集合幂级数

定义

形如${\sum }_{i=0}^{2^n-1}{a}_i{x}^i$，其中 $i$ 是一个二进制数，表示 { 1 , 2 , . . . , n } \{1,2,...,n\} {1,2,...,n} 的一个子集。

---

---

基本操作

高维前缀和

即要求：$c_i={\sum }_j[j\vee i=i]a_j$

先考虑一维前缀和：

for(int i=1;i<=n;i++) a[i]+=a[i-1];

然后考虑二维前缀和：

for(int i=1;i<=n;i++) for(int j=1;j<=m;j++) a[i][j]+=a[i][j-1];
for(int i=1;i<=n;i++) for(int j=1;j<=m;j++) a[i][j]+=a[i-1][j];

以此类推，n维前缀和即为每次枚举一维，在这一维上做前缀和：

for(int i=0;i<n;i++)
	for(int j=0;j<(1<<n);j++)
		if(j&(1<<i)) a[j]+=a[j^(1<<i)];

这种做法即为 快速莫比乌斯变换，即FMT。
复杂度为 $O(2^{n}n)$

---

高维后缀和

即要求：$c_i={\sum }_j[j\wedge i=i]a_j$

与前缀和类似每次枚举一维做后缀和即可：

for(int i=0;i<n;i++)
	for(int j=0;j<(1<<n);j++)
		if(j&(1<<i)) a[j^(1<<i)]+=a[j];

---

或卷积

即要求：$c_i={\sum }_j{\sum }_k[j\vee k=i]a_j{b}_k$

若 $a$ 经过 FMT 后的集合幂级数为 $A$，$b$ 经过 FMT 后的集合幂级数为 $B$，$c$ 经过 FMT 后的集合幂级数为 $C$，容易发现 $C_i=A_i{B}_i$。

所以我们只需要对 $a,b$ 分别做一次 FMT ，并将对应位相乘后做一次 FMT 的逆变换，即将刚才的过程反过来：

for(int i=0;i<n;i++)
	for(int j=0;j<(1<<n);j++)
		if(j&(1<<i)) a[j]-=a[j^(1<<i)];

复杂度为 $O(2^{n}n)$

---

与卷积

即要求：$c_i={\sum }_j{\sum }_k[j\wedge k=i]a_j{b}_k$

与或卷积非常类似，按后缀和计算即可。

---

异或卷积

即要求：$c_i={\sum }_j{\sum }_k[j\oplus k=i]a_j{b}_k$

定义 $FWT(x{)}_i={\sum }_{j=0}^{2^n-1}(-1{)}^{|i\wedge j|}{x}_j$。

若a和吧异或卷积后的结果为c，则$FWT(c{)}_i=FWT(a{)}_i\cdot FWT(b{)}_i$

证明：
$FWT(c{)}_i={\sum }_{j=0}^{2^n-1}(-1{)}^{|i\wedge j|}{c}_j$

$={\sum }_{j=0}^{2^n-1}(-1{)}^{|i\wedge j|}{\sum }_{k=0}^{2^n-1}{\sum }_{l=0}^{2^n-1}[k\oplus l=j]a_k{b}_l$

$={\sum }_{k=0}^{2^n-1}{\sum }_{l=0}^{2^n-1}(-1{)}^{|(k\oplus l)\wedge i|}{a}_k{b}_l$

$={\sum }_{k=0}^{2^n-1}{\sum }_{l=0}^{2^n-1}(-1{)}^{|(k\wedge i|}{a}_k\cdot (-1{)}^{|(l\wedge i|}{b}_l$

$=({\sum }_{k=0}^{2^n-1}(-1{)}^{|k\wedge i|a_k})({\sum }_{l=0}^{2^n-1}(-1{)}^{|l\wedge i|l{b}_l})$

$=FWT(a{)}_i\cdot FWT(b{)}_i$

所以 $c$ 即为对 $a,b$ 分别求出 FWT 后对应相乘再做 FWT 的逆变换即可。

我们分别对每个位进行考虑。
对于第 $i$ 位和第一个不包含 $i$ 的集合 $S$，设$x=a_S,y=a_{S+a^i}$，则有新的 $a_S=x+y,a_{S+2^i}=x-y$。具体代码如下：

for(int i=1;i<(1<<n);i<<=1){
	for(int j=0;j<(1<<n);j+=(i<<1)){
		for(int k=j;k<j+i;k++){
			int x=a[k],y=a[k+i];
			a[k]=x+y,a[k+i]=x-y;
		}
	}
}

复杂度为 $O(2^{n}n)$

---

子集卷积

即要求：$c_i={\sum }_j{\sum }_k[j\wedge k=\varnothing ,j\vee k=i]a_j{b}_k$

显然不能直接做或卷积。
考虑到 $[j\wedge k=\varnothing ,j\vee k=i]$ 的条件等价于 $[|j|+|k|=i,j\vee k=i]$，所以可以先将集合按元素个数分类，然后统计答案。

然鹅我们发现对应每一组都操作了 $n$ 次 FWT，重复了。可以预处理出所有组的 FWT，对应每队直接对应位相乘累计答案。最后用 FWT 的逆运算返回即可。

复杂度为 $O(2^n{n}^2)$

---

子集卷积 exp

即要求：$c_i={\sum }_{i_1,i_2,...i_k}[|i_1|+|i_2|+...+|i_k|=|i|,i_1\vee i_2\vee ...\vee i_k=i]a_{i_1}{a}_{i_2}...a_{i_k}$

考虑按最高位分组，每一组中最多选择一个，所以答案即为所有组子集卷积后的答案。
复杂度为 ${\sum }_{i=1}^{n}O(2^i{i}^2)=O(2^n{n}^2)$

---

多项式复合集合幂级数

即要求：$c_i={\sum }_{i=0}^n{f}_i{a}^i$，其中 $a_i$ 为子集卷积。

在上一题的基础上记录当前还有几个要选。
$G_{i,j}$ 表示合并完前 $i$ 组后还需要再添加 $j$ 个的方案数。初始即为 $G_{0,i}=F_i$，每次添加一组即为 $G_{i,j}=G_{i-1,j}+G_{i-1,j-1}{F}_i$，其中 $F_i$ 表示第 $i$ 组形成的集合。
复杂度为 ${\sum }_{i=1}^{n}O(2^i{i}^2(n-i))=O(2^n{n}^2)$

---

---