这是本文档旧的修订版!
大概长这个样子: $C_{k} = \sum_{i|j=k} A_{i}×B_{j}$
满足交换律、结合律 $(A+B)|C=A|C+B|C$ ,均为显然
几个重要的结论:
$FWT(A+B) = FWT(A) + FWT(B)$
$FWT(A) = (FWT(A_{0}),FWT(A_{0})+FWT(A_{1}))$ , $A_{0}$ 表示最高位为 $0$ 的部分,也就是前 $2^{n-1}$ 项; $A_{1}$ 表示最高位为 $1$ 的部分,也就是后 $2^{n-1}$ 项。
对于 $or$ 卷积来说, $FWT(A)[I] = \sum_{j|i=i}A[j]$ 。
此时用数学归纳法有:
$FWT(A|B)$
$=FWT((A|B)_{0},(A|B)_{1})$
$=FWT(A_{0}|B_{0},A_{0}|B_{1}+A_{1}|B_{0}+A_{1}|B_{1})$
$=(FWT(A_{0}|B_{0}),FWT(A_{0}|B_{0}+A_{0}|B_{1}+A_{1}|B_{0}+A_{1}|B_{1}))$
$=(FWT(A_{0})×FWT(B_{0}),FWT(A_{0})×FWT(B_{0})+FWT(A_{0})×FWT(B_{1})+FWT(A_{1})×FWT(B_{0})+FWT(A_{1})×FWT(B_{1}))$
$=(FWT(A_{0})×FWT(B_{0}),(FWT(A_{0})+FWT(A_{1}))×(FWT(B_{0})+FWT(B_{1})))$
$=(FWT(A_{0},FWT(A_{0}+A_{1})))×(FWT(B_{0},FWT(B_{0}+B_{1})))$
$=FWT(A)×FWT(B)$
得证
所以类似于 $FFT$ ,也有一个叫做 $IFWT$ 的东西。
$IFWT(A)=(IFWT(A_{0}),IFWT(A_{1})-IFWT(A_{0}))$
和或卷积类似
结论:
$FWT(A)=(FWT(A_{0}+A_{1}),FWT(A_{1}))$
$FWT(A+B)=FWT(A)+FWT(B)$
同样的数学归纳法可以证明和卷积成立
$IFWT(A)=(IFWT(A_{0})-IFWT(A_{1}),IFWT(A_{1}))$
结论:
$FWT(A)=(FWT(A_{0})+FWT(A_{1}),FWT(A_{0})-FWT(A_{1}))$
$FWT(A+B)=FWT(A)+FWT(B)$
$IFWT(A)=({\frac {IFWT(A_{0})-IFWT(A_{1})} 2},{\frac {IFWT(A_{0})-IFWT(A_{1})} 2})$
#include<bits/stdc++.h> using namespace std; typedef long long ll; const int MAXN=1500000; int MOD=998244353; int inv2=(MOD+1)>>1,N; ll a1[MAXN],b1[MAXN],a2[MAXN],b2[MAXN],a3[MAXN],b3[MAXN]; void or_FWT(ll *P,int opt) { for(int i=2; i<=N; i<<=1) for(int p=i>>1,j=0; j<N; j+=i) for(int k=j; k<j+p; ++k) P[k+p]+=P[k]*opt,P[k+p]=(P[k+p]+MOD)%MOD; } void and_FWT(ll *P,int opt) { for(int i=2; i<=N; i<<=1) for(int p=i>>1,j=0; j<N; j+=i) for(int k=j; k<j+p; ++k) P[k]+=P[k+p]*opt,P[k]=(P[k]+MOD)%MOD; } void xor_FWT(ll *P,int opt) {//如果不是在模意义下的话,把逆元变成直接除二就好了。 for(int i=2; i<=N; i<<=1) for(int p=i>>1,j=0; j<N; j+=i) for(int k=j; k<j+p; ++k) { ll x=P[k],y=P[k+p]; P[k]=(x+y)%MOD; P[k+p]=(x-y+MOD)%MOD; if(opt==-1)P[k]=1ll*P[k]*inv2%MOD,P[k+p]=1ll*P[k+p]*inv2%MOD; } } int main() { scanf("%d",&N); N=1<<N; for(int i=0;i<N;i++) { scanf("%lld",&a1[i]); a2[i]=a3[i]=a1[i]; } for(int i=0;i<N;i++) { scanf("%lld",&b1[i]); b2[i]=b3[i]=b1[i]; } or_FWT(a1,1);or_FWT(b1,1); for(int i=0;i<N;i++) a1[i]=a1[i]*b1[i]%MOD; or_FWT(a1,-1); and_FWT(a2,1);and_FWT(b2,1); for(int i=0;i<N;i++) a2[i]=a2[i]*b2[i]%MOD; and_FWT(a2,-1); xor_FWT(a3,1);xor_FWT(b3,1); for(int i=0;i<N;i++) a3[i]=a3[i]*b3[i]%MOD; xor_FWT(a3,-1); for(int i=0;i<N;i++) { printf("%lld ",a1[i]); } putchar(10); for(int i=0;i<N;i++) { printf("%lld ",a2[i]); } putchar(10); for(int i=0;i<N;i++) { printf("%lld ",a3[i]); } putchar(10); return 0; }
给定 $n$ 个三元组,以及三个数 $x,y,z$ 。每个三元组的内容为 ${a_{i},b_{i},c_{i}}$ 。表示这个组里面有 $x$ 个 $a_{i}$ , $y$ 个 $b_{i}$ , $z$ 个 $c_{i}$ 。再给一个数 $N$ ,让求对于 $0$ 到 $2^{N}-1$ ,分别有多少种方案,使得在每个三元组中各选出一个数字,异或的结果等于这个数字,方案数对 $998244353$ 取模。其中 $n≤10^{5},N≤17$
貌似可以把元组中的数字理解为某个多项式中 $a_{i}$ 次幂的系数是 $x$ , $b_{i}$ 次幂的系数是 $y$ , $c_{i}$ 次幂的系数是 $z$ 。之后对于 $n$ 个多项式,顺次进行 $FWT$ ,最后再 $IFWT$ 。但是想法很美好,这样的复杂度是 $O(nk2^{k})$ ,显然是爆炸了。
我们再回去观察题目,为什么是三元组,也就是说一个多项式中只有三项的系数不为零,且都固定为 $x,y,z$ 。则 $FWT(F_{k})[i]=c(i,a_{k})x+c(i,b_{k})y+c(i,c_{k})z$ ,其中 $c(i,j)$ 表示异或卷积从 $j$ 到 $i$ 的变换系数。而 $c(i,j)=(-1)^{cnt(i\&j)}$ ,所以这个式子就是 $FWT(F_{k})[i]=(-1)^{cnt(i\&a_{k})}x+(-1)^{cnt(i\&b_{k})}y+(-1)^{cnt(i\&c_{k})}z$ 。于是现在我们可以如此算出每一个式子的 $FWT$ ,再求 $IFWT$ ,但是这样的复杂度仍然是 $O(n+k)2^{k}$ ,仍然是爆炸的。所以到这里还远没有结束。
我们发现现在要求的是 $S[i]=\prod_{k=1}^{n} FWT(F_{k})[i]$ 。将每一项的系数都求出来,最后再 $IFWT$ 就可以了。又因为对于等号右侧的每一项,一共只有八种可能,即 $x,y,z$ 可正可负。当我们把每一项出现的次数求出,就可以利用快速幂求得此项答案,这样单独一项系数的复杂度就由 $O(n)$ 降为 $O(logn)$ ,就可以通过了。这里有一个小技巧,我们可以控制其中一项的系数为正,比如我们将每个元组的三个数都对 $a$ 这个数异或,这样元组变为 $(0,b_{k}⊕a_{k},c_{k}⊕a_{k})$ 。我们最后再把结果的次数异或回去所有的 $a_{k}$ 就是真正的次数了。这样所有的 $a$ 被我们控制为0,和任何的 $i$ 取与都是 $0$ 。于是八种可能变成了四种可能,即 $x+y+z,x+y-z,x-y+z,x-y-z$ 。
我们分别设这四种出现的次数为 $c_{1},c_{2},c_{3},c_{4}$ 。显然四者之和为 $n$ 。我们接下来用待定系数法的思想,比如我们把 $y$ 重新取为 $1$ ,其余设为 $0$ 。这样求一个 $FWT$ 出来,对应 $i$ 次方的系数是所有 $(-1)^{cnt(i\&b_{k})}$ 的和。这个值是 $c_{1}+c_{2}-c_{3}-c_{4}$ 。同理可以对 $z$ 操作一下,这样我们一共有三个式子。最后一个式子是令 $b_{k}⊕c_{k}$ 的系数为 $1$ 。于是这个就是前两种情况的卷积,又因为 $FWT$ 是可以乘起来的,所以它就是 $(-1)^{cnt(i\&b_{k})}(-1)^{cnt(i\&c_{k})}$ 。这个和对应的是 $c_{1}-c_{2}-c_{3}+c_{4}$ 。所以四个方程都有了,解个方程,最后快速幂一搞,最终复杂度是 $O((k+logn)2^{k})$ ,可以通过。
2.https://www.luogu.com.cn/problem/P6097
是一个模板题,又叫子集卷积,在原来的或卷积的基础 $i|j=k$ 上,加上了 $i\&j=0$ 的限制条件。
$i|j=k$ 的限制条件还是用 $FWT$ 计算卷积。
对于第二个限制,等价于 $popcount(i)+popcount(j)=popcount(i|j)$ ,首先显然要新开一维记录每个位置的 $popcount$ 。然后让 $f_{i,j}=a_{j}(popcount(j)=i)$ ,不然 $f_{i,j}=0$ , $g_{i,j}$ 同理,然后有 $h_{i}=\sum_{k=0}^{i}f_{k}×g_{i-k}$ ,最后所求答案为 $h_{popcount(i),i}$ ,这样复杂度是 $O(n^{2}2^{n})$ 的。