FFT/NTT模板 既 HDU1402 A * B Problem Plus
@(学习笔记)[FFT, NTT]
Problem Description
Calculate A * B.
Input
Each line will contain two integers A and B. Process to end of file.
Note: the length of each integer will not exceed 50000.
Output
For each case, output A * B in one line.
Sample Input
1
2
1000
2
Sample Output
2
2000
Solution
FFT和NTT都是可以的.
FFT: 没有特别要求.
const int N = 1 << 17;
char str1[N], str2[N];
#include<cstdio>
#include<cstring>
int len1, len2;
struct complex
{
double real, imag;
inline complex(){}
inline complex(double _real, double _imag)
{
real = _real, imag = _imag;
}
inline friend complex operator *(complex a, complex b)
{
return complex(a.real * b.real - a.imag * b.imag, a.imag * b.real + b.imag * a.real);
}
inline friend complex operator +(complex a, complex b)
{
return complex(a.real + b.real, a.imag + b.imag);
}
inline friend complex operator -(complex a, complex b)
{
return complex(a.real - b.real, a.imag - b.imag);
}
}a[N << 1], b[N << 1];
#include<algorithm>
int len;
int rev[N << 1];
inline void prepare(complex *a, complex *b)
{
int mx = std::max(len1, len2) << 1;
len = 1;
int bit = 0;
while(len < mx)
len <<= 1, ++ bit;
rev[0] = 0;
for(int i = 1; i < len; ++ i)
rev[i] = rev[i >> 1] >> 1 | (i & 1) << (bit - 1);
}
inline void reverse(complex *a)
{
for(int i = 0; i < len; ++ i)
if(rev[i] < i)
std::swap(a[i], a[rev[i]]);
}
#include<cmath>
const double PI = acos(-1.0);
inline void fft(complex *a, int opt)
{
reverse(a);
for(int i = 2; i <= len; i <<= 1)
{
complex omega_n = complex(cos(2.0 * PI * (double)opt / (double)i), sin(2.0 * PI * (double)opt / (double)i));
for(int j = 0; j < len; j += i)
{
complex omega = complex(1.0, 0.0); //e ^ 0
for(int k = j; k < j + i / 2; ++ k)
{
complex x = a[k], y = omega * a[k + i / 2];
a[k] = x + y, a[k + i / 2] = x - y;
omega = omega * omega_n;
}
}
}
if(opt == -1)
for(int i = 0; i < len; ++ i)
a[i].real /= (double)len;
}
int ans[N << 1];
inline void convolute(complex *a, complex *b)
{
prepare(a, b);
fft(a, 1), fft(b, 1);
for(int i = 0; i < len; ++ i)
a[i] = a[i] * b[i];
fft(a, -1);
for(int i = 0; i < len; ++ i)
ans[i] = (int)(a[i].real + 0.5);
}
int main()
{
#ifndef ONLINE_JUDGE
freopen("HDU1402.in", "r", stdin);
freopen("HDU1402.out", "w", stdout);
#endif
while(gets(str1) && gets(str2))
{
len1 = strlen(str1), len2 = strlen(str2);
memset(a, 0, sizeof(a));
memset(b, 0, sizeof(b));
for(int i = 0; i < len1; ++ i)
a[i] = complex(str1[len1 - i - 1] - '0', 0);
for(int i = 0; i < len2; ++ i)
b[i] = complex(str2[len2 - i - 1] - '0', 0);
convolute(a, b);
for(int i = 0; i < len; ++ i)
ans[i + 1] += ans[i] / 10, ans[i] %= 10;
for(; len && ! ans[len - 1]; -- len);
for(int i = len - 1; ~ i; -- i)
putchar(ans[i] + '0');
if(! len)
putchar('0');
putchar('\n');
}
}
NTT: 要求取模的数\(P\)是费马素数. 对于原根\(g\), 要确保有 \(g ^ 0 \ne g^1 \ne ... \ne g^{p - 2} (modP)\). NTT的过程相当于用 \(\omega_n = g^{ \frac{p - 1}{n}}\) 替代了 \(\omega_n = e^{\frac{2 \cdot \pi}{n} \cdot i}\)的FFT. \(\omega_i\)和\(inv(\omega_i)\)可以在预处理中求出.
const long long P = (479 << 21) + 1;
const long long G = 3;
inline long long quickPower(long long a, long long k, long long mod)
{
if(! k)
return 1;
long long ret = quickPower(a, k >> 1, mod);
ret = ret * ret % mod;
if(k & 1)
ret = ret * a % mod;
return ret;
}
const long long QUAN = 1 << 5;
long long omega_[QUAN];
inline void getOmega_n()
{
for(long long i = 0; i < QUAN; ++ i)
omega_[i] = quickPower(G, (P - 1) / (1 << i), P);
}
const long long LEN = 1 << 16;
char str1[LEN], str2[LEN];
#include<cstdio>
#include<cstring>
long long len1, len2;
long long a[LEN << 1], b[LEN << 1];
#include<algorithm>
long long len;
long long rev[LEN << 1];
inline void prepare()
{
long long mx = std::max(len1, len2) << 1;
len = 1;
long long bit = 0;
while(len < mx)
len <<= 1, ++ bit;
rev[0] = 0;
for(long long i = 0; i < len; ++ i)
rev[i] = rev[i >> 1] >> 1 | (i & 1) << (bit - 1);
}
inline void reverse(long long *a)
{
for(long long i = 0; i < len; ++ i)
if(rev[i] < i)
std::swap(a[i], a[rev[i]]);
}
inline void NTT(long long *a, long long opt)
{
reverse(a);
long long temp = 0;
for(long long i = 2; i <= len; i <<= 1)
{
++ temp;
int omega_i = ~ opt ? omega_[temp] : quickPower(omega_[temp], P - 2, P);
for(long long j = 0; j < len; j += i)
{
long long omega = 1;
for(long long k = j; k < j + i / 2; ++ k)
{
long long u = a[k], t = omega * a[k + i / 2] % P;
a[k] = (u + t) % P, a[k + i / 2] = (u - t + P) % P;
omega = omega * omega_i % P;
}
}
}
if(opt == -1)
{
long long inv = quickPower(len, P - 2, P);
for(long long i = 0; i < len; ++ i)
a[i] = a[i] * inv % P;
}
}
long long ans[LEN << 1];
inline void convolute(long long *a, long long *b)
{
prepare();
NTT(a, 1), NTT(b, 1);
for(long long i = 0; i < len; ++ i)
a[i] = a[i] * b[i] % P;
NTT(a, -1);
for(int i = 0; i < len; ++ i)
ans[i] = a[i];
}
int main()
{
#ifndef ONLINE_JUDGE
freopen("HDU1402.in", "r", stdin);
#endif
getOmega_n();
while(gets(str1) && gets(str2))
{
len1 = strlen(str1), len2 = strlen(str2);
memset(a, 0, sizeof(a)), memset(b, 0, sizeof(b));
for(long long i = 0; i < len1; ++ i)
a[len1 - i - 1] = str1[i] - '0';
for(long long i = 0; i < len2; ++ i)
b[len2 - i - 1] = str2[i] - '0';
convolute(a, b);
for(int i = 0; i < len; ++ i)
ans[i + 1] += ans[i] / 10, ans[i] %= 10;
for(; len && ! ans[len - 1]; -- len);
for(int i = len - 1; ~ i; -- i)
putchar(ans[i] + '0');
if(! len)
putchar('0');
putchar('\n');
}
}
FFT/NTT模板 既 HDU1402 A * B Problem Plus的更多相关文章
- 多项式FFT/NTT模板(含乘法/逆元/log/exp/求导/积分/快速幂)
自己整理出来的模板 存在的问题: 1.多项式求逆常数过大(尤其是浮点数FFT) 2.log只支持f[0]=1的情况,exp只支持f[0]=0的情况 有待进一步修改和完善 FFT: #include&l ...
- FFT NTT 模板
NTT: #include<cstdio> #include<cstring> #include<algorithm> using namespace std; # ...
- 分治FFT/NTT 模板
题目要我们求$f[i]=\sum\limits_{j=1}^{i}f[i-j]g[j]\;mod\;998244353$ 直接上$NTT$肯定是不行的,我们不能利用尚未求得的项卷积 所以要用$CDQ$ ...
- [hdu1402]A * B Problem Plus(NTT)
解题关键:快速数论变换NTT模板. 注意$ans$数组的$ans[n]$一定要注意置$0$,或者结果从$n-1$开始遍历,这里很容易出错. 代码1:ACdreamer 的板子. 为什么要reverse ...
- FFT/NTT复习笔记&多项式&生成函数学习笔记Ⅰ
众所周知,tzc 在 2019 年(12 月 31 日)就第一次开始接触多项式相关算法,可到 2021 年(1 月 1 日)才开始写这篇 blog. 感觉自己开了个大坑( 多项式 多项式乘法 好吧这个 ...
- FFT \ NTT总结(多项式的构造方法)
前言.FFT NTT 算法 网上有很多,这里不再赘述. 模板见我的代码库: FFT:戳我 NTT:戳我 正经向:FFT题目解题思路 \(FFT\)这个玩意不可能直接裸考的..... 其实一般\(FF ...
- [学习笔记&教程] 信号, 集合, 多项式, 以及各种卷积性变换 (FFT,NTT,FWT,FMT)
目录 信号, 集合, 多项式, 以及卷积性变换 卷积 卷积性变换 傅里叶变换与信号 引入: 信号分析 变换的基础: 复数 傅里叶变换 离散傅里叶变换 FFT 与多项式 \(n\) 次单位复根 消去引理 ...
- FFT/NTT/MTT学习笔记
FFT/NTT/MTT Tags:数学 作业部落 评论地址 前言 这是网上的优秀博客 并不建议初学者看我的博客,因为我也不是很了解FFT的具体原理 一.概述 两个多项式相乘,不用\(N^2\),通过\ ...
- $FFT/NTT/FWT$题单&简要题解
打算写一个多项式总结. 虽然自己菜得太真实了. 好像四级标题太小了,下次写博客的时候再考虑一下. 模板 \(FFT\)模板 #include <iostream> #include < ...
随机推荐
- C++系统学习之七:类
类的基本思想是数据抽象和封装. 数据抽象是一种依赖于接口和实现分离的编程技术.类的接口包括用户所能执行的操作:类的实现包括类的数据成员.负责接口实现的函数体以及定义类所需的各种私有函数. 封装实现了类 ...
- mysqldump 备份导出数据排除某张表或多张表
可以使用--ignore-table=dbname.tablename 忽略一张表 /usr/bin/mysqldump --set-gtid-purged=OFF -h127.0.0.1 -uroo ...
- (33)zabbix proxy分布式监控配置
概述 zabbix proxy可以代替zabbix server检索客户端的数据,然后把数据汇报给zabbix server,并且在一定程度上分担了zabbix server的压力.zabbix pr ...
- Python 基本数据类型 (二) - 字符串
str.expandtabs([tabsize]): str类型的expandtabs函数,有一个可选参数tabsize(制表符大小) 详细来说,expandtabs的意思就是,将字符串中的制表符\t ...
- 牛客网暑期ACM多校训练营(第五场) E room(最小费用最大流 , 最小权二分图匹配模板)
链接: https://www.nowcoder.com/acm/contest/143/E 题意: 给定n个宿舍的新安排, 每个宿舍都有4个人, 问要至少有多少个人换位才能变成新安排. 可以建一个二 ...
- python模块--random
random主要用于生成随机字符串等,例如登录页面上随机字符串验证. random常用方法: import random print(random.randrange(1, 10)) # 返回1-10 ...
- 使用adb命令启查看已安装的Android应用的versionCode、versionName
列出已经安装的应用 adb shell pm list package C:\Users\CJTDEV003>adb shell pm list package package:com.sams ...
- 【01】CSS规范
[01]CSS规范 []https://drafts.csswg.org/indexes/(下图) https://www.w3.org/TR/2011/REC-CSS2-20110607/ ...
- 三、harbor部署之SSL
1 签名证书与自签名证书 签名证书:由权威颁发机构颁发给服务器或者个人用于证明自己身份的东西. 自签名证书:由服务器自己颁发给自己,用于证明自己身份的东西,非权威颁发机构发布. 2 openssl简介 ...
- Matplotlib基本图形之饼状图
Matplotlib基本图形之饼状图 饼状图特点: 饼状图显示一个数据系列中各项大小与各项总和的比例饼状图的数据点显示为整个饼状图的百分比 示例代码 import os import time imp ...