洛谷 P1919 【模板】A*B Problem升级版 fft

本文介绍了一种利用快速傅立叶变换(FFT)解决大数乘法问题的方法。通过将大数转换为多项式,并利用FFT进行高效计算,解决了传统方法在处理超长整数相乘时效率低下的问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目描述

给出两个n位10进制整数x和y,你需要计算x*y。

输入输出格式

输入格式:
第一行一个正整数n。 第二行描述一个位数为n的正整数x。 第三行描述一个位数为n的正整数y。

输出格式:
输出一行,即x*y的结果。(注意判断前导0)

输入输出样例

输入样例#1:
1
3
4
输出样例#1:
12
说明

数据范围:

n<=60000

来源:bzoj2179

分析:可以把一个正整数看做是一个多项式,其中x=10(其实也可以是10^k),然后跑fft,跑出来之后好进行进位处理。

代码:

#include <iostream>
#include <cstdio>
#include <cmath>
#include <cstring>

const int maxn=240007;
const double pi=acos(-1);

using namespace std;

struct rec{
    double x,y;
};

rec operator + (rec a,rec b) {return (rec){a.x+b.x,a.y+b.y};}
rec operator - (rec a,rec b) {return (rec){a.x-b.x,a.y-b.y};}
rec operator * (rec a,rec b) {return (rec){a.x*b.x-a.y*b.y,a.y*b.x+a.x*b.y};}

rec a[maxn],b[maxn];
char s[maxn];
int r[maxn],ans[maxn];
int n,l,p;

void fft(rec *a,int f)
{
    for (int i=0;i<l;i++)
    {
        if (i<r[i]) swap(a[i],a[r[i]]);
    }
    for (int i=2;i<=l;i*=2)
    {
        rec wn=(rec){cos(2*pi/i),f*sin(2*pi/i)};
        for (int j=0;j<l;j+=i)
        {
            rec w=(rec){1,0};
            for (int k=0;k<i/2;k++)
            {
                rec u=a[j+k],v=w*a[j+k+i/2];
                a[j+k]=u+v;
                a[j+k+i/2]=u-v;
                w=w*wn;
            }
        }
    }
}
int main()
{
    scanf("%d",&n);
    scanf("%s",s);
    for (int i=0;i<n;i++) a[i].x=s[n-i-1]-'0';
    scanf("%s",s);
    for (int i=0;i<n;i++) b[i].x=s[n-i-1]-'0'; 
    l=1;p=0;
    while (l<(n*2)) l*=2,p++;
    for (int i=0;i<l;i++) r[i]=(r[i>>1]>>1)|((i&1)<<(p-1));    
    fft(a,1);
    fft(b,1);
    for (int i=0;i<l;i++) a[i]=a[i]*b[i];
    fft(a,-1);
    int num;
    for (int i=0;i<l+3;i++)
    {
        ans[i]=ans[i]+trunc(a[i].x/l+0.233);
        if (ans[i]>0) num=i;
        ans[i+1]=ans[i]/10;
        ans[i]=ans[i]%10;
    }   
    for (int i=num;i>=0;i--) printf("%d",ans[i]);
}
### 洛谷 FFT 题目与解法 洛谷平台上的 FFT(快速傅里叶变换)相关题目通常涉及多项式乘法、卷积计算以及字符串匹配等场景。以下是关于 FFT 的一些常见题型及解法的总结[^1]。 #### 1. 多项式乘法 FFT 最常见的应用之一是加速多项式的乘法运算。给定两个多项式 $A(x)$ 和 $B(x)$,直接相乘的时间复杂度为 $O(n^2)$,而使用 FFT 可以将时间复杂度优化到 $O(n \log n)$。以下是一个基于 FFT 的多项式乘法代码示例[^2]: ```cpp #include <iostream> #include <complex> #include <vector> using namespace std; typedef complex<double> cp; void FFT(vector<cp> &a, int n, int inv) { for(int i=0, j=0; i<n; ++i){ if(i > j) swap(a[i], a[j]); for(int k = n >> 1; (j ^= k) < k; k >>= 1); } for(int len=2; len<=n; len<<=1){ double ang = inv * 2 * acos(-1) / len; cp wlen(cos(ang), sin(ang)); for(int i=0; i<n; i+=len){ cp w(1, 0); for(int j=0; j<len/2; ++j){ cp u = a[i+j], v = a[i+j+len/2] * w; a[i+j] = u + v; a[i+j+len/2] = u - v; w *= wlen; } } } if(inv == -1){ for(auto &x : a) x /= n; } } vector<double> multiply(const vector<double> &a, const vector<double> &b){ int n = 1; while(n < (int)a.size() + (int)b.size()) n <<= 1; vector<cp> fa(a.begin(), a.end()), fb(b.begin(), b.end()); fa.resize(n); fb.resize(n); FFT(fa, n, 1); FFT(fb, n, 1); for(int i=0; i<n; ++i) fa[i] *= fb[i]; FFT(fa, n, -1); vector<double> res(n); for(int i=0; i<n; ++i) res[i] = fa[i].real(); return res; } ``` #### 2. 字符串匹配 FFT 还可以用于字符串匹配问题,例如通过将字符串转化为数值序列后进行卷积计算。以下是字符串匹配的一个简单实现[^2]: ```cpp #include <bits/stdc++.h> using namespace std; typedef complex<double> cp; const double PI = acos(-1); void fft(vector<cp> &a, bool inv){ int n = a.size(); for(int i=1,j=0;i<n-1;i++){ for(int k=n>>1;k>(j^=k);k>>=1); if(i<j) swap(a[i],a[j]); } for(int len=2;len<=n;len<<=1){ double ang = 2*PI/len*(inv?-1:1); cp wlen(cos(ang),sin(ang)); for(int i=0;i<n;i+=len){ cp w(1,0); for(int j=0;j<len/2;j++){ cp u = a[i+j], v = a[i+j+len/2]*w; a[i+j] = u+v; a[i+j+len/2] = u-v; w *= wlen; } } } if(inv){ for(auto &x:a) x/=n; } } int main(){ string s1,s2; cin >> s1 >> s2; int m = s1.size(), n = s2.size(); vector<cp> A(m), B(n); for(int i=0;i<m;i++) A[i] = s1[i]-'a'+1; for(int i=0;i<n;i++) B[i] = s2[i]-'a'+1; reverse(A.begin(), A.end()); int len = 1; while(len < m + n) len <<= 1; A.resize(len, 0); B.resize(len, 0); fft(A, false); fft(B, false); for(int i=0;i<len;i++) A[i] *= B[i]; fft(A, true); for(int i=m-1;i<n;i++) cout << fixed << setprecision(0) << A[i].real() << " "; } ``` #### 3. 洛谷 FFT 教程 洛谷平台上有一些高质量的 FFT 教程,例如《浅谈 FFT——从 DFT 到 FFT》[^1]。这篇教程详细介绍了 FFT 的数学原理、DFT 的定义以及如何用 FFT 加速多项式乘法。此外,还提供了丰富的代码示例和实际应用场景。 --- ###
评论
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