FWT,FST入门
什么是 FWT
FWT 全称为 " 快速沃尔什变换: Fast Walsh Transform " 。可以用于解决位运算卷积的问题。
什么叫位运算卷积呢?我们考虑普通的卷积,即:
位运算卷积就是下标为位运算的卷积(此处与和或用 C++ 记号,异或用\(\oplus\)):
FWT
为了方便,以下我们假设所有向量长度都相等,为\(2\)的整幂,即长度\(n=2^m\)。高位以 0 补齐。
设一个向量\(A\)经过 FWT 之后得到了\(FWT(A)\), FWT 的最终目标就是满足:\(FWT(C)=FWT(A)\cdot FWT(B)\),其中的点乘表示向量的每一位相乘:\(A\cdot B=(A_0B_0,A_1B_1,...,A_iB_i,...)\)。
FWT 针对三种位运算有各自的处理方法:
或卷积
我们发现或运算存在如下的性质:
如果将二进制理解为一个 01 集合,我们就可以用集合并的方式理解上面的性质。发现这其实是一个伪分配律。
根据这个性质我们可以进行构造:
那么可以发现:
这样做了对应乘法之后就可以得到\(c\),再进行一次逆变换就可以得到\(C\)。
因此问题变成了怎么进行这样的变换。
考虑一种分治(或者称为 DP )的做法:
\(f(i,j)\):满足仅有低\(i\)位可能与\(j\)不同的,且与\(j\)或后得到\(j\)的下标所对应的数的和。
或者可以被描述为:
考虑如何进行转移,即从\(f(i-1)\)转移到\(f(i)\)。这种情况下只有第\(i\)位解除了限制。根据或的性质,如果第\(i\)位为 0 ,那么第\(i\)位或操作之后仍需要是 0 ,就只能从第\(i\)位为 0 的\(f(i,j)\)转移来;如果第\(i\)位为 1 ,那么第\(i\)位或操作总得到是 1 ,就可以不考虑第\(i\)位,从\(f(i,j)\)和\(f(i,j+2^i)\)转移来。
放个图片理解一下:
顺便可以得到转移为:
正变换:
逆变换就是将特殊贡献扣除:
可以发现\(f(0,i)=A_i\),且这个转移可以滚动数组优化。
这样的 FWT 就是\(O(n\log_2n)\)。
与卷积
与卷积与或卷积十分相似,因此可以用类似的方法分析。这里只给出状态和转移:
正变换:
逆变换:
异或卷积
我们同样考虑异或的性质。
设\(count(i)\)为\(i\)的二进制中\(1\)的位数,\(i\otimes j=count(i\&j)\bmod 2\)则异或有性质:
即奇偶性相等。设\(count(j\&i)=a,count(k\&i)=b,count(j\&k\&i)=c\),则左侧奇偶性由\(a+b\)决定,右侧奇偶性由\(a+b-2c\)决定,可以发现两侧的奇偶性相等。
说起奇偶性,我们可以想到\(-1\)的幂。于是设:
然后就可以看看这样转换后乘起来的结果:
我们达成了目的。接下来就看看怎么变换。继续考虑 DP :
可以发现,从\(f(i-1)\)转到\(f(i)\)的时候,只有第\(i\)位都是\(1\)才会令\(j\otimes k\)改变奇偶性,即多乘上一个 -1 。
这样转移,最终\(j\otimes k=0\)的情况就会被乘上偶数次 -1 ,而\(j\otimes k=1\)的情况就会被乘上奇数次 -1 ,最终答案就是正确的。
按照这样,正变换:
逆变换,用到了小学奥数的 " 和差问题 " 的结论:
需要注意的是,异或卷积的逆变换还有一个 " 类 FFT " 的写法,即逆变换只比正变换在最后多除一个\(n\)(事实上异或 FWT 和 FFT 有很多相似处,可以在 K 进制 FWT 中找到答案)。
例题
洛谷P4717。三种 FWT 全家桶。
参考代码:
const int mod = 998244353, inv2 = 499122177;
const int MAXSIZ = 5e5 + 5;
int A[MAXSIZ], B[MAXSIZ], C[MAXSIZ], a[MAXSIZ], b[MAXSIZ];
int N, M;
int fix( const int x ) { return ( x % mod + mod ) % mod; }
namespace OR
{
void FWT( int *f, const int m )
{
for( int s = 2 ; s <= M ; s <<= 1 )
for( int i = 0, t = s >> 1 ; i < M ; i += s )
for( int j = i ; j < i + t ; j ++ )
f[j + t] = fix( f[j + t] + f[j] * m ) % mod;
}
}
namespace AND
{
void FWT( int *f, const int m )
{
for( int s = 2 ; s <= M ; s <<= 1 )
for( int i = 0, t = s >> 1 ; i < M ; i += s )
for( int j = i ; j < i + t ; j ++ )
f[j] = fix( f[j] + f[j + t] * m ) % mod;
}
}
namespace XOR
{
void FWT( int *f, const int m )
{
int t1, t2;
for( int s = 2 ; s <= M ; s <<= 1 )
for( int i = 0, t = s >> 1 ; i < M ; i += s )
for( int j = i ; j < i + t ; j ++ )
{
t1 = f[j], t2 = f[j + t];
if( m > 0 )
f[j] = ( t1 + t2 ) % mod,
f[j + t] = fix( t1 - t2 );
else
f[j] = 1ll * ( t1 + t2 ) % mod * inv2 % mod,
f[j + t] = 1ll * fix( t1 - t2 ) * inv2 % mod;
}
}
}
void cal( void ( *fwt ) ( int*, int ) ) //函数指针的写法,主要是方便。
{
for( int i = 0 ; i < M ; i ++ ) A[i] = a[i], B[i] = b[i];
fwt( A, 1 ), fwt( B, 1 );
for( int i = 0 ; i < M ; i ++ ) C[i] = 1ll * A[i] * B[i] % mod;
fwt( C, -1 );
for( int i = 0 ; i < M ; i ++ ) write( C[i] ), putchar( i == M - 1 ? '\n' : ' ' );
}
FST
FST 怎么做
它听着不妙。
快速子集变换 FST 解决的是一类子集卷积的问题,即:
这个卷积和或卷积的区别在于,或卷积可以有交集(并不要求\(j\& k=0\)),然而子集卷积不可以有。
注意到这个限制在子集卷积中等价于\(|S|+|T|=|U|\)。因此我们可以给状态加上一维限制大小:
\(f(i,U)\):大小为\(i\)的集合\(U\)的所有子集的贡献,\(g\)和\(h\)同理转换。
这个信息可以直接用 FWT 正变换得到。
因此有转移:
转移完成后需要 FWT 逆变换回来,再将不符合要求(集合大小不匹配)的清除。
例题
[CF914G]Sum The Fibonacci, FWT + FST ,附赠题解一篇。