Luogu 4721 【模板】分治 FFT

还不会这题的多项式求逆的算法。

发现每一项都是一个卷积的形式,那么我们可以使用$NTT$来加速,直接做是$O(n^2logn)$的,我们考虑如何加速转移。

可以采用$cdq$分治的思想,对于区间$[l, r]$中的数,先计算出$[l, mid]$中的数对$[mid + 1, r]$中的数的贡献,然后直接累加到右边去。

容易发现,这样子每一次需要用向量$[l,l + 1, l +  2, \dots, mid]$卷上$g$中$[1, 2, \dots, r - l]$。

时间复杂度$O(nlog^2n)$,感觉这东西跑得并不慢鸭。

Code:

#include <cstdio>
#include <cstring>
using namespace std;
typedef long long ll;

const int N = 3e5 + 5;
const ll P = 998244353LL;

int n, lim, pos[N];
ll f[N], g[N], a[N], b[N];

template <typename T>
inline void read(T &X) {
    X = 0; char ch = 0; T op = 1;
    for (; ch > ‘9‘|| ch < ‘0‘; ch = getchar())
        if (ch == ‘-‘) op = -1;
    for (; ch >= ‘0‘ && ch <= ‘9‘; ch = getchar())
        X = (X << 3) + (X << 1) + ch - 48;
    X *= op;
}

template <typename T>
inline void swap(T &x, T &y) {
    T t = x; x = y; y = t;
}

inline ll fpow(ll x, ll y) {
    ll res = 1LL;
    for (; y > 0; y >>= 1) {
        if (y & 1) res = res * x % P;
        x = x * x % P;
    }
    return res;
}

inline void prework(int len) {
    int l = 0;
    for (lim = 1; lim <= len; lim <<= 1, ++l);
    for (int i = 0; i < lim; i++)
        pos[i] = (pos[i >> 1] >> 1) | ((i & 1) << (l - 1));
}

inline void ntt(ll *c, int opt) {
    for (int i = 0; i < lim; i++)
        if (i < pos[i]) swap(c[i], c[pos[i]]);
    for (int i = 1; i < lim; i <<= 1) {
        ll wn = fpow(3, (P - 1) / (i << 1));
        if (opt == -1) wn = fpow(wn, P - 2);
        for (int len = i << 1, j = 0; j < lim; j += len) {
            ll w = 1;
            for (int k = 0; k < i; k++, w = w * wn % P) {
                ll x = c[j + k], y = c[j + k + i] * w % P;
                c[j + k] = (x + y) % P, c[j + k + i] =(x - y + P) % P;
            }
        }
    }

    if (opt == -1) {
        ll inv = fpow(lim, P - 2);
        for (int i = 0; i < lim; i++) c[i] = c[i] * inv % P;
    }
}

void solve(int l, int r) {
    if (l == r) {
        a[l] = (a[l] + b[l]) % P;
        return;
    }

    int mid = ((l + r) >> 1);
    solve(l, mid);

    prework(r - l + 1);
    for (int i = 0; i < lim; i++) g[i] = f[i] = 0;
    for (int i = l; i <= mid; i++) f[i - l] = a[i];
    for (int i = 1; i <= r - l; i++) g[i - 1] = b[i];
    ntt(f, 1), ntt(g, 1);
    for (int i = 0; i < lim; i++) f[i] = f[i] * g[i] % P;
    ntt(f, -1);

    for (int i = mid + 1; i <= r; i++) a[i] = (a[i] + f[i - l - 1]) % P;

    solve(mid + 1, r);
}

int main() {
    read(n); n--;
    for (int i = 1; i <= n; i++) read(b[i]);
    a[0] = 1;
    solve(1, n);

    for (int i = 0; i <= n; i++)
        printf("%lld%c", a[i], i == n ? ‘\n‘ : ‘ ‘);

    return 0;
}

原文地址:https://www.cnblogs.com/CzxingcHen/p/10197696.html

时间: 2024-07-31 22:27:13

Luogu 4721 【模板】分治 FFT的相关文章

[题解] Luogu P4721 【模板】分治 FFT

分治FFT的板子为什么要求逆呢 传送门 这个想法有点\(cdq\)啊,就是考虑分治,在算一段区间的时候,我们把他分成两个一样的区间,然后先做左区间的,算完过后把左区间和\(g\)卷积一下,这样就可以算出左区间里的\(f\)对右边的贡献,然后再算右边的就好了. 手玩一组样例吧:g=[0,3,1,2](默认\(g[0] = 0\)) 一开始,只有f[0]=1 f: [1 0|0 0] 然后我们从中间分开来,先算左边的 f: [1|0|0 0] 然后在分下去我们会找到\(f[0]\),就拿这一段和\(

分治FFT模板

题目链接:https://www.luogu.org/problemnew/show/P4721 总结了一下蒟蒻FFT/NTT容易写错的地方: ? 1.rev数组求错. ? 2.cdq注意顺序:先递归左, 处理左对右的影响,再递归右.(注意!这需要考虑到分治fft的原理!) ? 3.初始a数组忘了取模等各种忘取模. ? 4.NTT第二层循环i+=(1<<j)而不是i+=j ? 5.y=gnk*a[k+j]而不是a[k+j]. 接下来是AC代码 (打//标志的是曾经与现在本蒟蒻FFT写错的地方)

【模板】分治 FFT

题目大意:给定长度为 \(n - 1\) 的序列 \(g\),求 \(f\) 序列,其中 \(f\) 为 \[ f[i]=\sum_{j=1}^{i} f[i-j] g[j] \] 学会了分治 \(fft\). 发现这个式子中也含有卷积,但是这是一个递推式,即:\(f\) 数组是未知的. 考虑分治策略,即:假设已经算出区间 \([l, mid]\) 的 \(f\) 值,现在要计算区间 \([mid + 1, r]\) 的 \(f\). 考虑左半部分对右半部分的贡献,对于 \[x \in [mid

[bzoj3456]城市规划——分治FFT

题目大意: 求n个点的带标号简单无向联通图的数目. 思路: 嗯多项式求逆还不会,到时候会了应该会补吧. 这种和图计数有关的题目一般都是考虑反面计数或者是容斥什么的. 考虑枚举一号点的连通块的大小,然后用总方案数减去这些方案数. 可以得到递推式: \[ f_{i}=2^{i\choose 2}-\sum_{j=1}^{i-1}{i-1\choose j-1}\times f_{j}\times 2^{i-j\choose2} \] 后面的式子可以化为卷积的形式: \[ f_{i}=2^{i\cho

分治FFT

分治FFT 目的 解决这样一类式子: \[f[n] = \sum_{i = 0}^{n - 1}f[i]g[n - i]\] 算法 看上去跟普通卷积式子挺像的,但是由于计算\(f\)的每一项时都在利用它前面的项来产生贡献,所以不能一次FFT搞完.用FFT爆算复杂度\(O(n^2logn)\),比直接枚举复杂度还高-- 考虑优化这个算法,如果我们要计算区间\([l, r]\)内的\(f\)值,如果可以快速算出区间\([l, mid]\)内的\(f\)值对区间\([mid + 1, r]\)内的\(

2017 3 11 分治FFT

考试一道题的递推式为$$f[i]=\sum_{j=1}^{i} j^k \times (i-1)! \times \frac{f[i-j]}{(i-j)!}$$这显然是一个卷积的形式,但$f$需要由自己卷过来(我也不知到怎么说),以前只会生成函数的做法,但这题好像做不了(谁教教我怎么做),于是无奈的写了一发暴力,看题解发现是分治FFT.分治每层用$f[l]-f[mid]$与$a[1]-a[r-l]$做NTT.这样显然每个$f[l]-f[mid]$对$f[mid+1]-f[r]$的贡献都考虑到了.

【bzoj4836】[Lydsy2017年4月月赛]二元运算 分治+FFT

题目描述 定义二元运算 opt 满足 现在给定一个长为 n 的数列 a 和一个长为 m 的数列 b ,接下来有 q 次询问.每次询问给定一个数字 c 你需要求出有多少对 (i, j) 使得 a_i  opt b_j=c . 输入 第一行是一个整数 T (1≤T≤10) ,表示测试数据的组数. 对于每组测试数据: 第一行是三个整数 n,m,q (1≤n,m,q≤50000) . 第二行是 n 个整数,表示 a_1,a_2,?,a_n (0≤a_1,a_2,?,a_n≤50000) . 第三行是 m

HDU Shell Necklace CDQ分治+FFT

Shell Necklace Problem Description Perhaps the sea‘s definition of a shell is the pearl. However, in my view, a shell necklace with n beautiful shells contains the most sincere feeling for my best lover Arrietty, but even that is not enough. Suppose

看无可看 分治FFT+特征值方程

题面: 看无可看(see.pas/cpp/c) 题目描述 “What’s left to see when our eyes won’t open?” “若彼此瞑目在即,是否终亦看无可看?” ------来自网易云音乐<Golden Leaves-Passenger> 最后的一刻我看到了...... 一片昏暗? 我记起来了, 我看到,那里有一个集合S,集合S中有n个正整数a[i](1<=i<=n) 我看到,打破昏暗的密码: 记忆中的f是一个数列,对于i>1它满足f(i)=2*

【BZOJ3451】Tyvj1953 Normal 点分治+FFT+期望

[BZOJ3451]Tyvj1953 Normal Description 某天WJMZBMR学习了一个神奇的算法:树的点分治!这个算法的核心是这样的:消耗时间=0Solve(树 a) 消耗时间 += a 的 大小 如果 a 中 只有 1 个点  退出 否则在a中选一个点x,在a中删除点x 那么a变成了几个小一点的树,对每个小树递归调用Solve我们注意到的这个算法的时间复杂度跟选择的点x是密切相关的.如果x是树的重心,那么时间复杂度就是O(nlogn)但是由于WJMZBMR比较傻逼,他决定随机