多项式算法3：FWT\FMT（快速沃尔什变换\快速莫比乌斯变换）

前言

对于一个序列，将其中的元素一一映射到一个多项式函数的系数上，这个多项式函数便叫做该序列的生成函数。
对于序列$f_0,f_1,\cdots ,f_n$，$f(x)={\sum }_{i=0}^n{f}_i{x}^i$为其生成函数，我们一般叫他们多项式。
卷积是通过两个函数$f$和$g$生成第三个函数的一种数学运算，其本质是一种特殊的积分变换。
当多项式卷积为$C_k={\sum }_{i+j=k}{A}_i\times B_j$。
我们可以用FFT，NTT来做。
而当多项式卷积为（这里$\oplus$指代异或）：$$C_k=\sum _{i|j=k}{A}_i\times B_j$$$$C_k=\sum _{i\&j=k}{A}_i\times B_j$$$$C_k=\sum _{i\oplus j=k}{A}_i\times B_j$$我们的FFT，NTT就不能派上用场了，这就要用到下面讲的FWT\FMT。而一般来讲，FMT（快速莫比乌斯变换）处理OR，AND问题，而FWT（快速沃尔什变换）是处理XOR问题的。

正文

OR运算的FMT

我们不妨先回忆一下FFT的思路：
先对于一个多项式求出它在带入若干单位根后的点值表示法，然后把点值表示法下的多项式乘起来，然后再把点值表示法变成多项式表示法。
FMT的思路与此类似。
不过，由于这三类与位运算关联的多项式卷积有其特殊的性质，我们不再代入若干指定的值，而是先进行一些变换。
我们不妨进行如下定义：
要求$$c_k=\sum _{i|j=k}{a}_i\times b_j$$设$$FMT(f_n)=\sum _{i|n=n}{f}_i$$不难发现
$$\begin{gathered} FMT(a_t)\times FMT(b_t) \\ =({\sum }_{i|t=t}{a}_i)\times ({\sum }_{j|t=t}{b}_j) \\ ={\sum }_{i|t=t}{\sum }_{j|t=t}(a_i\times b_j) \\ ={\sum }_{(i|j)|t=t}(a_i\times b_j) \\ =FMT(c_t) \end{gathered}$$
由此可得$FMT(a_t)\times FMT(b_t)=FMT(c_t)$，这虽然不是真正的点值表示法，却在多项式乘法中发挥着同样的作用，我们只要找到快速算出$FMT(f_n)$和逆运算$FMT(f_n)$的方法即可。
我们先拿出以前FFT用过的经典三重循环，看看能不能得到什么启示。

for ( int i = 2 ; i <= len ; i <<= 1 ) {//枚举步长，从递归的下面往上走 
		for ( int j = 0 ; j <= len - 1 ; j += i ) {//走一遍步长 
			for ( int k = j ; k < j + i / 2 ; ++k ) {//枚举每块区间内的每一个元素
				int u = f[k];
				int v = f[k + i / 2];
			}
		}
	}

通过观察不难发现，假设在$i$的某一次取值中$2^t=i(k⩾1)$，则$j$的那层循环只改变$u$和$v$下标数$k$和$k+\frac{i}{2}$的二进制表示中第$t$位以及后面的数，而$k$的那层循环开始的数为$i$的倍数，二进制表示下后面显然有至少$t$个零，而$k$最多循环出$2^{t-1}$次，还有一次是后面至少$t$个零的数，所以这层循环刚好不影响到第$t-1$位，因而这式子中$k|(k+\frac{i}{2})=k+\frac{i}{2}$且$k+\frac{i}{2}$刚好比$k$多出个$2^{t-1}$。通过背包思想不难求出FMT。
至于逆运算？通过子集和反推，只要把加的减回去就可以了（至于正确性的证明？我不会QWQ ）。
代码如下：

void FMTor( int f[] , int len , int on ) {//on=1\-1切换模式
	for ( int i = 2 ; i <= len ; i <<= 1 ) {//枚举步长，从递归的下面往上走 
		for ( int j = 0 ; j <= len - 1 ; j += i ) {//走一遍步长 
			for ( int k = j ; k < j + i / 2 ; ++k ) {//枚举每块区间内的每一个元素
				f[k + i / 2] += f[k] * on;
			}
		}
	}
	return;
}

时间复杂度和FFT一样，为$\Theta (n\log n)$。
整体思路：
$$\begin{gathered} a_i\to FMT(a_i) \\ {b}_i\to FMT(b_i) \\ FMT(c_i)=FMT(a_i)\times FMT(b_i) \\ FMT(c_i)\to c_i \end{gathered}$$

AND运算的FMT

和OR很多地方相似。
要求$$c_k=\sum _{i\&j=k}{a}_i\times b_j$$设$$FMT(f_n)=\sum _{i\&n=n}{f}_i$$不难发现
$$\begin{gathered} FMT(a_t)\times FMT(b_t) \\ =({\sum }_{i\&t=t}{a}_i)\times ({\sum }_{j\&t=t}{b}_j) \\ ={\sum }_{i\&t=t}{\sum }_{j\&t=t}(a_i\times b_j) \\ ={\sum }_{(i\&j)\&t=t}(a_i\times b_j) \\ =FMT(c_t) \end{gathered}$$
易得$i|j=i$时$i$和$j$满足$i\&j=j$。加给$k+\frac{i}{2}$变成加给$k$，所以我们只要把上面的代码微改即可。
代码如下：

void FMTand( int f[] , int len , int on ) {
	for ( int i = 2 ; i <= len ; i <<= 1 ) {//枚举步长，从递归的下面往上走 
		for ( int j = 0 ; j <= len - 1 ; j += i ) {//走一遍步长 
			for ( int k = j ; k < j + i / 2 ; ++k ) {//枚举每块区间内的每一个元素
				f[k] += f[k + i / 2] * on;
			}
		}
	}
	return;
}

XOR运算的FMT

xor运算的变换不好想到。我们先设$popcount(x)$为$x$的二进制表示下$1$的个数。
不难发现异或运算满足$popcount(a)+popcount(b)\equiv popcount(a\oplus b)(\mathrm{m}\mathrm{o}\mathrm{d}2)$。
我们设$FWT(f_t)={\sum }_{i=0}^n(-1{)}^{|i\&t|}{f}_i$，其中设$|x|$表示$popcount(x)$。
不难发现
$$\begin{gathered} FWT(a_t)\times FWT(b_t) \\ =({\sum }_{i=0}^n(-1{)}^{|i\&t|}{a}_i)\times ({\sum }_{j=0}^n(-1{)}^{|j\&t|}{b}_j) \\ ={\sum }_{i=0}^n{\sum }_{j=0}^n(-1{)}^{|i\&t|}(-1{)}^{|j\&t|}{a}_i{b}_j \\ ={\sum }_{i=0}^n{\sum }_{j=0}^n(-1{)}^{|i\&t|+|j\&t|}{a}_i{b}_j \end{gathered}$$
由于异或满足相同为0不同为1，所以异或中两两消掉的1不改变$-1$的指数的奇偶性。即$|i\&t|+|j\&t|=|(i\oplus j)\&t|$。
$$\begin{gathered} ={\sum }_{i=0}^n{\sum }_{j=0}^n(-1{)}^{|(i\oplus j)\&t|}{a}_i{b}_j \\ =FWT(c_t) \end{gathered}$$
FWT的计算要考虑分治，设
$C_0=(c_0,c_1,\cdots ,c_{\frac{n}{2}-1})$，
$C_1=(c_{\frac{n}{2}},c_{\frac{n}{2}+1},\cdots ,c_{n-1})$。
其中$FMT(C_0)，FMT(C_1)$表示迭代过后能代表这些项的$FMT$之和的项。
令$k<\frac{n}{2}$，有
$$FWT(c_k)=\sum _{i=0}^{\frac{n}{2}-1}(-1{)}^{|i\&k|}{c}_i+\sum _{i=0}^{\frac{n}{2}-1}(-1{)}^{|i\&k|}{c}_{i+\frac{n}{2}}=FMT(C_0)+FMT(C_1)$$
$$FWT(c_k+\frac{n}{2})=\sum _{i=0}^{\frac{n}{2}-1}(-1{)}^{|i\&k|}{c}_i-\sum _{i=0}^{\frac{n}{2}-1}(-1{)}^{|i\&k|}{c}_{i+\frac{n}{2}}=FMT(C_0)-FMT(C_1)$$
这里有负一是因为强行给$-1$降了一次幂。
可得代码：

void FWTxor( int f[] , int len ) {
	for ( int i = 2 ; i <= len ; i <<= 1 ) {//枚举步长，从递归的下面往上走 
		for ( int j = 0 ; j <= len - 1 ; j += i ) {//走一遍步长 
			for ( int k = j ; k < j + i / 2 ; ++k ) {//枚举每块区间内的每一个元素
				int u = f[k];
				int v = f[k + i / 2];
				f[k] = u + v;
				f[k + i / 2] = u - v;
			}
		}
	}
	return;
}

逆运算也不难推出$x=u+v,y=u-v\to u=\frac{x+y}{2},v=\frac{x-y}{2}$。
结合起来：

void FWTxor( int f[] , int len , int on ) {
	for ( int i = 2 ; i <= len ; i <<= 1 ) {//枚举步长，从递归的下面往上走 
		for ( int j = 0 ; j <= len - 1 ; j += i ) {//走一遍步长 
			for ( int k = j ; k < j + i / 2 ; ++k ) {//枚举每块区间内的每一个元素
				int u = f[k];
				int v = f[k + i / 2];
				f[k] = u + v;
				f[k + i / 2] = u - v;
				if( on == -1 ) {
					f[k] /= 2;
					f[k + i / 2] /= 2;//一般是题目给模数然后乘逆元 
				}
			}
		}
	}
	return;
}

三个综合起来：
模板题

#include <iostream>
#include <cstdio>
#include <cstring>
#include <cmath>
#include <algorithm>
#define ll long long
using namespace std;
const int mod = 998244353;
int n;
ll inv2;
const int N = 1 << 17 | 1;
inline ll qw( ll a , ll b ) {
	ll ans = 1;
	while ( b ) {
		if( b & 1 ) {
			ans = ( ans * a ) % mod;
		}
		a = ( a * a ) % mod;
		b >>= 1;
	}
	return ans;
}
void FMTor( ll f[] , int len , int on ) {//on=1\-1切换模式
	for ( int i = 2 ; i <= len ; i <<= 1 ) {//枚举步长，从递归的下面往上走 
		for ( int j = 0 ; j <= len - 1 ; j += i ) {//走一遍步长 
			for ( int k = j ; k < j + i / 2 ; ++k ) {//枚举每块区间内的每一个元素
				f[k + i / 2] =( ( f[k + i / 2] + f[k] * on ) % mod + mod ) % mod;
			}
		}
	}
	return;
}
void FMTand( ll f[] , int len , int on ) {
	for ( int i = 2 ; i <= len ; i <<= 1 ) {//枚举步长，从递归的下面往上走 
		for ( int j = 0 ; j <= len - 1 ; j += i ) {//走一遍步长 
			for ( int k = j ; k < j + i / 2 ; ++k ) {//枚举每块区间内的每一个元素
				f[k] =( ( f[k] + f[k + i / 2] * on ) % mod + mod ) % mod;
			}
		}
	}
	return;
}
void FWTxor( ll f[] , int len , int on ) {
	for ( int i = 2 ; i <= len ; i <<= 1 ) {//枚举步长，从递归的下面往上走 
		for ( int j = 0 ; j <= len - 1 ; j += i ) {//走一遍步长 
			for ( int k = j ; k < j + i / 2 ; ++k ) {//枚举每块区间内的每一个元素
				ll u = f[k];
				ll v = f[k + i / 2];
				f[k] = ( ( u + v ) % mod + mod ) % mod;
				f[k + i / 2] = ( ( u - v ) % mod + mod ) % mod;
				if( on == -1 ) {
					f[k] = ( ( 1ll * f[k] * inv2 ) % mod + mod ) % mod;
					f[k + i / 2] = ( ( 1ll * f[k + i / 2] * inv2 ) % mod + mod ) % mod;//一般是题目给模数然后乘逆元 
				}
			}
		}
	}
	return;
}
ll a[N] , b[N] , ta[N] , tb[N];
int main() {
	inv2 = qw( 2ll , mod - 2 );
	scanf("%d",&n);
	int len = qw( 2 , n );
	for ( int i = 0 ; i < len ; ++i ) {
		scanf("%lld",&a[i]);
	}
	for ( int i = 0 ; i < len ; ++i ) {
		scanf("%lld",&b[i]);
	}
	for ( int i = 0 ; i < len ; ++i ) {
		ta[i] = a[i];
	}
	for ( int i = 0 ; i < len ; ++i ) {
		tb[i] = b[i];
	}
	FMTor( a , len , 1 );
	FMTor( b , len , 1 );
	for ( int i = 0 ; i < len ; ++i ) {
		a[i] = ( ( a[i] * b[i] ) % mod + mod ) % mod;
	}
	FMTor( a , len , -1 );
	for ( int i = 0 ; i < len ; ++i ) {
		printf("%lld ",(a[i] % mod + mod) % mod);
	}
	puts("");
	for ( int i = 0 ; i < len ; ++i ) {
		a[i] = ta[i];
	}
	for ( int i = 0 ; i < len ; ++i ) {
		b[i] = tb[i];
	}
	FMTand( a , len , 1 );
	FMTand( b , len , 1 );
	for ( int i = 0 ; i < len ; ++i ) {
		a[i] = ( ( a[i] * b[i] ) % mod + mod ) % mod;
	}
	FMTand( a , len , -1 );
	for ( int i = 0 ; i < len ; ++i ) {
		printf("%lld ",(a[i] % mod + mod) % mod);
	}
	puts("");
	for ( int i = 0 ; i < len ; ++i ) {
		a[i] = ta[i];
	}
	for ( int i = 0 ; i < len ; ++i ) {
		b[i] = tb[i];
	}
	FWTxor( a , len , 1 );
	FWTxor( b , len , 1 );
	for ( int i = 0 ; i < len ; ++i ) {
		a[i] = ( ( a[i] * b[i] ) % mod + mod ) % mod;
	}
	FWTxor( a , len , -1 );
	for ( int i = 0 ; i < len ; ++i ) {
		printf("%lld ",(a[i] % mod + mod) % mod);
	}
	puts("");
	return 0;
}