FMT/FWT
作者:互联网
用处
处理一些位运算卷积,\(O(n2^n)\)
\[c_i=\sum_{k \oplus j=i} a_k\times b_j \]大体思想
构造某种映射,使得能够 \(O(n\log n)\) 内得到变换,假设原数列为 \({a_n}\),新数列就是 \({fwt[a]_i}\)。
然后知道了 \({fwt[a]_i}\) 和 \({fwt[b]_i}\),能 \(O(n)\) 得到 \({fwt[c]_i}\)
最后还能够 \(O(n\log n)\) 将 \(fwt[c]_i\) 变换为 \(c_i\)
其实和 FFT 很像,就是解析式到点值再到解析式。
构造方法
Or
构造 \(fwt[a]_i=\sum_{j|i=i} a_j\),也就是对 \(i\) 的所有子集求和。
这个构造有性质如下:
\[\begin{align} fwt[a]_i\times fwt[b]_i&=\sum_{j|i=i} \sum_{k|i=i} a_j\times b_k \\ &=\sum_{(j|k)|i=i} a_j\times b_k \\ &=fwt[c]_i \end{align} \]假设现在处理完了前 \(w-1\) 位的 \(fwt[c]_i\),考虑怎么加入第 \(w\) 位的贡献。如果一个数的第 \(w\) 位是 0 ,那么它的或卷积是不会变的,如果是 1,那么答案就要累加上最高位为 1 的卷积。然后逆变换也是类似的,只是符号反过来。
\[fwt[a]_i=merge(fwt[a_0]_i,fwt[a_0]_i+fwt[a_1]_i) \]\(merge\) 表拼接。
void Or(int n,ll *a,bool op){
for(int w=2,l=1;w<=n;w<<=1,l<<=1)
for(int j=0;j<n;j+=w)
for(int k=0;k<l;k++)
a[j|k|l]=(a[j|k|l]+(op? -1:1)*a[j|k]+Mod)%Mod;
}
And
与卷积与或卷积类似,有
\[fwt[a]_i=merge(fwt[a_0]_i+fwt[a_1]_i,fwt[a_0]_i) \]void And(int n,ll *a,bool op){
for(int w=2,l=1;w<=n;w<<=1,l<<=1)
for(int j=0;j<n;j+=w)
for(int k=0;k<l;k++)
a[j|k]=(a[j|k]+(op? -1:1)*a[j|k|l]+Mod)%Mod;
}
Xor
构造运算 \(x\otimes y=count(x\&y) \bmod 2\)
有性质
\[(x\otimes y) \ xor \ (x\otimes z)=x\otimes(y^z) \]可以构造变换 \(fwt[a]_i=\sum_{i\otimes j=0} a_j-\sum_{i\otimes j=1}a_j\)
得到
\[fwt[a]_i=merge(fwt[a_0]_i+fwt[a_1]_i,fwt[a_0]_i-fwt[a_1]_i) \]逆变时要除以 2。
void Xor(int n,ll *a,ll op){
ll x,y;
for(int w=2,l=1;w<=n;w<<=1,l<<=1)
for(int j=0;j<n;j+=w)
for(int k=0;k<l;k++)
x=(a[j|k]+a[j|k|l])%Mod*op%Mod,
y=(a[j|k]-a[j|k|l]+Mod)%Mod*op%Mod,
a[j|k]=x,a[j|k|l]=y;
}
标签:ll,int,FMT,fwt,FWT,otimes,卷积,sum 来源: https://www.cnblogs.com/wwlwQWQ/p/15028599.html