[BZOJ2179]-大数乘法-FFT模板

说在前面

这题输入输出真的有毒…
细节调了me一晚上= =#…

---

题目

BZOJ2179传送门

题面

给出两个n位10进制整数x和y，你需要计算x*y。数字长度$\leq 60000$

输入输出格式

输入格式：
第一行一个正整数n。 第二行描述一个位数为n的正整数x。 第三行描述一个位数为n的正整数y

输出格式：
输出一行，即x*y的结果

---

解法

真$\cdot$FFT模板
把一个数字$A$写成这样 $A=\sum\limits_{i=0}^{位数-1}a_i\cdot10^{i-1}$，就是一个多项式了=w= 直接上FFT即可
注意读入数字的时候，数组下标小的存低位，下标大的存高位，这样写更方便进位，并且不用判断后缀0

---

下面是自带大常数的代码

#include <cmath>
#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std ;

const double PI = 3.1415926535897932384626 ;
int N , len , expos[131100] , ans[131100] ;
char ssa[131100] , ssb[131100] ;
struct Complex{
    double x , y ;
    Complex(){} ;
    Complex( double x_ , double y_ ):
        x(x_) , y(y_) {} ;
} ;
typedef Complex cpx ;
cpx a[131100] , b[131100] ;
cpx operator + ( const cpx &A , const cpx &B ){ return cpx( A.x+B.x , A.y+B.y ); }
cpx operator - ( const cpx &A , const cpx &B ){ return cpx( A.x-B.x , A.y-B.y ); }
cpx operator * ( const cpx &A , const cpx &B ){ return cpx( A.x*B.x - A.y*B.y , A.x*B.y + A.y*B.x ); }
cpx operator / ( const cpx &A , const double &p ){ return cpx( A.x/p , A.y/p ) ; }

void FFT( cpx *a , int fix ){
    for( int i = 1 ; i < N ; i ++ )
        if( expos[i] > i ) swap( a[i] , a[ expos[i] ] ) ;
    for( int id = 2 ; id <= N ; id <<= 1 ){
        cpx Wid = cpx( cos( 2 * PI * fix / id ) , sin( 2 * PI * fix / id ) ) ;
        for( int j = 0 ; j < N ; j += id ){
            cpx W = cpx( 1 , 0 ) ;
            for( int k = j ; k < j + id/2 ; k ++ ){
                cpx u = a[k] , v = a[k+id/2] ;
                a[k] = u + v * W ;
                a[k+id/2] = u - v * W ;
                W = W * Wid ;
            }
        }
    }
    if( fix == -1 )
        for( int i = 0 ; i < N ; i ++ )
            a[i] = a[i] / N ;
}

void solve(){
    FFT( a , 1 ) ;
    FFT( b , 1 ) ;
    for( int i = 0 ; i < N ; i ++ )
        a[i] = a[i] * b[i] ;
    FFT( a , -1 ) ;

    int anslen = 2 * len - 1 ;
    for( int i = 0 ; i <= 2 * len - 1 ; i ++ ){
        ans[i] += a[i].x + 0.5 ;
        if( ans[i] >= 10 ){
            ans[i+1] += ans[i]/10 ;
            ans[i] %= 10 ;
        } 
    }
    for( int i = anslen ; i >= 0 ; i -- )
        if( ans[i] != 0 ){
            for( int j = i ; j >= 0 ; j -- )
                printf( "%d" , ans[j] ) ;
            return ;
        }
}

int main(){
    scanf( "%d" , &len ) ;
    scanf( "%s%s" , ssa , ssb ) ;
    for( int i = 1 ; ; i <<= 1 )
        if( i >= len * 2 ){ N = i ; break ; }
    for( int i = 0 ; i < len ; i ++ )
        a[len-i-1].x = ssa[i] - '0' , b[len-i-1].x = ssb[i] - '0' ;
    for( int i = 1 , aim = 0 ; i < N ; i ++ ){
        int tmp = N >> 1 ;
        while( aim&tmp ) aim ^= tmp , tmp >>= 1 ;
        aim ^= tmp ; expos[i] = aim ;
    }
    solve() ;
}

一点理解

FFT优化的不是单项运算，而是一次性把$\omega_n^0$到$\omega_n^{n-1}$算完
每次都是把一个多项式拆分成两个多项式的和与差
$A[\omega_n^k]=A'[\omega_{\frac{n}{2}}^k]+A''[\omega_{\frac{n}{2}}^k]$
$A[\omega_n^{k+\frac{n}{2}}]=A'[\omega_{\frac{n}{2}}^k]-A''[\omega_{\frac{n}{2}}^k]$
数组里存的就是这些$A[]$的结果，由$A'$和$A''$算出两个$A$，这样不会增加空间，时间也变成了$log$