NTT任意模数模板（+O(1)快速乘）

最新推荐文章于 2024-01-22 21:13:52 发布
最新推荐文章于 2024-01-22 21:13:52 发布
阅读量3.2k 收藏 2
点赞数 1
分类专栏： 模板 冲刺省选 数论 FFT 奇巧淫技
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_35950004/article/details/79477797
版权
博客介绍了如何使用NTT(数论变换)在模数较大的情况下进行快速卷积，通过选取三个大于10^24的质数模数进行计算，利用中国剩余定理得到最终答案。同时，讨论了处理超过long long范围的乘法和模运算的O(1)技巧，包括利用模运算公式避免长整数溢出问题。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

NTT任意模数的方法其实有点取巧。

两个数列每个有n个数，每个数的大小最多是10^9。

如果没有模数，那么卷积过后每个位置的答案一定小于10^9*10^9*n,差不多是10^24左右

那么就有一个神奇的做法，选3个乘积大于10^24的NTT模数，分别做一次，得到每个位上模意义下的答案，

然后用中国剩余定理得到模上三个质数乘积的答案。

因为答案显然小于三个质数乘积，那么模上三个质数乘积的答案就是这个数应该的值。

不过这个值可能会超long long(及时不超，对于乘积大于long long的三个质数做中国剩余定理也不是一件小事)

考虑先将两个模数意义下的答案合并，

现在我们还剩两个模数，一个为long long，一个为int

不能中国剩余定理硬上了。

设模数为P1(longlong) ,P2(int), 余数为a1,a2

设答案ANS=P1*K+a1=P2*Q+a2

那么K*P1=P2*Q+(a2-a1)

K*P1 % P2=a2-a1

a1-a2为常数

用同余方程的解法即可解出K模P2(int)意义下的值

又有ANS<P1*P2(之前已证)

so K*P1+a1<P1*P2

显然K<P2

所以原本答案K的值只能为模P2意义下的值

所以我们就求出K了，然后可以不用高精度就算出ANS%MOD（MOD为任意模数）

但是，

回顾整个过程，附加条件非常多。。。。。。

首先每个数<=10^9（再大或许可以通过增加模数的方法解决，但是CRT时可就不能回避高精度取模了&#x

最低0.47元/天 解锁文章
[NTT]任意模数NTT
ICEEBBING的博客
12-19 867
题目 洛谷 NTT FFT可以帮助我们快速地将多项式从系数表达变换成点值表达。但由于涉及浮点数运算，我们需要对一些数取模时，不能一边计算一边取模，所以有可能会爆炸。而且我们有时候也会因此丢失精度，导致结果错误。所以，我们就要引入NTT算法。 NTT是利用一些特殊的模数，基于数论来进行变换的一种基于FFT的多项式算法。过程中所使用的都是整数，所以不存在这些问题。 前备知识 阶 对于gcd⁡(x,n)...
任意模数ntt_【模板篇】NTT和三模数NTT
weixin_42179184的博客
02-22 530
之前写过FFT的笔记. 我们知道FFT是在复数域上进行的变换.而且经过数学家的证明, DFT是复数域上唯一满足循环卷积性质的变换.而我们在OI中, 经常遇到对xxxx取模的题目, 这就启发我们可不可以在模运算的意义下找一个这样的变换.然后我们发现有个神奇的东西, 原根\(g\), 这东西在模意义下相当于单位复根\(-e^{\frac{2\pi i}{n}}\).所以我们预处理一下\(g\)的幂和逆...
【模板】任意模数NTT
a6t2007的博客
06-04 177
题目描述： luogu 题解： 用$fft$水过（什么$ntt$我不知道）。 众所周知，$fft$精度低，$ntt$处理范围小。 所以就有了任意模数ntt神奇$fft$！ 意思是这样的。比如我要算$F*G$，我可以把这两个多项式各分成两个多项式，一个表示$F_x/M$，一个表示$F_x$%$M$（$M$是自己设定的阈值）。 比如说$F=a*M+b,G=c*M+d$，那么$F...
【任意模数NTT模板】
KIKO_caoyue的博客
07-22 319
没错，这又是一个板子… 使用方法如下： 任意模数NTT模板题 输入A，B和模数 然后放进solve里面，就可以输出结果啦！！！ #include <bits/stdc++.h> using namespace std; typedef long long ll; const int maxn = 5e5+7, mm[3]={7*(1<<26)+1,998244353,479...
任意模数NTT
weixin_30883777的博客
07-12 91
任意模数\(NTT\) 众所周知，为了满足单位根的性质，\(NTT\)需要质数模数，而且需要能写成\(a2^{k} + 1\)且\(2^k \ge n\) 比较常用的有\(998244353,1004535809,469762049\)，这三个原根都是\(3\) 如果要任意模数怎么办？ \(n\)次多项式在模\(m\)下乘积，最终系数一定不会大于\(nm^2\) 所以我们找三个模数分别做\(NTT...
多项式桶1-NTT（快速数论变换以及任意模数形式）以及FFT的一点杂谈（分治FFT）
蒟蒻QMQ
02-24 440
文章目录FFT参考资料 FFT 因为之前的我已经不想去动他了。QAQ 参考资料 http://blog.miskcoo.com/2015/04/polynomial-multiplication-and-fast-fourier-transform#IDFT https://blog.csdn.net/a_forever_dream/article/details/106520376
任意模数ntt_再探快速傅里叶变换(FFT)学习笔记(其三)(循环卷积的Bluestein算法+分治FFT+FFT的优化+任意模数NTT)...
weixin_39864261的博客
01-17 889
再探快速傅里叶变换(FFT)学习笔记(其三)(循环卷积的Bluestein算法+分治FFT+FFT的优化+任意模数NTT)写在前面为了不使篇幅过长，预计将把学习笔记分为四部分:DFT,IDFT,FFT的定义,实现与证明:快速傅里叶变换(FFT)学习笔记(其一)任意模数NTT与FFT的优化技巧多项式相关操作一些约定\([p(x)]=\begin{cases}1,p(x)为真 \\ 0,p(x)为假 ...
任意模数多项式乘法MTT（可拆系数FFT）详解
WerChange的OI博客
01-22 1308
专门用来做毒瘤多项式乘法的算法。三模数NTT估计不会学了……
NTT（快速数论变换）学习
StaroForgin的博客
12-19 1547
NTT（快速数论变换） NTT是一个与FFT一样想看吐的算法，一个模板，调了一天。 关于FFT的部分我就不过多赘述了，可以参考这篇博客：~~~（还未完工）。 FFT虽然跑得快，但是因为是浮点数运算，终究还是有 精度、常数 等问题。 ------Tiw_Air_OAO 如上面那位巨佬所说，FFT的却存在许多问题，而且处理模数还比较麻烦于是就引入了 NTT，在——模的意义下（多项式的系...
NTT模板
weixin_33962621的博客
03-25 104
NTT(快速数论变换)用到的各种素数及原根： https://blog.csdn.net/hnust_xx/article/details/76572828 NTT多项式乘法模板 #include<cstdio> #include<iostream> #include<algorithm> using namespace std;...
任意模数NTT（MTT）
zhouyuheng2003的博客
01-02 7616
前言 众所周知，NTT有几个经典的模数：469762049,998244353,1004535809469762049,998244353,1004535809469762049,998244353,1004535809 为什么这些模数被称为NTT模数呢？因为他们都是这样一个形式： P=2a∗X+1P=2^a*X+1P=2a∗X+1 为什么要有这样一个条件呢，因为只有这样，才能找到所需的原根 所以...
任意模数NTT（三模数NTT）
tanjunming2020的博客
07-04 930
### 介绍 一般的NTT的模数$P$都要满足$P=r\times 2^k+1$。但如果不满足这个条件，那就不能直接用NTT了，需要用到任意模数NTT。 下面就来介绍一种任意模数NTT——三模数NTT。
[模板]任意模数NTT
C202044zxy的博客
12-19 248
一、题目 点此看题 二、解法 所谓任意模数NTT\text{NTT}NTT其实就是跑三遍普通NTT\text{NTT}NTT，用大质数来还原结果。 我们选的质数是：469762049,998244353,1004535809469762049,998244353,1004535809469762049,998244353,1004535809，它们的原根都是333。 设我们跑出来的三个答案分别是a...
任意模数NTT（学习笔记）
继续学吧
11-29 1973
FFTFFTFFT有时候会被卡精度？所以可能会有模数，有了模数以后就需要模数的原根。 原根是什么？（留坑待填） NTTNTTNTT有很多种解决方法 1.1.1.特殊模数 (2k+1)∣(p−1)，(p−1)&amp;amp;amp;gt;DFT的长度(2k+1)|(p−1)，(p−1)&amp;amp;amp;gt;DFT的长度(2k+1)∣(p−1)，(p−1)&amp;amp;gt;DFT的长度，可以直接暴力求原根ggg，用ggg代替单位复...
数学板块学习之任意模数NTT
Tan_JX
06-03 363
任意模数NTT 对于模数不是NTT用的模数，可以用多个NTT模数做NTT然后用CRT(中国剩余定理合并) 一般我们用的三个NTT模数，998244353=223∗119+1,1004535809=221∗479+1,469762049=226∗7+1998244353=2^{23}*119+1,1004535809=2^{21}*479+1,469762049=2^{26}*7+199824435...
ntt模板
slow_yangyang的博客
09-29 532
用法很像fft模板，对照着看，虽然我不是很懂他的意思，不过好像是处理fft的精度问题 hdu1402 大致题意：求a*b 测试案例： input： 1 2 1000 2 output： 2 2000 解题思路：用ntt解 代码： #include #include #include using namespace std; #define MAXN
1728项NTT模数3365569 C语言
最新发布
03-29
<think>嗯，用户的问题是关于在C语言中实现NTT算法，模数是3365569，处理1728项的数论变换。首先，我需要确认NTT的基本原理以及如何适应这个特定的模数和项数。 首先，数论变换（NTT）是快速傅里叶变换（FFT）在有限域上的类比，用于多项式乘法的高效计算。实现NTT需要满足模数存在足够的本原根，并且项数是2的幂次或者能被分解为适合的因子。用户提到的模数3365569，我需要验证它是否满足NTT的条件。 接下来，检查模数3365569是否为素数。假设3365569是一个素数，那么需要找到它的本原根。同时，模数减1后的值是否能被1728整除，因为NTT的长度需要是2的幂次或者满足某种分解。例如，如果模数p=3365569，那么p-1应该包含足够多的因子来支持NTT的长度。例如，1728=12^3=2^6*3^3，所以需要确认p-1是否包含这些因子。 假设p=3365569，计算p-1=3365568。分解3365568的因数：我需要先进行因数分解。3365568 ÷ 1728=1944，所以可能3365568=1728*1944，但需要更详细的分解。可能分解为2^6 *3^3 *其他因子，如果这样的话，可能支持1728点的NTT。 然后，需要找到适当的本原根和旋转因子。例如，选择一个本原根g，使得g^( (p-1)/n )是n次单位根，其中n=1728。这里可能需要计算g的值，并预处理旋转因子数组。 接下来，考虑C语言实现。需要处理大整数的模运算，模数3365569可能较大，需要确保使用适当的数据类型，如uint32_t或uint64_t，并优化模乘操作，可能使用Barrett约减或Montgomery乘法来提高效率。 另外，用户提到参考了FFT实现多项式乘法的例子，所以可能需要类似的结构，包括预处理数组、迭代或递归的NTT实现、以及最终的逆变换。逆变换需要使用模逆元，即模数下的倒数，因此需要计算n的逆元和旋转因子的逆。 还需要注意内存管理，特别是处理1728项数组时，可能需要动态分配内存或使用静态数组，但要确保栈空间足够。 可能的问题点包括：模数的选择是否适合NTT，本原根是否存在，旋转因子的计算是否正确，以及模运算的效率是否足够。需要验证这些步骤的正确性，可能参考已有的NTT实现或数学工具来确认参数。 最后，用户可能需要具体的代码示例，因此需要提供一个基本的框架，包括预计算旋转因子、NTT函数、逆NTT函数，以及模运算的辅助函数。同时，需要提醒用户进行测试和优化，特别是在大模数下的性能问题。</think>### C语言实现NTT算法（模数3365569，1728项） #### 1. 验证模数适用性 数论变换要求模数$p$满足$p = k \times 2^n + 1$（通常为素数），且$p-1$需包含足够因子支持变换长度。此处： - $p = 3365569$ - $p-1 = 3365568 = 1728 \times 1944 = 2^6 \times 3^3 \times 7 \times 13$ 该模数支持最大变换长度1728，满足题目需求[^1]。 #### 2. 寻找本原根和旋转因子 1. **本原根选择**： 通过暴力搜索找到最小本原根$g=5$，验证$g^{(p-1)/d} \not\equiv 1 \ (\text{mod} \ p)$对所有$d|(p-1)$成立。 2. **旋转因子计算**： 生成旋转因子$W_n = g^{(p-1)/n} \ \text{mod} \ p$，其中$n=1728$： $$W_{1728} = 5^{3365568/1728} \ \text{mod} \ 3365569 = 1908612$$ #### 3. 核心算法实现 ```c #include <stdint.h> #define MOD 3365569 #define N 1728 #define W 1908612 // W_N = g^((p-1)/N) mod p // 快速幂取模 uint32_t pow_mod(uint32_t a, uint32_t b) { uint32_t res = 1; while (b) { if (b & 1) res = (uint64_t)res * a % MOD; a = (uint64_t)a * a % MOD; b >>= 1; } return res; } // 预处理旋转因子 void precompute_twiddles(uint32_t *twiddles, int n, int w) { twiddles[0] = 1; for (int i = 1; i < n; ++i) { twiddles[i] = (uint64_t)twiddles[i-1] * w % MOD; } } // 蝶形运算优化 void ntt(uint32_t *a, int logn, const uint32_t *twiddles) { int n = 1 << logn; for (int i = 0; i < n; ++i) { int rev = 0; for (int j = 0; j < logn; ++j) rev |= ((i >> j) & 1) << (logn - j - 1); if (i < rev) { uint32_t tmp = a[i]; a[i] = a[rev]; a[rev] = tmp; } } for (int s = 2; s <= n; s <<= 1) { int m = s >> 1; for (int j = 0; j < n; j += s) { for (int k = 0; k < m; ++k) { uint32_t t = (uint64_t)twiddles[k * (n/s)] * a[j + k + m] % MOD; a[j + k + m] = (a[j + k] + MOD - t) % MOD; a[j + k] = (a[j + k] + t) % MOD; } } } } // 逆NTT需使用W^{-1} mod p uint32_t invW = pow_mod(W, MOD-2); // 费马小定理求逆 ``` #### 4. 关键优化技术 1. **Montgomery约减**：针对模运算优化 ```c #define MONTGOMERY_R 0x9F0B3240 // R=2^32 mod 3365569 uint32_t mont_reduce(uint64_t x) { uint32_t q = x * 3365569; uint64_t t = (x - (uint64_t)q * MOD) >> 32; return t >= MOD ? t - MOD : t; } ``` 2. **AVX2指令集**：使用SIMD并行化蝶形运算（参考CHES 2022优化方法[^2]） #### 5. 验证与测试 ```c int main() { uint32_t a[N] = {/* 初始化数据 */}; uint32_t twiddles[N]; precompute_twiddles(twiddles, N, W); ntt(a, log2(N), twiddles); // 逆变换实现类似，需使用invW return 0; } ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值