Lecture 9

酉鬼2333

已于 2022-02-13 23:08:04 修改

阅读量361

点赞数

分类专栏：算法与数据结构文章标签：数据结构算法散列表 FFT

于 2022-02-13 22:50:10 首次发布

本文链接：https://blog.csdn.net/weixin_55835175/article/details/122890130

版权

这篇博客介绍了分治策略在乘法运算中的应用，包括Integer Multiplication和Matrix Multiplication，强调了斯特拉森矩阵乘法在优化矩阵乘法中的作用。此外，还详细探讨了快速傅里叶变换(FFT)在多项式乘法和卷积中的应用，指出FFT算法如何利用分治思想和欧拉恒等式来提高计算效率。

摘要由CSDN通过智能技术生成

绪论

这一章节介绍的是divide-and-conquer multiplication，divide的意思是分开，conquer的意思是占据，控制，divide-and-conquer直译下来就是分开后控制，其实就是分而治之的意思，multiplication的意思是乘法。divide-and-conquer multiplication算法的主要核心思想就是分治，通过分治来简化各种较为复杂的乘法运算。

后面还介绍了有关FFT的知识点，因为我也是问了别人才弄懂的，不做过多赘述。

Integer Multiplication

首先讨论实数与实数(整型与整型，浮点型与浮点型)之间的运算：

之前提到过基础的运算加减乘除，左移右移等的复杂度都视作O(1)，这个O(1)不是说只做一次操作，而是相对于字节长度固定的整型(浮点型)而言，因为字节长度也就是位数固定，和位数相关的运算的复杂度也看做常数级。

例如加减运算和左移右移运算，如果限定的位数为n，需要依次对每一位进行运算和记录进位，所以复杂度为O(n)

int整型的位数为32，也就是说一次加法运算做的操作次数约为32个常数单位。

在这里插入图片描述
如果是两个二进制数的乘法，需要其中的一个二进制数对另一个二进制数的每一位逐步进行运算，然后将运算的结果进行错位的相加。每一位(乘法)运算的复杂度为O(n)，n位的运算的复杂度就为O(n²)，错位相加总共需要相加的位数为n*n=n²，根据前面的结论也可以得到复杂度为O(n²)，总结n位二进制数相乘的复杂度为O(n²)。