FFT
1.算法分析
fft能够在O(nlogn)的复杂度内计算出两个长度为n的多项式的乘积。
2.模板
#include <bits/stdc++.h>
using namespace std;
const int N = 300010;
const double PI = acos(-1);
int n, m;
struct Complex {
double x, y;
Complex operator+(const Complex& t) const {
return {
x + t.x, y + t.y}; }
Complex operator-(const Complex& t) const {
return {
x - t.x, y - t.y}; }
Complex operator*(const Complex& t) const {
return {
x * t.x - y * t.y, x * t.y + y * t.x};
}
} a[N], b[N];
int rev[N], bit, tot;
void fft(Complex a[], int inv) {
for (int i = 0; i < tot; i++) // i小于recv[i]时才交换,防止同一个元素交换两次,回到它原来的位置。
if (i < rev[i]) swap(a[i], a[rev[i]]);
//从底层往上合并
for (int mid = 1; mid < tot; mid <<= 1) {
//待合并区间长度的一半,最开始是两个长度为1的序列合并,mid = 1;
auto w1 = Complex({
cos(PI / mid), inv * sin(PI / mid)});
for (int i = 0; i < tot; i += mid * 2) {
auto wk = Complex({
1, 0});
for (int j = 0; j < mid; j++, wk = wk * w1) {
//只扫左半部分,蝴蝶变换得到右半部分的答案
auto x = a[i + j], y = wk * a[i + j + mid];
a[i + j] = x + y, a[i + j + mid] = x - y;
}
}
}
}
int main() {
scanf("%d%d", &n, &m);
//读入多项式的每一项,保存在复数的实部
for (int i = 0; i <= n; i++) scanf("%lf", &a[i].x);
for (int i = 0; i <= m; i++) scanf("%lf", &b[i].x);
while ((1 << bit) < n + m + 1) bit++;
tot = 1 << bit;
for (int i = 0; i < tot; i++)
rev[i] = (rev[i >> 1] >> 1) | ((i & 1) << (bit - 1));
// fft 把a、b的系数表示转化为点值表示
fft(a, 1), fft(b, 1);
//计算两个系数表示法的多项式相乘后的点值表示
for (int i = 0; i < tot; i++) a[i] = a[i] * b[i];
//对应项相乘,O(n)得到点值表示的多项式的解C,利用逆变换完成插值得到答案C的点值表示
fft(a, -1);
//这里的 x 和 y 是 double 的
for (int i = 0; i <= n + m; i++) printf("%d ", (int)(a[i].x / tot + 0.5));
return 0;
}
3.典型例题
acwing3122. 多项式乘法
题意: 给定一个n次多项式 F ( x ) = a 0 + a 1 x + a 2 x 2 + . .