版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/baidu_36797646/article/details/85331001
1、用途
解决一些位运算的卷积,如:
ci=∑j∣k=iaj×bk
ci=∑j&k=iaj×bk
ci=∑j⊕k=iaj×bk
(
⊕是异或)
2、原理
把多项式
A、
B通过某种方式转为
FWT(A)、
FWT(B)(另外一个多项式),然后得到
FWT(C)=FWT(A)×FWT(B)(这里的乘为两个多项式对应位置相乘),再把
FWT(C)逆变换,得到结果
C。
3、例子
or运算卷积
定义
FWT(A)的第
i项为
∑j∣i=iAj,显然通过这样构造是满足
FWT(C)=FWT(A)×FWT(B)的。那么问题就是如何快速求出
FWT(A)。
这个东西其实可以用类似分治的方法求,因为
A是一个恰好有
2n项的多项式,我们记它的前一半(即前面的
2n−1项)组成的多项式为
A0,后一半组成的多项式为
A1,那么可以得到:
{FWT(A)=(FWT(A0),FWT(A0)+FWT(A1)) (n>0)FWT(A)=A (n=0)
(A,B)表示把
A、
B两个多项式拼接到一起。
正确性……我觉得挺显然的,大概是前面一半的最高位没有
1,后一半的最高位是
1,所以后面不会是前面的子集,而而后面的子集分为两个部分,一个是最高位为
1,一个是最高位是
0,大概就是这样理解。
代码实现的时候并不需要递归,像FFT那样就好了。
然后是逆变换,就把它反过来就好了:
{UFWT(A)=(UFWT(A0),UFWT(A1)−UFWT(A0)) (n>0)UFWT(A)=A (n=0)
and运算卷积
这个东西和上面的本质是一样的,所以十分相像。
类似的定义此时
FWT(A)的第
i项为
∑j&i=iAj。
同样的得到
FWT(A)的求法:
{FWT(A)=(FWT(A0)+FWT(A1),FWT(A1)) (n>0)FWT(A)=A (n=0)
以及逆变换:
{UFWT(A)=(UFWT(A0)−UFWT(A1),UFWT(A1)) (n>0)UFWT(A)=A (n=0)
xor运算卷积
这个我觉得是最难的……因为我甚至无法感性理解……
由于作者水平所限,只好贴个公式就跑了……
FWT(A)的求法:
{FWT(A)=(FWT(A0)+FWT(A1),FWT(A0)−FWT(A1)) (n>0)FWT(A)=A (n=0)
以及逆变换:
{UFWT(A)=(2UFWT(A0)+UFWT(A1),2UFWT(A0)−UFWT(A1)) (n>0)UFWT(A)=A (n=0)
4、模板
void fwt(int *a,int op)
{
for(int i=1;i<N;i<<=1)
for(int j=0;j<N;j+=(i<<1))
for(int k=0;k<i;k++)
{
int x=a[j+k],y=a[i+j+k];
a[j+k]=(x+y)%mod,a[i+j+k]=(x-y+mod)%mod;
if(op==-1)a[j+k]=(LL)a[j+k]*inv2%mod,a[i+j+k]=(LL)a[i+j+k]*inv2%mod;
a[i+j+k]=((a[i+j+k]+op*a[j+k])%mod+mod)%mod;
a[j+k]=((a[j+k]+op*a[i+j+k])%mod+mod)%mod;
}
}