;y >>= 1, x = (LL)x * x % mod) if (y & 1) res = (LL)res * x % mod;
return res;
}
inline void NTT(int len, int type, int a[]) {
for (int i = 0;i < len;i++) if (i < r[i]) swap(a[i], a[r[i]]);
for (int mid = 2;mid <= len;mid <<= 1) {
int Wn = Pow(3, type ? (mod - 1) / mid : mod - 1 - (mod - 1) / mid);
for (int i = 0;i < len;i += mid)
for (int j = i, w = 1, t;j < i + (mid >> 1);j++, w = (LL)w * Wn % mod)
t = (LL)w * a[j + (mid >> 1)] % mod, a[j + (mid >> 1)] = (a[j] - t + mod) % mod, a[j] = (a[j] + t) % mod;
}
}
int x[N], y[N], A[N << 2], B[N << 2], res[N];
template<class T> inline T Abs(const T x) {return x > 0 ? x : -x;}
int main() {
int n, m, sumx = 0, sumy = 0, sumx2 = 0, sumy2 = 0; scanf("%d%d", &n, &m);
for (int i = 1;i <= n;i++) scanf("%d", &x[i]), A[i] = x[i], sumx += x[i], sumx2 += x[i] * x[i];
for (int i = 1;i <= n;i++) scanf("%d", &y[i]), B[2 * n - i] = B[n - i] = y[i], sumy += y[i], sumy2 += y[i] * y[i];
int len = 1, l = 0;
while (len <= 3 * n) len <<= 1, l++;
for (int i = 1;i <= len;i++) r[i] = (r[i >> 1] >> 1) | ((i & 1) << l - 1);
NTT(len, 1, A), NTT(len, 1, B);
for (int i = 0;i < len;i++) A[i] = (LL)A[i] * B[i] % mod;
NTT(len, 0, A); int Inv = Pow(len, mod - 2);
for (int i = 0;i < n;i++) res[i] = (LL)A[2 * n - i] * Inv % mod;
int c = (sumx - sumy) / n; LL ans = 1e18;
if (Abs((LL)c * n - sumx + sumy) > Abs(((LL)c * n + n - sumx + sumy))) c++;
if (Abs((LL)c * n - sumx + sumy) > Abs(((LL)c * n - n - sumx + sumy))) c--;
for (int i = 0;i < n;i++) {
LL tmp = (LL)sumx2 + sumy2 - 2 * res[i] - (LL)2 * c * (sumx - sumy) + (LL)n * c * c;
if (tmp < ans) ans = tmp;
}
printf("%lldn", ans);
return 0;
}

B – 求和

我们知道

$$
S(n,m)=sum_{i=0}^m(-1)^i{mchoose i}(m-i)^nfrac{1}{m!}
$$

原理很简单,容斥有几个盒子没有放球,有$mchoose i$种选法,再将$n$个球放入$m-i$个盒子。由于盒子是无序的,最后除以$m$的阶乘

那么我们用这个化简原式

注意到第二个$sum$的上界是$i$,非常讨厌

由于斯特林数的性质,把这个$i$换成$n$也没有问题

因为当$m>n$时,$S(n,m)=0$

所以有

$$
begin{aligned}
sum_{i=0}^nsum_{j=0}^nS(i,j)*2^j*j!
&=sum_{j=0}^n2^j*j!sum_{i=0}^nsum_{k=0}^j(-1)^k{jchoose k}(j-k)^ifrac{1}{j!}\
&=sum_{j=0}^n2^j*j!sum_{k=0}^jfrac{(-1)^k}{k!}*frac{sum_{i=0}^n(j-k)^i}{(j-k)!}
end{aligned}
$$

注意到后面那个是卷积的形式

第一个多项式很好求,第二个的分子是等比数列

我们设$B$是第二个多项式

显然有

$$
B(0)=0, B(1)=n+1
$$

对于其它情况,直接用等比数列求和公式算出来就行了

代码如下

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
using namespace std;
#define N 100010
#define LL long long
int r[N << 2]; const int mod = 998244353;
inline int (int x, int y) {
int res = 1;
for (;y;y >>= 1, x = (LL)x * x % mod) if (y & 1) res = (LL)res * x % mod;
return res;
}
inline void NTT(int len, int type, int a[]) {
for (int i = 0;i < len;i++) if (i < r[i]) swap(a[i], a[r[i]]);
for (int mid = 2;mid <= len;mid <<= 1) {
int Wn = Pow(3, type ? (mod - 1) / mid : mod - 1 - (mod - 1) / mid);
for (int i = 0;i < len;i += mid)
for (int j = i, w = 1, t;j < i + (mid >> 1);j++, w = (LL)w * Wn % mod)
t = (LL)w * a[j + (mid >> 1)] % mod, a[j + (mid >> 1)] = (a[j] - t + mod) % mod, a[j] = (a[j] + t) % mod;
}
}
int A[N << 2], B[N << 2], frac[N];
int main() {
int n, len = 1, l = 0; scanf("%d", &n);
frac[0] = 1;
for (int i = 1;i <= n;i++) frac[i] = (LL)frac[i - 1] * i % mod;
while (len <= 2 * n) len <<= 1, l++;
for (int i = 0;i < len;i++) r[i] = (r[i >> 1] >> 1) | ((i & 1) << l - 1);
A[0] = B[0] = 1, B[1] = n + 1;
for (int i = 1;i <= n;i++) A[i] = (i & 1 ? -1 : 1) * Pow(frac[i], mod - 2), A[i] = (A[i] + mod) % mod;
for (int i = 2;i <= n;i++) B[i] = ((LL)(Pow(i, n + 1) - 1) * Pow(i - 1, mod - 2) % mod * Pow(frac[i], mod - 2) % mod + mod) % mod;
NTT(len, 1, A), NTT(len, 1, B);
for (int i = 0;i < len;i++) A[i] = (LL)A[i] * B[i] % mod;
NTT(len, 0, A); int Inv = Pow(len, mod - 2);
int tmp = 1, res = 0;
for (int i = 0;i <= n;i++) res = (res + (LL)tmp * frac[i] % mod * A[i]) % mod, tmp = tmp * 2 % mod;
printf("%dn", (LL)res * Inv % mod);
return 0;
}

C – 序列统计

这题的难点在于转化成原根

注意到要求的是所有数的乘积而非和

如果是和的话直接NTT就好了

那么我们就将乘积转化成和的形式

如果两个数都是某个数的某次方,那么这两个数乘起来就是指数相加

而原根恰好可以表示模$m$剩余系下的每个数

所以把每个数转化成原根的某次方就好了

求原根代码

1
2
3
4
5
6
7
8
inline int G(int x) {
if (x == 2) return 1;
for (int i = 2, flg = 1;i;i++, flg = 1) {
for (int j = 2;j * j < x;j++)
if ((x - 1) % j == 0 && Pow(i, (x - 1) / j, x) == 1) {flg = 0; break;}
if (flg) return i;
}
}

D – 残缺的字符串

带通配符的字符串匹配问题

首先考虑不带通配符的怎么做

那么拓展KMP, 后缀数组都可以

但是我们有一个更高级的方法:FFT求字符串匹配

首先我们需要定义“匹配”

所以设差异函数$g(i)$表示从$B$串的$i$位置开始,与$A$串的差异程度

$$
g(x)=sum_{i=x}^{x+m-1}(B_i-A_{i-x+1})^2
$$

显然,只有当$A$串从$x$位置开始与$B$串完全相同,$g$的值才为0

化简原式

$$
begin{aligned}
g(x)&=sum_{i=x}^{x+m-1}A_{i-x+1}^2+sum_{i=x}^{x+m-1}B_i^2-2sum_{i=x}^{x+m-1}B_iA_{i-x+1}\
&=sum_{i=1}^mA_i^2+sum_{i=1}^mB_{i+x-1}^2-2sum_{i=1}^mA_iB_{i+x-1}
end{aligned}
$$

前两项可以通过预处理前缀和得出,后面的是一个下标差相等的卷积

那么模仿之前的套路,我们将$A$序列倒序一下再求卷积就行了

解决了不带通配符的问题,再考虑带通配符

这个通配符是可以匹配任意字符的,所以把差异函数改一下

$$
g(x)=sum_{i=x}^{x+m-1}(B_i-A_{i-x+1})^2A_{i-x+1}B_i
$$

当$i$处的字符是$*$时,我们设那个地方的值为0

化简得

$$
=sum_{i=1}^mA_i^3B_{i-x+1}+sum_{i=1}^mA_iB_{i-x+1}^3-2sum_{i=1}^xA_i^2B_{i-x+1}^2
$$

做3次FFT即可

代码如下

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
using namespace std;
#define N 300010
int r[N << 2]; const double PI = acos(-1);
inline void FFT(int len, int type, complex<double> a[]) {
for (int i = 1;i < len;i++) if (i < r[i]) swap(a[i], a[r[i]]);
for (int mid = 2;mid <= len;mid <<= 1) {
complex<double> Wn(cos(2 * PI / mid), type * sin(2 * PI / mid));
for (int i = 0;i < len;i += mid) {
complex<double> w(1), t;
for (int j = i;j < i + (mid >> 1);j++, w *= Wn)
t = w * a[j + (mid >> 1)], a[j + (mid >> 1)] = a[j] - t, a[j] += t;
}
}
}
char a[N], b[N]; complex<double> A[N << 2], B[N << 2]; int a1[N], b1[N];
#define LL long long
LL res[N]; vector<int> ans;
#define Clear(x) for (int i = 0;i < len;i++) x[i] = 0;
inline void mul(int len, int n, int k) {
FFT(len, 1, A), FFT(len, 1, B);
for (int i = 0;i < len;i++) A[i] *= B[i];
FFT(len, -1, A);
for (int i = 1;i <= n;i++) res[i] += k * (LL)(A[i].real() / len + 0.5);
}
int main() {
int n, m; scanf("%d%d%s%s", &m, &n, a + 1, b + 1);
for (int i = 1;i <= m;i++) a1[m - i] = a[i] == '*' ? 0 : a[i] - 'a' + 1;
for (int i = 1;i <= n;i++) b1[i] = b[i] == '*' ? 0 : b[i] - 'a' + 1;
int len = 1, l = 0;
while (len <= m + n) len <<= 1, l++;
for (int i = 0;i < len;i++) r[i] = (r[i >> 1] >> 1) | ((i & 1) << l - 1);
for (int i = 0;i < m;i++) A[i] = a1[i] * a1[i] * a1[i];
for (int i = 1;i <= n;i++) B[i] = b1[i];
mul(len, n, 1); Clear(A) Clear(B)
for (int i = 0;i < m;i++) A[i] = a1[i];
for (int i = 1;i <= n;i++) B[i] = b1[i] * b1[i] * b1[i];
mul(len, n, 1); Clear(A) Clear(B)
for (int i = 0;i < m;i++) A[i] = a1[i] * a1[i];
for (int i = 1;i <= n;i++) B[i] = b1[i] * b1[i];
mul(len, n, -2);
for (int i = m;i <= n;i++)
if (res[i] == 0) ans.push_back(i - m + 1);
printf("%dn", ans.size());
for (auto i : ans) printf("%d ", i);
return 0;
}

E – 万径人踪灭

假设当前确定了一个对称中心$i$

那么当两个位置$j,k$关于i对称且这两个位置的字母相同时对答案有贡献

对称则意味着$j+k=i*2​$,可以FFT

枚举字符,然后FFT

假设这个中心有x对这样的位置

那么每一对都是独立的,可以选也可以不选,但是不能都不选

所以此时的答案为$2^x-1$

题目要求不能全部连续,那么最后再跑一边manacher,减去全部连续的答案即可

代码如下

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
using 大专栏  FFT与NTT专题s="keyword">namespace std;
#define N 100010
#define LL long long
int r[N << 2]; const int mod = 998244353;
inline int (int x, int y, int p = mod) {
int res = 1;
for (;y;y >>= 1, x = (LL)x * x % p) if (y & 1) res = (LL)res * x % p;
return res;
}
inline void NTT(int len, int type, int a[]) {
for (int i = 0;i < len;i++) if (i < r[i]) swap(a[i], a[r[i]]);
for (int mid = 2;mid <= len;mid <<= 1) {
int Wn = Pow(3, type ? (mod - 1) / mid : mod - 1 - (mod - 1) / mid);
for (int i = 0;i < len;i += mid)
for (int j = i, t, w = 1;j < i + (mid >> 1);j++, w = (LL) w * Wn % mod)
t = (LL)w * a[j + (mid >> 1)] % mod, a[j + (mid >> 1)] = (a[j] - t + mod) % mod, a[j] = (a[j] + t) % mod;
}
}
int A[N << 2], B[N << 2], pal[N << 2], Pow2[N]; char s[N], t[N * 2]; const int p = 1e9 + 7;
inline int manacher(int n) {
t[0] = '#', t[n * 2 + 1] = '$', t[n * 2 + 2] = '@';
for (int i = 1;i <= n;i++) t[i * 2 - 1] = '$', t[i * 2] = s[i];
int pos = 1, mx = 1, res = 0; pal[1] = 1;
for (int i = 2;i <= n * 2;i++) {
if (i <= mx) pal[i] = min(mx - i + 1, pal[2 * pos - i]);
else pal[i] = 1;
while (t[i - pal[i]] == t[i + pal[i]]) pal[i]++;
if (i + pal[i] - 1 > mx) mx = i + pal[i] - 1, pos = i;
res = (res + pal[i] / 2) % p;
}
return res;
}
int main() {
scanf("%s", s + 1); int n = strlen(s + 1);
for (int i = 1;i <= n;i++) if (s[i] == 'a') A[i] = 1; else B[i] = 1;
int len = 1, l = 0, ans = 0; Pow2[0] = 1;
for (int i = 1;i <= n;i++) Pow2[i] = Pow2[i - 1] * 2 % p;
while (len <= n * 2) len <<= 1, l++;
for (int i = 0;i < len;i++) r[i] = (r[i >> 1] >> 1) | ((i & 1) << l - 1);
NTT(len, 1, A), NTT(len, 1, B);
for (int i = 0;i < len;i++) A[i] = (LL)A[i] * A[i] % mod, B[i] = (LL)B[i] * B[i] % mod;
NTT(len, 0, A), NTT(len, 0, B); int Inv = Pow(len, mod - 2);
for (int i = 2, t;i <= n * 2;i++) {
t = (LL)(A[i] + B[i]) * Inv % mod + (i & 1 ^ 1);
ans = (ans + Pow2[t / 2] - 1) % p;
}
printf("%dn", (ans - manacher(n) + p) % p);
return 0;
}

F – 性能优化

这道题利用到了FFT的原理

如果模数是质数,那么非常好办

但是这题不仅模数不是质数,而且求的是循环卷积,直接FFT会爆炸

贴一篇我觉得很好的题解

这个rev数组可以模拟FFT的过程,递归地求出来

单位根满足消去律,上面的$F(omega_n^i)$指的是$ileq frac{n}{p}$的情况

对于剩余的情况,有$omega_{frac{n}{p}}^i=omega_{frac{n}{p}}^{i-frac{n}{p}}$

也就是说,代入的$F^{[0]},F^{[1]},cdots,F^{[p-1]}$都相同,但是系数不同

然后分治就可以了

同样地,最后需要除以len,也就是模数$-1$

代码如下

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
using namespace std;
#define LL long long
#define N 500010
inline int (int x, int y, int mod) {
int res = 1;
for (;y;y >>= 1, x = (LL)x * x % mod) if (y & 1) res = (LL)res * x % mod;
return res;
}
int tot, prime[N], r[N];
int GetPos(int x, int dep, int len, int cnt) {
if (dep == tot + 1) return cnt;
int tmp = len / prime[dep], s = x % prime[dep];
return GetPos((x - s) / prime[dep], dep + 1, tmp, cnt + tmp * s);
}
int tmp[N], g;
inline void NTT(int len, int a[], int mod, int type) {
for (int i = 0;i < len;i++) tmp[r[i]] = a[i];
for (int i = 0;i < len;i++) a[i] = tmp[i];
for (int i = tot, block = 1;i >= 1;i--) {
int mid = block; block *= prime[i];
int Wn = Pow(g, type ? (mod - 1) / block : mod - 1 - (mod - 1) / block, mod);
for (int j = 0;j < len;j++) tmp[j] = 0;
for (int j = 0, Wk = 1;j < len;j += block, Wk = 1)
for (int k = 0;k < block;k++) {
for (int l = k % mid, w = 1;l < block;l += mid, w = (LL)w * Wk % mod)
tmp[j + k] = (tmp[j + k] + (LL)w * a[j + l]) % mod;
Wk = (LL)Wk * Wn % mod;
}
for (int j = 0;j < len;j++) a[j] = tmp[j];
}
}
inline int GetG(int x) {
if (x == 2) return 1;
for (int i = 2, flag = 1;i;i++, flag = 1) {
for (int j = 2;j * j < x;j++)
if (Pow(i, (x - 1) / j, x) == 1) {flag = 0; break;}
if (flag == 1) return i;
}
}
int A[N << 2], B[N << 2];
int main() {
int n, C; scanf("%d%d", &n, &C);
for (int i = 0;i < n;i++) scanf("%d", &A[i]);
for (int i = 0;i < n;i++) scanf("%d", &B[i]);
int tmp = n; g = GetG(n + 1);
for (int i = 2;i * i <= tmp;i++)
while (tmp % i == 0) prime[++tot] = i, tmp /= i;
if (tmp != 1) prime[++tot] = tmp;
for (int i = 0;i < n;i++) r[i] = GetPos(i, 1, n, 0);
NTT(n, A, n + 1, 1), NTT(n, B, n + 1, 1);
for (int i = 0;i < n;i++) A[i] = (LL)A[i] * Pow(B[i], C, n + 1) % (n + 1);
NTT(n, A, n + 1, 0); int Inv = Pow(n, n - 1, n + 1);
for (int i = 0;i < n;i++) printf("%dn", (LL)A[i] * Inv % (n + 1));
return 0;
}

H – Frightful Formula

算是比较简单的一道题

公式等价于一个表格,往右走有$a$种方法,往下走有$b$种方法,还可以直接从这个格子开始走,有$c$种方法

先不考虑第一行和第一列格子

假设是从$i,j$这个格子开始走的

那么,这个格子需要向右走$n-j$步,向下走$n-i$步

对答案的贡献是

$$
c*a^{n-i}*b^{n-j}*{n-i+n-jchoose n-i}
$$

含义是,从这个格子开始,有$c$种走法,向有走$n-j$次,向下走$n-i$次,在$n-j+n-i$步中,有$n-i​$步是往下走的

那么,把这些空白的格子加起来,我们可以得到

$$
begin{aligned}
csum_{i=2}^nsum_{j=2}^na^{n-i}b^{n-j}{n-i+n-jchoose n-i}
&=csum_{i=0}^{n-2}sum_{j=0}^{n-2}a^ib^j{i+jchoose i}\
&=csum_{i=0}^{n-2}frac{a^i}{i!}sum_{j=0}^{n-2}(i+j)!frac{b^j}{j!}
end{aligned}
$$

我们可以枚举$i$,后面的是一个下标差相等的卷积

将多项式逆序一下就可以了

这道题没有给模数,而答案又很大

为了防止丢精度,所以使用MTT

代码如下

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
#include <bits/stdc++.h>
using namespace std;
#define N 200010
#define LL long long
const int mod = 1e6 + 3;
inline int (int x, int y, int p = mod) {
int res = 1;
for (;y;y >>= 1, x = (LL)x * x % p) if (y & 1) res = (LL)res * x % p;
return res;
}
const int ZJK = (1 << 19) + 233;
int frac[N * 2], f[2][N];
inline int C(int n, int r) {return (LL)frac[n] * Pow(frac[r], mod - 2) % mod * Pow(frac[n - r], mod - 2) % mod;} struct CP {
double x, y;
CP(double _x = 0, double _y = 0) : x(_x), y(_y) {}
CP operator * (const CP &b) {return CP(x * b.x - y * b.y, x * b.y + y * b.x);}
CP operator + (const CP &b) {return CP(x + b.x, y + b.y);}
CP operator - (const CP &b) {return CP(x - b.x, y - b.y);}
CP operator / (const double b) {return CP(x / b, y / b);}
};
int r[ZJK]; const double PI = acos(-1);
inline void FFT(int len, int type, CP a[]) {
for (int i = 0;i < len;i++) if (i < r[i]) swap(a[i], a[r[i]]);
for (int mid = 2;mid <= len;mid <<= 1) {
CP Wn(cos(2 * PI / mid), type * sin(2 * PI / mid));
for (int i = 0;i < len;i += mid) {
CP w(1), t;
for (int j = i;j < i + (mid >> 1);j++, w = w * Wn)
t = w * a[j + (mid >> 1)], a[j + (mid >> 1)] = a[j] - t, a[j] = a[j] + t;
}
}
if (type == -1) for (int i = 0;i < len;i++) a[i] = a[i] / len;
}
#define LL long long
CP a[ZJK], b[ZJK], c[ZJK], d[ZJK];
int A[ZJK], B[ZJK];
inline void MTT(int len, LL m) {
for (int i = 0;i < len;i++) a[i] = A[i] / m, b[i] = A[i] % m, c[i] = B[i] / m, d[i] = B[i] % m;
FFT(len, 1, a), FFT(len, 1, b), FFT(len, 1, c), FFT(len, 1, d);
for (int i = 0;i < len;i++) {
CP a1 = a[i], b1 = b[i], c1 = c[i], d1 = d[i];
a[i] = a1 * c1, b[i] = a1 * d1, c[i] = b1 * c1, d[i] = b1 * d1;
}
FFT(len, -1, a), FFT(len, -1, b), FFT(len, -1, c), FFT(len, -1, d);
for (int i = 0;i < len;i++)
A[i] = ((LL)(a[i].x + 0.5) * m % mod * m % mod + (LL)(b[i].x + 0.5) * m % mod + (LL)(c[i].x + 0.5) * m % mod
+ (LL)(d[i].x + 0.5)) % mod;
}
int main() {
int a, b, c, n; scanf("%d%d%d%d", &n, &a, &b, &c), frac[0] = 1;
for (int i = 1;i <= n;i++) scanf("%d", &f[1][i]);
for (int i = 1;i <= n;i++) scanf("%d", &f[0][i]);
for (int i = 1;i <= n * 2;i++) frac[i] = (LL)frac[i - 1] * i % mod;
int ans = 0, tmp1 = Pow(b, n - 1), tmp2 = Pow(a, n - 1);
for (int i = 2;i <= n;i++) ans = (ans + (LL)f[0][i] * C(2 * n - 2 - i, n - i) % mod * tmp1 % mod * Pow(a, n - i)) % mod;
for (int i = 2;i <= n;i++) ans = (ans + (LL)f[1][i] * C(2 * n - 2 - i, n - i) % mod * tmp2 % mod * Pow(b, n - i)) % mod;
int len = 1, l = 0;
while (len <= 2 * n) len <<= 1, l++;
for (int i = 0;i < len;i++) r[i] = (r[i >> 1] >> 1) | ((i & 1) << l - 1);
for (int i = 0, t;i <= n - 2;i++) t = Pow(frac[i], mod - 2), A[i] = (LL)Pow(a, i) * t % mod, B[i] = (LL)Pow(b, i) * t % mod;
MTT(len, 1000);
for (int i = 0;i <= 2 * n - 4;i++) ans = (ans + (LL)c * A[i] % mod * frac[i]) % mod;
printf("%dn", ans);
return 0;
}

FFT与NTT专题的更多相关文章

  1. FFT,NTT 专题

    学习傅里叶的基本性质及其代码,可以参考大神理解 还有 ACdream 的博客 贴一下NTT的模板: using namespace std; typedef long long ll; int n; ...

  2. 多项式fft、ntt、fwt 总结

    做了四五天的专题,但是并没有刷下多少题.可能一开始就对多项式这块十分困扰,很多细节理解不深. 最简单的形式就是直接两个多项式相乘,也就是多项式卷积,式子是$N^2$的.多项式算法的过程就是把卷积做一种 ...

  3. 多项式乘法,FFT与NTT

    多项式: 多项式?不会 多项式加法: 同类项系数相加: 多项式乘法: A*B=C $A=a_0x^0+a_1x^1+a_2x^2+...+a_ix^i+...+a_{n-1}x^{n-1}$ $B=b ...

  4. FFT和NTT学习笔记_基础

    FFT和NTT学习笔记 算法导论 参考(贺) http://picks.logdown.com/posts/177631-fast-fourier-transform https://blog.csd ...

  5. 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 ...

  6. 卷积FFT、NTT、FWT

    先简短几句话说说FFT.... 多项式可用系数和点值表示,n个点可确定一个次数小于n的多项式. 多项式乘积为 f(x)*g(x),显然若已知f(x), g(x)的点值,O(n)可求得多项式乘积的点值. ...

  7. 多项式的基本运算(FFT和NTT)总结

    设参与运算的多项式最高次数是n,那么多项式的加法,减法显然可以在O(n)时间内计算. 所以我们关心的是两个多项式的乘积.朴素的方法需要O(n^2)时间,并不够优秀. 考虑优化. 多项式乘积 方案一:分 ...

  8. 浅谈FFT、NTT和MTT

    前言 \(\text{FFT}\)(快速傅里叶变换)是 \(O(n\log n)\) 解决多项式乘法的一个算法,\(\text{NTT}\)(快速数论变换)则是在模域下的,而 \(\text{MTT} ...

  9. hdu 1402(FFT乘法 || NTT乘法)

    A * B Problem Plus Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 65536/32768 K (Java/Other ...

随机推荐

  1. Python笔记_第四篇_高阶编程_进程、线程、协程_4.协程

    1.协程的概念: 子程序或者子函数,在所有语言中都是层级调用,比如A调用B,再B执行的过程中又可以调用C,C执行完毕返回,B执行返回,最后是A执行完毕返回.是通过栈来实现的,一个线程就是执行一个自称, ...

  2. Python笔记_第一篇_面向过程_第一部分_4.格式化输入和输出

    开始Python编程首先要学习两类最常用(经常出现和使用)输入和输出.学习编程最重要的状态就是“人机交互”,所以这两类函数显得尤其重要. 第一部分 格式化输入 1.1   函:input 语:inpu ...

  3. maven项目出现Xxx is not a Servlet的问题

    应该是tomcat的jar包和maven的jar包冲突 在pom.xml中找到 <dependency> <groupId>org.apache.tomcat</grou ...

  4. MySQL的InnoDB的幻读问题

    MySQL InnoDB事务的隔离级别有四级,默认是“可重复读”(REPEATABLE READ). 未提交读(READ UNCOMMITTED).另一个事务修改了数据,但尚未提交,而本事务中的SEL ...

  5. 微信小程序-wx.request-路由跳转-数据存储-登录与授权

    wx.request 相当于发送ajax请求 官方文档示例代码 wx.request({ url: 'test.php', //仅为示例,并非真实的接口地址 data: { x: '', y: '' ...

  6. JSON字符串

    原因:由于之前接触的JSON都是字符串与数组之间的转化,思维定式认为JSON只是字符串与数组的转化 这个原因是错误的 首先 JSON 是一种语法,用来序列化对象.数组.数值.字符串.布尔值和 null ...

  7. 解决IntelliJ IDEA Community 社区版 启动Tomcat插件 "Smart Tomcat" NullPointerException 空指针异常

    IntelliJ IDEA Community社区版默认是没有Ultimate版的Tomcat Server,这时候就可以使用插件"Smart Tomcat"; 在"Ru ...

  8. 使用 try-with-resources 优雅关闭资源

    桂林SEO:我们知道,在 Java 编程过程中,如果打开了外部资源(文件.数据库连接.网络连接等.redis),我们必须在这些外部资源使用完毕后,手动关闭它们. 因为外部资源不由 JVM 管理,无法享 ...

  9. Docker相关学习地址

    菜鸟教程:http://www.runoob.com/docker/docker-image-usage.html 官方文档:https://docs.docker.com/

  10. 计量经济与时间序列_ADF单位根检验步骤

    1 ADF检验也叫扩展的迪克富勒检验,主要作用是检测序列的平稳性,也是最常用检测序列平稳性的检验方法. 2 何为:平稳性?单位根?(略),见这部分随便的其他内容有讲解.是建模对数据的先决条件. 3 A ...