UOJ#310 【UNR #2】黎明前的巧克力:FWT

题意:

给出一个数组a,要求把a数组选出两个不相交且不同时为空的子集,满足两个集合中数字的异或和相等。

题解:

考虑 dp[i][j] d p [ i ] [ j ] 表示考虑前 i i 个数字,且现在两个集合数字的异或和为j时的方案数。转移方程为:

dp[i][j]=dp[i1][j]+2dp[i1][jxora[i]] d p [ i ] [ j ] = d p [ i − 1 ] [ j ] + 2 ∗ d p [ i − 1 ] [ j x o r a [ i ] ]

然后得到了一个 n217 n ∗ 2 17 的算法。
接下来考虑如何加速这个dp过程。
b[i] b [ i ] 是一个数组, b[i][0]=1 b [ i ] [ 0 ] = 1 , b[i][a[i]]=2 b [ i ] [ a [ i ] ] = 2 ,其他的 b[i][j]=0 b [ i ] [ j ] = 0 ,则
dp[i][j]=1dp[i1][jxor0]+2dp[i1][jxora[i]]=k=0Ndp[i1][jxork]b[i][k](3)(4) (3) d p [ i ] [ j ] = 1 ∗ d p [ i − 1 ] [ j x o r 0 ] + 2 ∗ d p [ i − 1 ] [ j x o r a [ i ] ] (4) = ∑ k = 0 N d p [ i − 1 ] [ j x o r k ] ∗ b [ i ] [ k ]

于是我们把转移方程转化为两个数组作异或卷积。即 dp[i]=dp[i1]b[i] d p [ i ] = d p [ i − 1 ] ∗ b [ i ] 这里的乘法为异或卷积。
目前,我们得到了一个更不优秀的 n21717 n ∗ 2 17 ∗ 17 复杂度的算法。
但是考虑整个算法,我们要求的答案是
dp[n]=dp[0]b[1]b[2]...b[n] d p [ n ] = d p [ 0 ] ∗ b [ 1 ] ∗ b [ 2 ] ∗ . . . ∗ b [ n ]

其中 dp[0] d p [ 0 ] 数组只有 dp[0][0]=1 d p [ 0 ] [ 0 ] = 1 ,其他 dp[0][j]=0 d p [ 0 ] [ j ] = 0
答案就是 dp[n][0]1 d p [ n ] [ 0 ] − 1 ,这个 1 − 1 是因为存在一种两个集合都是空集的方案,要去掉。
问题就变成了我们要求连续n个b数组的异或卷积。而每个b数组都有共同的性质: b[i][0]=1 b [ i ] [ 0 ] = 1 ,且只有一个位置为2,其他位置都是0。
考虑fwt变换,即 FWT(b[i]) F W T ( b [ i ] ) 数组中
FWT(b[i])[j]=kb[i][k](1)[kandj] F W T ( b [ i ] ) [ j ] = ∑ k b [ i ] [ k ] ∗ ( − 1 ) [ k a n d j ]

其中[x] 表示x的二进制表示中1的个数。
因此我们显然的发现 b[i][j]=3orb[i][j]=1 b [ i ] [ j ] = 3 o r b [ i ] [ j ] = − 1 ,因为b[i]中仅有两个非零值: b[i][0]=1,b[i][a[i]]=2 b [ i ] [ 0 ] = 1 , b [ i ] [ a [ i ] ] = 2 带入上面的定义式就可以发现这一点。
那么继续考虑我们做异或卷积的过程是将每个 b[i] b [ i ] 数组变换成 FWT(b[i]) F W T ( b [ i ] ) ,然后对应位置乘起来,再做一次 IFWT I F W T 即可。
于是我们知道在做对应位置相乘的时候,我们实质上是将若干个3和-1乘起来。于是我们就是要计算每个位置的 cnt3 c n t 3 cnt1 c n t 1 。显然
cnt3+cnt1=n c n t 3 + c n t 1 = n

进而我们只需要计算
sum[k]=inFWT(b[i][k]) s u m [ k ] = ∑ i n F W T ( b [ i ] [ k ] )

然后,由方程
3cnt3cnt1=3cnt3(ncnt3)=sum[k] 3 ∗ c n t 3 − c n t 1 = 3 ∗ c n t 3 − ( n − c n t 3 ) = s u m [ k ]

就可以直接解出
cnt3=(sum[k]+n)/4,cnt1=ncnt3 c n t 3 = ( s u m [ k ] + n ) / 4 , c n t 1 = n − c n t 3

然后便得到了整个 FWT(b[1])FWT(b[2])....FWT(b[n]) F W T ( b [ 1 ] ) ∗ F W T ( b [ 2 ] ) ∗ . . . . ∗ F W T ( b [ n ] ) 的每一项。这里的乘法为对应项相乘。
那么我们在来看一下我们要求的这个
sum[k]=inFWT(b[i][k])=n+2j(1)[a[j]andk] s u m [ k ] = ∑ i n F W T ( b [ i ] [ k ] ) = n + 2 ∗ ∑ j ( − 1 ) [ a [ j ] a n d k ]

再仔细的看一下
j(1)[a[j]andk] ∑ j ( − 1 ) [ a [ j ] a n d k ]

没错。。。我们设A数组,A[i] = 数字 i 在a数组中出现的次数
然后有
sum=FWT(A) s u m = F W T ( A )

分析完了之后,感觉整个人都智障了不少。。。我们拿着A做一次FWT,然后对于每个位置算出cnt3,cnt1,直接快速幂算好每个位置的值,然后IFWT回去。。。。
复杂度 21717 2 17 ∗ 17

Code:

#include<bits/stdc++.h>
using namespace std;
typedef long long LL;
const int N = 1048576;;
const int MOD = 998244353;
const int INV2 = (MOD+1)>>1;
const int INV4 = 1LL*INV2*INV2%MOD;
int a[N];
int bas[N+1];
int n;
void FWT(int *a,int n,int r){
    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];
                int y = a[j+k+i];
                if (r){
                    a[j+k] = (x+y)%MOD;
                    a[j+k+i] = (x-y+MOD)%MOD;
                }else{
                    a[j+k] = 1LL*(x+y)*INV2%MOD;
                    a[j+k+i] = 1LL*(x-y+MOD)*INV2%MOD;
                }
            }
        }
    }
}

int main(){
    scanf("%d",&n);
    for (int i=1;i<=n;i++){
        int x;
        scanf("%d",&x);
        a[x]++;
    }
    bas[0] = 1;
    for (int i=1;i<=N;i++){
        bas[i] = 3LL*bas[i-1]%MOD;
    }
    FWT(a,N,1);
    for(int i=0;i<N;i++){
        a[i] = (n+2*a[i])%MOD;
        int cnt3 = 1LL*(a[i]+n)%MOD*INV4%MOD;
        int cnt1 = n-cnt3;
        a[i] = bas[cnt3];
        if (cnt1&1){
            a[i] = MOD-a[i];
        }
    }
    FWT(a,N,0);
    printf("%d\n",(a[0]+MOD-1)%MOD);
    return 0;
}
评论 1
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