【luogu P3803】【模板】多项式乘法（NTT）

最新推荐文章于 2024-08-14 10:45:00 发布
原创 最新推荐文章于 2024-08-14 10:45:00 发布 · 363 阅读 · 1 ·
CC 4.0 BY-SA版权
要转发的话记得附上链接哦~（不过也不会有人转发的啦）
文章标签：

#数学 #NTT

这篇博客介绍了如何运用非交换快速傅里叶变换（NTT）来求解两个多项式的卷积。NTT的优势在于可以取模且避免精度问题，适合于特定模数如998244353。文章详细阐述了NTT的原理，包括原根的概念，以及如何通过单位根的性质进行转换。代码示例中展示了NTT的实现过程，包括原根的计算、NTT的正向和反向变换，最后给出了求解多项式卷积的完整C++代码。

【模板】多项式乘法（NTT）

题目链接：luogu P3803

题目大意

给你两个多项式，要你求它们的卷积。

思路

这次我们写 NTT 的做法。
它的优点就是它可以取模，而且不会有精度问题，而且会比 FFT 稍微快一点？

然而它的确定就是它的模数比较死板，一般就 998244353 , 1004535809 , 469762049 998244353,1004535809,469762049 998244353,1004535809,469762049 这些。（它们的原根都是 3 3 3）

其实就是考虑用原根代替复数。
因为它是跟单位根有着相同的性质。

然后通过证明，我们可以得到 ω n ≡ g p − 1 n m o d    p \omega_n\equiv g^{\frac{p-1}{n}}\mod p ωn​≡gnp−1​mod

最低0.47元/天 解锁文章
【FFT&NTT入门】大整数乘法
solego’s blog
04-02 1033
【FFT&NTT入门】大整数乘法
Luogu P3803 多项式乘法(ntt版)
Exploration
12-18 1514
题目链接 思路 相信大家都已经学会了FFTFFTFFT，若不会，请看这篇博客 一个同学写的，自认为不错 在我们的FFTFFTFFT中，我们使用了复数来进行计算 但是我们可以发现复数的乘法时间复杂度是O(4)O(4)O(4) 而doubledoubledouble的计算则更加增添了时间复杂度 同时因为浮点数计算   \sqrt{\ \ \ }  &n...
【LuoguP3803】多项式乘法-FFT/NTT模板题（附带FFT/NTT简单介绍）
Maxwei_wzj的OI世界
02-14 684
测试地址：多项式乘法 做法1：本题需要用到大名鼎鼎的FFT——快速傅里叶变换（Fast Fourier Transform）。 FFT是一个……计算向量卷积的东西（大概吧，才疏学浅，还请各位大佬见谅），而向量卷积，说白了就是多项式乘法。在学习FFT之前，先简单介绍DFT（离散傅里叶变换）和IDFT（逆离散傅里叶变换）的概念，简单来说，DFT是将多项式由系数表示法变为点值表示法的过程，而IDFT...
使用数字理论变换将数字相乘：使用数字理论变换（NTT）将非常大的数字（十六进制或十进制）有效地相乘-matlab开发
05-28
使用数论变换（NTT）的大数乘法器。 快速将两个大数字（十六进制数或十进制数）一起相乘（小于约500,000（32位段）。multiple（）函数的输入必须是长度至少为6个字符的十六进制或十进制字符数组。每个字符最多为400万个字符NTT应该提供准确的结果（在几个大的输入上进行测试），我通过本练习学习了NTT的过程及其工作原理，输出的形式与输入的形式相同，可以是十六进制或十进制。 例如（输入可能会更大）： a ='1a2b3c4e5678987691827364abcdef1234567821123aabbcceeddff463723892736452'; b ='9a8b7c6d5e4f123456473829ffddee1ffeeddaaccbb238edf1823938473627837463562aabbccddeeff2345678'; c =乘（a，b）; 输出： c
洛谷 P3803 【模板】多项式乘法（FFT）
hhz6830975的博客
03-24 298
算法导论上讲得很好，暂时先不写了。补充一点书上没有的：项数不是2的整数幂时，要在前面添若干项补成2的整数幂，补的各项系数为0。 注意细节：数组不能只开到n+m (2×106)n+m (2×106)n+m\ (2 \times 10^6)，因为FFT要求项数必须补到2的整数幂，而大于等于n+mn+mn+m的最小2的整数幂约为26万，所以数组大小要开到这个以上。另外，输出的时候注...
P1919 【模板】高精度乘法 | A*B Problem 升级版、P3803 【模板】多项式乘法（FFT）、P1595 信封问题（圆排列、错位排列）
u014114223的博客
08-14 1077
它利用了模运算和特定的原根来实现类似于 FFT 的分治和合并计算，以高效地计算多项式乘法。数组来确定交换元素的位置，并进行位逆序交换。然后通过循环，对于不同长度的区间，利用原根计算出相应的系数，并进行合并计算。进行正变换、相乘，再进行逆变换。计算最终结果的进位和存储。从变换后的结果中逐步累加，并处理进位，将结果存储在。数组确定交换元素的位置，并进行位逆序交换。利用分治思想，对于不同长度的区间，通过旋转因子进行合并计算。结构体来表示复数，并定义了复数的加法、减法和乘法运算。函数中：读取两个多项式的系数。
模板：基于NTT的多项式操作
maxtir的博客
06-17 677
模板：基于NTT的多项式操作 因为实在是太多东西啦，所以就全部整理了以下，持续更新ing~ 前置知识：NTT 顺便说一句，代码采用重载vector封装的形式（因为懒得自己开结构体） 下面是几个已经封装的基础代码，为了方便浏览，先贴出来： typedef std::vector<int> VI; int fix(int x) {return (x >> 31 & P)...
解题报告（二）多项式问题（多项式乘法及其各种运算）（ACM/ OI）超高质量题解
繁凡さん的博客
02-28 2092
整理的算法模板合集： ACM模板 点我看算法全家桶系列！！！ 实际上是一个全新的精炼模板整合计划 目录A、P3338 [ZJOI2014]力（多项式乘法FFT）B、CF438E The Child and Binary Tree（生成函数、多项式求逆、开方） 简单记录一下这段时间我写的简单多项式问题 A、P3338 [ZJOI2014]力（多项式乘法FFT） 给出 nnn 个数 q1,q2,…qnq_1,q_2, \dots q_nq1​,q2​,…qn​ ，定义 Fj=∑i=1j−1qi×qj(i−
luogu P3803 【模板】多项式乘法（FFT）
birdmanqin的博客
12-08 316
题链：https://www.luogu.com.cn/problem/P3803 代码： #include <bits/stdc++.h> #define ll long long using namespace std; const int N = 1e6+10; const double PI = acos(-1.0); struct Complex { double r,i; Complex(double _r = 0,double _i = 0) {
大整数乘法器的FPGA设计与实现
03-15
大整数乘法是公钥加密中最为核心的计算环节，实现运算快速的大数乘法单元是RSA, ElGamal，全同态等密码体制中急需解决的问题之一。针对全同态加密(FHE)应用需求，该文提出一种基于Schönhage-Strassen算法(SSA)的768 kbit大整数乘法器硬件架构。采用并行架构实现了其关键模块64K点有限域快速数论变换(NTT)的运算，并主要采用加法和移位操作以保证并行处理的最大化，有效提高了处理速度。该大整数乘法器在.Stratix-V FPGA上进行了硬件验证，通过与CPU上使用数论库(NTL)和GMP库实现的大整数乘法运算结果对比，验证了该文设计方法的正确性和有效性。实验结果表明，该方法实现的大整数乘法器运算时间比CPU平台上的运算大约有8倍的加速。
【模板】多项式乘法 NTT
weixin_30718391的博客
01-30 219
Code: #include<bits/stdc++.h> #define maxn 4000002 #define mod 998244353 #define ll long long #define setIO(s) freopen(s".in","r",stdin) using namespace std; ll qpow(ll base,ll ...
洛谷p3803 FFT入门
kxy的博客
08-18 474
洛谷p3803 FFT入门ps：花了我一天的时间弄懂fft的原理，感觉fft的折半很神奇！ 大致谈一谈FFT的基本原理： 　对于两个多项式的卷积，可以O(n^2)求出来（妥妥的暴力） 　显然一个多项式可以用a0+a1X+a2X^2+a3X^3+a4X^4……表示。 　也可以用(x1,y1),(x2,y2),(x3,y3),(x4,y4)的点集来表示。 　用点值表示有一个好处：两个多项式的卷
NTT多项式乘法
qq_73631501的博客
05-15 436
注意点：求高精度乘法取余进位的步骤需要在a数组全都除以n（乘完逆元）之后再进行。对于点值转系数表达式的时候，的倍数），由于是取模操作，所以除以。是最小的比两个多项式幂和的。
大数乘法
aiyi9685的博客
07-30 155
1 /* 2 题意：大数乘法NTT 3 题解：FNT 4 时间：2018.07.30 5 */ 6 7 #include <bits/stdc++.h> 8 using namespace std; 9 10 typedef long long LL; 11 const int MAXN = 10...
P3803 【模板】多项式乘法（NTT）
静谧幽蓝の神奇小屋
03-06 751
P3803 【模板】多项式乘法（NTT）
UOJ#34. 多项式乘法(NTT)
weixin_33769125的博客
05-02 209
这是一道模板题。 给你两个多项式，请输出乘起来后的多项式。 输入格式 第一行两个整数 nn 和 mm，分别表示两个多项式的次数。 第二行 n+1n+1 个整数，表示第一个多项式的 00 到 nn 次项系数。 第三行 m+1m+1 个整数，表示第二个多项式的 00 到 mm 次项系数。 输出格式 一行 n+m+1n+m+1 个整数，表示乘起来后的多项式的 00 到 n+mn+m 次项系...
FFT/NTT模板 51nod1028 大数乘法 V2
Master.Yi的博客
12-21 282
题目链接 FFT： #include&lt;cstdio&gt; #include&lt;cmath&gt; #include&lt;cstring&gt; #include&lt;algorithm&gt; #define maxn 400005 using namespace std; const int wei = 3, bit = 1e3;//压三位 const double Pi = a...
FFT+NTT自学笔记（大数乘积模板）
qq_35160381的博客
05-10 1625
学习步骤 1.回顾一下复数的指数表示形式： 常规表示： z=a+ib；z=a+ib；z=a+ib； 指数表示： z=reiθ；z=reiθ；z=re^{iθ}； 其中，r为z的模，θ为辐角主值。 z=r(cosθ+isinθ)=reiθz=r(cosθ+isinθ)=reiθz=r(cosθ+isinθ)=re^{iθ} ，欧拉公式 2.快速傅里叶变换要解决的问题： 计算多项式乘...
luogu P1516 青蛙的约会
最新发布
11-10
### 解题思路 假设要跳 $k$ 次，根据青蛙 A 和青蛙 B 的初始位置以及每次跳跃的距离，可以推出公式 $x + nk \equiv y + mk \pmod{l}$，进一步变形为 $(x - y) + k(n - m) \equiv 0 \pmod{l}$。定义 $A = (x - y)$，$B = (n - m)$，解除同余后得到 $xB - kl = A$，令 $y = -k$，则有 $xB + yl = A$，这是一个扩展欧几里得算法可以解决的线性不定方程问题。如果 $A$ 不能被 $\gcd(B, l)$ 整除，则方程无解；否则，先求出 $xB + yl = \gcd(B, l)$ 的一组解，再通过倍数关系得到 $xB + yl = A$ 的解，最后求出最小正整数解 [^3]。 ### 代码实现 ```cpp #include<iostream> #include<cstdio> #include<algorithm> #include<string> #include<cstring> #include<cmath> using namespace std; long long n, m, x, y, k, num, xt, yt; long long gcd(long long x, long long y) { int k1; while (y != 0) { k1 = x % y; x = y; y = k1; } return x; } long long gcd2(long long x, long long y, long long &xt, long long &yt) { long long k2; if (!y) { xt = 1; yt = 0; return x; } num = gcd2(y, x % y, xt, yt); k2 = xt; xt = yt; yt = k2 - x / y * yt; return num; } int main() { cin >> x >> y >> n >> m >> k; m = m - n; x = x - y; if (m < 0) { m = -m; x = -x; } gcd2(m, k, xt, yt); if (x % num != 0) cout << "Impossible"; else cout << ((xt * (x / num)) % (k / num) + (k / num)) % (k / num); return 0; } ``` ### 代码解释 - `gcd` 函数：用于计算两个数的最大公约数，使用辗转相除法实现。 - `gcd2` 函数：扩展欧几里得算法，用于求解 $xB + yl = \gcd(B, l)$ 的一组解。 - `main` 函数：读取输入数据，将方程变形，调用 `gcd2` 函数求解，根据结果输出最小正整数解或 "Impossible"。
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