.
稍微学了一下FWT发现挺好写
这个东西和FFT其实区别比较大,所以比较适合理性理解
比如对于or运算的FWT,我们考虑这样一个式子
F
W
T
o
r
(
A
)
[
i
]
=
∑
j
∣
i
=
i
A
[
j
]
FWT_{or}(A)[i]=\sum_{j|i=i}A[j]
FWTor(A)[i]=j∣i=i∑A[j]以及我们要求的东西
(
A
∣
B
)
[
k
]
=
∑
i
∣
j
=
k
A
[
i
]
∗
B
[
j
]
(A|B)[k]=\sum_{i|j=k}A[i]*B[j]
(A∣B)[k]=i∣j=k∑A[i]∗B[j] 我们设
C
=
(
A
∣
B
)
C=(A|B)
C=(A∣B)就可以发现一个事情
F
W
T
o
r
(
C
)
[
k
]
=
F
W
T
o
r
(
A
)
[
k
]
∗
F
W
T
o
r
(
B
)
[
k
]
FWT_{or}(C)[k]=FWT_{or}(A)[k]*FWT_{or}(B)[k]
FWTor(C)[k]=FWTor(A)[k]∗FWTor(B)[k] 这个证明略去,稍微手玩一下四项的式子就发现这样是对的
让后就是求这个
F
W
T
o
r
FWT_{or}
FWTor了
我们发现可以用一个dp来做,可以看看下面这个代码
inline void fwt(int* s){
for(int i=1;i<=N;i<<=1)
for(int j=i;j<N;++j&i?0:j|=i)
s[j]+=s[j^i];
}
.
主要思路就是一层一层来做子集和
每次就把这一层分成
N
/
2
i
N/2i
N/2i个块让后把每个块后半部分加上前半部分
如果是
F
W
T
a
n
d
FWT_{and}
FWTand那么就是这样的
inline void ffwtA(int* s,int opt){
for(int i=1;i<=N;i<<=1)
for(int j=i;j<N;++j&i?0:j|=i)
s[j^i]+=s[j];
}
.
只不过是把后面的加到前面而已,这两个还是比较好理解的
让后就是
F
W
T
x
o
r
FWT_{xor}
FWTxor了,需要用一点容斥的做法
这里
F
W
T
x
o
r
FWT_{xor}
FWTxor的意义不太一样,是这样的
F
W
T
x
o
r
(
A
)
[
i
]
=
∑
i
=
1
∣
A
∣
A
[
j
]
∗
(
−
1
)
B
i
t
c
o
u
n
t
(
i
x
o
r
j
)
FWT_{xor}(A)[i]=\sum_{i=1}^{|A|}A[j]*(-1)^{Bitcount(i\ xor\ j)}
FWTxor(A)[i]=i=1∑∣A∣A[j]∗(−1)Bitcount(i xor j) 这里
B
i
t
c
o
u
n
t
(
x
)
Bitcount(x)
Bitcount(x)表示x有在二进制表示下的1的个数
不过大多时候不需要考虑这么多因为代码很好记
inline void ffwtX(int* s,int opt){
int x,y;
for(int i=1;i<=N;i<<=1)
for(int j=i;j<N;++j&i?0:j|=i){
x=s[j^i],y=s[j];
s[j^i]=x+y; s[j]=x-y;
}
}
.
那么我们还需要
I
F
W
T
o
r
,
(
)
I
F
W
T
a
n
d
(
)
,
I
F
W
T
x
o
r
(
)
IFWT_{or},()IFWT_{and}(),IFWT_{xor}()
IFWTor,()IFWTand(),IFWTxor()这三个函数
也很简单,or和and把加号改成减号,xor把最后答案除2就行了