FWT 学习笔记

功能

给定数组 $A,B$，快速求二元卷积

$$C_k=\sum _{i\oplus j}{A}_i{B}_j$$

其中 $\oplus$ 是 or，and，xor

OR

我们考虑类比 fft。具体地说，fft 时我们有一个 $\text{fft}[A]$ 来求所有单位根的点值，然后用一个 $\text{ifft}[A]$ 来将其还原。也就是说

$$\text{fft}[A\times B]=\text{fft}[A]\ast \text{fft}[B]$$

这里 $\ast$ 是按位乘。可以发现还有一些性质，比如

$$\text{fft}[A+B]=\text{fft}[A]+\text{fft}[B]$$

之类的，所以 $\text{fft}[A]$ 被称为一个 线性变换。

现在我们要找到一个 $\text{fwt}[A]$，它也是线性变换，且满足

$$\text{fwt}[A|B]=\text{fwt}[A]\ast \text{fwt}[B]$$

其中 $A|B$ 是或卷积。

我们是怎么造出它的呢？我们注意到了一个性质：

$$i\subseteq k\text{ and }j\subseteq k\iff i\cup j\subseteq k$$

因此我们可以尝试造出来

$$\text{fwt}[A{]}_i=\sum _{j\subseteq i}{A}_j$$

（$j\subseteq i$ 我们在实现时刻画成 $j|i=i$）

这样我们考虑性质

$$(\text{fwt}[A]\ast \text{fwt}[B]{)}_k=\sum _{i\subseteq k}{A}_i\sum _{j\subseteq k}{B}_j=\sum _{i\cup j\subseteq k}{A}_i{B}_j=\text{fwt}[A|B{]}_k$$

并且很容易发现

$$\text{fwt}[A]+\text{fwt}[B]=\text{fwt}[A+B]$$

所以说这是一个线性变换。

现在我们需要求出这个变换，我们考虑进行 dp，考虑最高位 $d$ 是否在 $k$ 中，也就是说我们对 $0\sim 2^{d-1}-1,2^{d-1}\sim 2^d-1$ 分别计算。不妨设这两部分分别是 $A_0,A_1$。

考虑左半部分，可以发现对于 $k\in [0,2^{d-1})$ 满足 $i\subseteq k$ 的 $i$ 也只能在 $[0,2^{d-1})$ 中，所以 $\text{fwt}[A{]}_{0\sim 2^{d-1}-1}=\text{fwt}[A_0]$。

对于右半部分，考虑枚举 $d$ 是否在 $i$ 中，书面语言来写就是

∑ i ⊆ k ∪ { d } a i = ∑ i ⊆ k a i + a i ∪ { d } = fwt [ A 0 ] + fwt [ A 1 ] \sum_{i\subseteq k\cup \{d\}} a_i=\sum_{i\subseteq k} a_i+a_{i\cup \{d\}} = \text{fwt}[A_0]+\text{fwt}[A_1] i⊆k∪{d}∑​ai​=i⊆k∑​ai​+ai∪{d}​=fwt[A0​]+fwt[A1​]

所以说 $\text{fwt}[A{]}_{2^{d-1}\sim 2^d-1}=\text{fwt}[A_0]+\text{fwt}[A_1]$。

最后考虑边界也就是 $n=0$ 的时候显然此时 $\text{fwt}[A]=A$。

所以说我们的递推式是

$$\text{fwt}[A]=\{\begin{array}{rlr}& (\text{fwt}[A_0],\text{fwt}[A_0]+\text{fwt}[A_1])& n>0\\ & A& n=0\end{array}$$

这里 $(A,B)$ 就是直接拼接。

现在我们要考虑如何还原，此时我们是知道了 $A_0^{\prime }=\text{fwt}[A_0]$ 和 $A_1^{\prime }=\text{fwt}[A_0]+\text{fwt}[A_1]$ （两个 ${}^{\prime }$ 不是求导），要求 $A_0,A_1$，很明显

$$A_0=\text{ifwt}[A_0^{\prime }],A_1=\text{ifwt}[A_1^{\prime }-A_0^{\prime }]$$

所以说

$$\text{ifwt}[A]=\{\begin{array}{rlr}& (\text{ifwt}[A_0],\text{ifwt}[A_1]-\text{ifwt}[A_0])& n>0\\ & A& n=0\end{array}$$

实现时可以将两个揉在一起：

void FWT_or(int* f,int x){for(int l=2;l<=N;l<<=1)for(int i=0;i<N;i+=l)for(int j=0;j<(l>>1);++j)ADD(f[i+j+(l>>1)],1ll*x*f[i+j]%MOD);}

Q：压成一行的目的是
A：好看！

AND

差不多，只需要考虑将最重要的式子改为

$$k\subseteq i\text{ and }k\subseteq j\iff k\subseteq i\cap j$$

所以最后是

$$\text{fwt}[A]=\{\begin{array}{rlr}& (\text{fwt}[A_0]+\text{fwt}[A_1],\text{fwt}[A_1])& n>0\\ & A& n=0\end{array}$$

和

$$\text{ifwt}[A]=\{\begin{array}{rlr}& (\text{ifwt}[A_0]-\text{ifwt}[A_1],\text{ifwt}[A_1])& n>0\\ & A& n=0\end{array}$$

实现：

void FWT_and(int* f,int x){for(int l=2;l<=N;l<<=1)for(int i=0;i<N;i+=l)for(int j=0;j<(l>>1);++j)ADD(f[i+j],1ll*x*f[i+j+(l>>1)]);}

XOR

把异或记为 $\oplus$。

这次我们注意到的性质是

$$(i\oplus j)\cap k=(i\cap k)\oplus (j\cap k)$$

然后我们又注意到

$$|i\oplus j|\equiv |i|+|j|(\mathrm{m}\mathrm{o}\mathrm{d}2)$$

所以如果我们设

$$\text{fwt}[A{]}_i=\sum _{|j\cap i|\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}2)}{A}_j-\sum _{|j\cap i|\equiv 1(\mathrm{m}\mathrm{o}\mathrm{d}2)}{A}_j$$

则

$$\begin{array}{rl}& (\text{fwt}[A]\ast \text{fwt}[B]{)}_i\\ & =\left(\sum _{|j\cap i|\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}2)}{A}_j-\sum _{|j\cap i|\equiv 1(\mathrm{m}\mathrm{o}\mathrm{d}2)}{A}_j\right)\left(\sum _{|k\cap i|\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}2)}{B}_j-\sum _{|k\cap i|\equiv 1(\mathrm{m}\mathrm{o}\mathrm{d}2)}{B}_j\right)\\ & =\text{fwt}[A\oplus B]\end{array}$$

接下来我们需要求出 $\text{fwt}[A]$，当 $k<2^{d-1}$，则

$$\begin{array}{rl}& \text{fwt}[A{]}_k\\ & =\sum _{|j\cap k|\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}2)}{A}_j-\sum _{|j\cap k|\equiv 1(\mathrm{m}\mathrm{o}\mathrm{d}2)}{A}_j\\ & =\text{fwt}[A_0{]}_k+\text{fwt}[A_1{]}_k\end{array}$$

当 $k\ge 2^{d-1}$ 时，

fwt [ A ] k = ∑ ∣ j ∩ k ∣ ≡ 0 ( m o d 2 ) A j − ∑ ∣ j ∩ k ∣ ≡ 1 ( m o d 2 ) A j = ∑ j < 2 d − 1 , ∣ j ∩ k ∣ ≡ 0 ( m o d 2 ) A j + ∑ j ≥ 2 d − 1 , ∣ ( j − { d } ) ∩ ( k − { d } ) ∣ ≡ 1 ( m o d 2 ) A j − ∑ j < 2 d − 1 , ∣ j ∩ k ∣ ≡ 1 ( m o d 2 ) A j − ∑ j ≥ 2 d − 1 , ∣ ( j − { d } ) ∩ ( k − { d } ) ∣ ≡ 0 ( m o d 2 ) A j = fwt [ A 0 ] k − fwt [ A 1 ] k \begin{aligned} & \text{fwt}[A]_k \\ & =\sum_{|j\cap k|\equiv 0 \pmod 2} A_j - \sum_{|j\cap k|\equiv 1 \pmod 2} A_j \\ & =\sum_{j<2^{d-1},|j\cap k|\equiv 0 \pmod 2} A_j + \sum_{j\ge 2^{d-1},|(j-\{d\})\cap (k-\{d\})|\equiv 1 \pmod 2} A_j - \sum_{j<2^{d-1},|j\cap k|\equiv 1 \pmod 2} A_j - \sum_{j\ge 2^{d-1},|(j-\{d\})\cap (k-\{d\})|\equiv 0 \pmod 2} A_j \\ & = \text{fwt}[A_0]_k-\text{fwt}[A_1]_k \end{aligned} ​fwt[A]k​=∣j∩k∣≡0(mod2)∑​Aj​−∣j∩k∣≡1(mod2)∑​Aj​=j<2d−1,∣j∩k∣≡0(mod2)∑​Aj​+j≥2d−1,∣(j−{d})∩(k−{d})∣≡1(mod2)∑​Aj​−j<2d−1,∣j∩k∣≡1(mod2)∑​Aj​−j≥2d−1,∣(j−{d})∩(k−{d})∣≡0(mod2)∑​Aj​=fwt[A0​]k​−fwt[A1​]k​​

（这也是为啥 fwt 的式子要写成模 0 和模 1 相减，因为写成别的形式就写不出来）

所以

$$\text{fwt}[A]=\{\begin{array}{rlr}& (\text{fwt}[A_0]+\text{fwt}[A_1],\text{fwt}[A_0]-\text{fwt}[A_1])& n>0\\ & A& n=0\end{array}$$

然后也容易得到

$$\text{ifwt}[A]=\{\begin{array}{rlr}& \frac{1}{2}(\text{ifwt}[A_0]+\text{ifwt}[A_1],\text{ifwt}[A_0]-\text{ifwt}[A_1])& n>0\\ & A& n=0\end{array}$$

实现：

void FWT_xor(int* f,int X) {
	for(int l=2;l<=N;l<<=1)for(int i=0;i<N;i+=l)for(int j=0;j<(l>>1);++j){
		int x=f[i+j],y=f[i+j+(l>>1)];f[i+j]=add(x,y),f[i+j+(l>>1)]=dec(x,y);
		if(X==-1){f[i+j]=1ll*f[i+j]*i2%MOD,f[i+j+(l>>1)]=1ll*f[i+j+(l>>1)]*i2%MOD;}
}

例题

【模板】快速沃尔什变换 (FWT)

实现

#include <bits/stdc++.h>
using namespace std;

typedef long long ll;
const int MAXN = 200005, MOD = 998244353, i2 = (MOD + 1) >> 1;
void ADD(int& x, int y) { x += y; if (x >= MOD) x -= MOD; }
void DEC(int& x, int y) { x -= y; if (x < 0) x += MOD; }
inline int add(int x, int y) { return x + y < MOD ? x + y : x + y - MOD; }
inline int dec(int x, int y) { return x - y < 0 ? x - y + MOD : x - y; }

int D, N, A[MAXN], B[MAXN], a[MAXN], b[MAXN];

void in() { for (int i = 0; i < N; ++i) a[i] = A[i], b[i] = B[i]; }
void out() { for (int i = 0; i < N; ++i) printf("%d ", a[i]); putchar('\n'); }
void mul() { for (int i = 0; i < N; ++i) a[i] = 1ll * a[i] * b[i] % MOD; }
void FWT_or(int* f, int x) {
	for (int l = 2; l <= N; l <<= 1) for (int i = 0; i < N; i += l) for (int j = 0; j < (l >> 1); ++j) ADD(f[i + j + (l >> 1)], 1ll * x * f[i + j] % MOD);
}
void FWT_and(int* f, int x) {
	for (int l = 2; l <= N; l <<= 1) for (int i = 0; i < N; i += l) for (int j = 0; j < (l >> 1); ++j) ADD(f[i + j], 1ll * x * f[i + j + (l >> 1)] % MOD);
}
void FWT_xor(int* f, int X) {
	for (int l = 2; l <= N; l <<= 1) {
		for (int i = 0; i < N; i += l) for (int j = 0; j < (l >> 1); ++j) {
			int x = f[i + j], y = f[i + j + (l >> 1)];
			f[i + j] = add(x, y), f[i + j + (l >> 1)] = dec(x, y);
			if (X == -1) {
				f[i + j] = 1ll * f[i + j] * i2 % MOD;
				f[i + j + (l >> 1)] = 1ll * f[i + j + (l >> 1)] * i2 % MOD;
			}
		}
	}
}

int main() {
	scanf("%d", &D), N = 1 << D;
	for (int i = 0; i < N; ++i) scanf("%d", &A[i]);
	for (int i = 0; i < N; ++i) scanf("%d", &B[i]);
	in(), FWT_or(a, 1), FWT_or(b, 1), mul(), FWT_or(a, MOD - 1), out();
	in(), FWT_and(a, 1), FWT_and(b, 1), mul(), FWT_and(a, MOD - 1), out();
	in(), FWT_xor(a, 1), FWT_xor(b, 1), mul(), FWT_xor(a, -1), out();
	return 0;
}

【模板】子集卷积

题意

给定数组 $a,b$，求数组 $c$ 满足

$$c_k=\sum _{i\&j=0\text{ and }i|j=k}{a}_i{b}_j$$

对 $10^9+7$ 取模。

数据范围：两个数组长度为 $2^n$，$1\le n\le 20,0\le a_i,b_i<10^9+9$。

题解

注意到重要性质

$$i\&j=0\text{ and }i|j=k\iff |i|+|j|=|k|\text{ and }i|j=k$$

所以我们对数组 $a$ 做出 $A_{|i|,i}=a_i$ 的映射，$b$ 也同样，接下来我们对这 $n+1$ 个数组分别 fwt，然后枚举 $|i|,|j|$，将 $A_{|i|}$ 和 $B_{|j|}$ 按位乘加到 ${\text{ans}}_{|i|+|j|}$ 中，最后对答案的 $n+1$ 个数组分别 ifwt，得到答案。复杂度 $O(2^n\times n)$。

实现

#include <bits/stdc++.h>
using namespace std;

typedef long long ll;
const int MAXN = 2000005, MOD = 1e9 + 9;
void ADD(int& x, int y) { x += y; if (x >= MOD) x -= MOD; }
int D, N, A[21][MAXN], B[21][MAXN], C[21][MAXN];
void FWT(int* f, int x) {
	for (int l = 2; l <= N; l <<= 1)
		for (int i = 0; i < N; i += l)
			for (int j = 0; j < (l >> 1); ++j)
				ADD(f[i + j + (l >> 1)], 1ll * f[i + j] * x % MOD);
}
int main() {
	scanf("%d", &D), N = 1 << D;
	for (int i = 0; i < N; ++i) scanf("%d", &A[__builtin_popcount(i)][i]);
	for (int i = 0; i < N; ++i) scanf("%d", &B[__builtin_popcount(i)][i]);
	for (int i = 0; i <= D; ++i) FWT(A[i], 1), FWT(B[i], 1);
	for (int i = 0; i <= D; ++i) for (int j = 0; j <= D - i; ++j)
		for (int k = 0; k < N; ++k) ADD(C[i + j][k], 1ll * A[i][k] * B[j][k] % MOD);
	for (int i = 0; i <= D; ++i) FWT(C[i], MOD - 1);
	for (int i = 0; i < N; ++i) printf("%d ", C[__builtin_popcount(i)][i]); putchar('\n');
	return 0;
}

CF662C Binary Table

题意

有一个 $n$ 行 $m$ 列的表格，每个元素都是 $0/1$ ，每次操作可以选择一行或一列，把 $0/1$ 翻转，即把 $0$ 换为 $1$ ，把 $1$ 换为 $0$ 。请问经过若干次操作后，表格中最少有多少个 $1$ 。

数据范围：$1\le n\le 20,1\le m\le 10^5$。

题解

设每列的数是 $a_i$，对于行状态 $S$，这次的答案是

f S = ∑ i = 1 m min ⁡ { ∣ a i ⊕ S ∣ , n − ∣ a i ⊕ S ∣ } f_S=\sum_{i=1}^m \min\{|a_i\oplus S|, n-|a_i\oplus S|\} fS​=i=1∑m​min{∣ai​⊕S∣,n−∣ai​⊕S∣}

令 $g_i={\sum }_{j=1}^m[a_j=i]$ 也即 $a_i$ 的桶， h i = min ⁡ { ∣ i ∣ , n − ∣ i ∣ } h_i=\min\{|i|,n-|i|\} hi​=min{∣i∣,n−∣i∣}，则

$$f_S=\sum _{i=1}^m{g}_i{h}_{i\oplus S}$$

也即

$$f_S=\sum _{i\oplus j=S}{g}_i{h}_j$$

使用 FWT 加速计算，最后取 $f$ 数组的全局 min，复杂度 $O(m+2^n\times n)$。

代码

#include <bits/stdc++.h>
using namespace std;

typedef long long ll;
const int MAXN = 2000005;

int D, N, M, a[MAXN]; char S[MAXN];
ll f[MAXN], g[MAXN], ans = 2147483647;
void FWT(ll* f, int X) {
	for (int l = 2; l <= N; l <<= 1) for (int i = 0; i < N; i += l) for (int j = 0; j < (l >> 1); ++j) {
		ll x = f[i + j], y = f[i + j + (l >> 1)];
		f[i + j] = x + y, f[i + j + (l >> 1)] = x - y;
		if (X == -1) f[i + j] /= 2, f[i + j + (l >> 1)] /= 2;
	}
}
int main() {
	scanf("%d%d", &D, &M), N = 1 << D; int cnt;
	for (int i = 0; i < D; ++i) {
		scanf("%s", S);
		for (int j = 0; j < M; ++j) if (S[j] == '1') a[j] |= 1 << i;
	}
	for (int i = 0; i < M; ++i) ++f[a[i]];
	for (int i = 0; i < N; ++i) cnt = __builtin_popcount(i), g[i] = min(cnt, D - cnt);
	FWT(f, 1), FWT(g, 1); for (int i = 0; i < N; ++i) f[i] = f[i] * g[i]; FWT(f, -1);
	for (int i = 0; i < N; ++i) ans = min(ans, f[i]);
	printf("%lld\n", ans);
	return 0;
}