NTT算法小结

本文介绍了快速数论变换(NTT)的背景,当快速傅里叶变换(FFT)无法满足需求时,NTT作为替代方案的重要性。文章详细讲解了阶与原根的概念,原根的性质,并探讨了NTT在实际运用中的一点注意事项,如模数的选择和逆元的计算。最后提到了代码实现的相关内容。

从理论上说,经过人们优化的FFT已经十分优秀,能够处理大部分的多项式乘法,但是有的时候仍然会出现下面的情况:

1)常数仍然比较大

2)在进行与整数有关的FFT时,发现得到的结果是一堆诡异的数,你需要不停的和精度搏斗

那么在这时,你就需要学会快速数论变换(NTT)

前置芝士

快速傅里叶变换

你可以上网百度,或者看我的博客

阶与原根

我们由欧拉定理可以知道,对于任意的正整数\(a、m\),如果满足\(gcd(a,m)=1\),就有\(a^{\varphi(m)}\equiv 1(mod\ m)\)

但我们发现,还有一些数满足\(a^p\equiv 1(mod\ m)\)\(p< \varphi(m)\),因此人们定义了阶

\(m>1\),且\(gcd(a,m)=1\),则满足\(a^p\equiv 1(mod\ m)\)的最小正整数\(p\)成为\(a\)

### Python NTT 数论变换算法实现 #### 蝶形运算简介 蝶形运算是快速傅里叶变换(FFT)及其变体——数论变换(NTT)中的核心部分。不同于递归方法,迭代版本通过特定顺序处理数据来模拟递归过程的效果[^1]。 #### 基本原理说明 对于长度为 \(n\) 的序列,在执行 NTT 过程中会涉及到模意义下的单位根以及相应的逆元计算。为了提高效率并减少浮点误差的影响,通常采用整数取模的方式来进行数值计算。这里选取一个合适的质数作为模数是非常重要的,它决定了可表示的最大频率范围和精度[^2]。 #### Python代码示例 下面给出一段基于上述理论框架编写的Python版NTT函数: ```python def ntt(a, inv=False): mod = 998244353 # A common choice of prime modulus for NTT root_of_unity = pow(3, (mod - 1) // len(a), mod) if inv: root_of_unity = pow(root_of_unity, mod - 2, mod) h = 0 while 1 << h < len(a): h += 1 bit_reversed_ordering = [int(bin(i)[2:].zfill(h)[::-1], 2) for i in range(len(a))] for idx in range(len(a)): if idx < bit_reversed_ordering[idx]: a[idx], a[bit_reversed_ordering[idx]] = a[bit_reversed_ordering[idx]], a[idx] step = 2 while step <= len(a): half_step = step // 2 w = pow(root_of_unity, len(a) // step, mod) wp = 1 for start_pos in range(0, len(a), step): twiddle_factor = 1 for j in range(start_pos, start_pos + half_step): u = (a[j] + a[j + half_step]) % mod v = (twiddle_factor * (a[j] - a[j + half_step])) % mod a[j] = u a[j + half_step] = (-v + mod) % mod twiddle_factor *= wp twiddle_factor %= mod wp *= w wp %= mod step <<= 1 if inv: rev_mod = pow(len(a), mod - 2, mod) for i in range(len(a)): a[i] = (a[i] * rev_mod) % mod return a ``` 这段程序实现了标准的NTT流程,包括输入数组按位反转重排、分治阶段应用蝴蝶操作更新元素值等主要环节。特别注意到了当`inv=True`时代表这是反向转换(INV-NTT),此时需要调整初始参数设置以确保最终结果正确无误[^3]。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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