python 实现使用 radix-2 快速傅里叶变换的快速多项式乘法算法

使用 radix-2 快速傅里叶变换的快速多项式乘法算法介绍

使用 radix-2 快速傅里叶变换（FFT）来实现快速多项式乘法是一种高效的算法，尤其在处理大规模数据时。其基本思想是利用 FFT 将两个多项式转换到点值表示，然后在点值表示下进行乘法操作，最后再通过逆 FFT（IFFT）转换回系数表示。

步骤分解

1. 多项式转点值表示
   假设有两个多项式 $A(x)=a_0+a_{1}x+a_2{x}^2+\cdots +a_{n-1}{x}^{n-1}$和
   $B(x)=b_0+b_{1}x+b_2{x}^2+\cdots +b_{n-1}{x}^{n-1}$。
   选择n 个不同的 x 值（通常是 n 次单位根或其幂），使用 FFT 将 A(x) 和 B(x) 转换到点值表示。
   FFT 的 radix-2 版本通过递归地将多项式分解成更小的部分，并利用单位根的对称性质来减少计算量。
2. 点值乘法
   在点值表示下，两个多项式的乘积非常简单：$C(x_i)=A(x_i)\cdot B(x_i)$，其中 $x_i$是所选的 n 个不同的 x 值之一。
3. 逆 FFT 转换回系数表示
   使用逆 FFT (IFFT) 将 $C(x)$的点值表示转换回系数表示，得到$C(x)=C_0+C_{1}x+C_2{x}^2+\cdots +C_{2n-2}{x}^{2n-2}$
   注意：由于我们是从n 次多项式开始，结果 C(x) 的最高次项是 2n−2，但实际上我们只关心前 n 个系数（即 $c_0$到 $c_{n-1}$ ），因为它们是 $A(x)\cdot B(x)$ 的系数。
   伪代码如下

function FastPolynomialMultiply(A, B):
    n = length(A)
    if n != length(B):
        throw "Polynomials must have the same degree"

    # 填充 A 和 B 到 2n-1 长度（为 FFT 做准备）
    A_padded = pad_zeros(A, 2*n-1)
    B_padded = pad_zeros(B, 2*n-1)

    # FFT 转换到点值表示
    A_fft = FFT(A_padded)
    B_fft = FFT(B_padded)

    # 点值乘法
    C_fft = [A_fft[i] * B_fft[i] for i in range(2*n-1)]

    # 逆 FFT 转换回系数表示
    C = IFFT(C_fft)

使用 radix-2 快速傅里叶变换的快速多项式乘法算法python实现样例

下面是使用 radix-2 快速傅里叶变换（FFT）的快速多项式乘法算法的 Python 实现：

import numpy as np

def fft(a):
    n = len(a)
    if n <= 1:
        return a
    even = fft(a[0::2])
    odd = fft(a[1::2])
    t = np.exp(-2j * np.pi * np.arange(n) / n)
    return np.concatenate([even + t[:n//2] * odd, even + t[n//2:] * odd])

def ifft(a):
    n = len(a)
    if n <= 1:
        return a
    even = ifft(a[0::2])
    odd = ifft(a[1::2])
    t = np.exp(2j * np.pi * np.arange(n) / n)
    return np.concatenate([even + t[:n//2] * odd, even + t[n//2:] * odd]) / 2

def multiply_polynomials(a, b):
    n = len(a) + len(b) - 1
    size = 1 << (n - 1).bit_length()
    a = np.pad(a, (0, size - len(a)))
    b = np.pad(b, (0, size - len(b)))
    fa = fft(a)
    fb = fft(b)
    result = ifft(fa * fb)
    return np.rint(result).astype(int).tolist()

# 示例用法
a = [3, 2, 5]
b = [1, 4, 6]
result = multiply_polynomials(a, b)
print(result)

在上面的代码中，首先实现了 FFT 和 IFFT 函数，它们分别用于计算傅里叶变换和逆傅里叶变换。然后实现了 multiply_polynomials 函数，该函数用于将两个多项式相乘。具体步骤如下：

1. 获取两个多项式的长度，并计算乘积多项式的长度。
2. 将输入多项式分别补零使其长度为 2 的幂次，并进行傅里叶变换得到频域表示。
3. 将两个多项式在频域中进行点乘。
4. 对点乘结果进行逆傅里叶变换得到乘积多项式的系数。
5. 将乘积多项式的系数四舍五入并转换为整数类型。
6. 返回乘积多项式的系数列表。

上述代码中使用了 numpy 库来进行数组操作和数学计算。如果未安装 numpy，可以使用以下命令进行安装：

pip install numpy

通过运行上述代码，将会输出乘积多项式的系数列表 [3, 14, 34, 44, 30]。