构造照亮世界——快速沃尔什变换 (FWT)

2024-05-07 21:57 由 ZnPdCo 发表于 #其他

博客园

我的博客

快速沃尔什变换解决的卷积问题

快速沃尔什变换（FWT）是解决这样一类卷积问题：

\[c_i=\sum_{i=j\odot k}a_jb_k \]

其中，\(\odot\) 是位运算的一种。举个例子，给定数列 \(a,b\)，求：

\[c_i=\sum_{j\oplus k=i} a_jb_k \]

FWT 的思想

看到 FWT 的名字，我们可以联想到之前学过的 FFT（很可惜，我没有写过 FFT 的笔记，所以没有链接），先看看 FFT 的原理：

把 \(a,b\) 变换为 \(A,B\)，\(O(n\log n)\)；
通过 \(C_i=A_iB_i\) 计算，\(O(n)\);
把 \(C\) 变换回 \(c\)，\(O(n\log n)\)。

综上，时间复杂度是 \(O(n\log n)\) 的。

在 FFT 中，我们构造了 \(A,B\) 为 \(a,b\) 的点值表示法，这么做满足 \(C_i=A_iB_i\) 且容易变换。

其实 FWT 的思想也是一样的，主要也是需要构造 \(A,B\)，使得其满足 \(C_i=A_iB_i\) 且可以快速变换。下面我们举 \(\cup\)（按位或）、\(\cap\)（按位与）和 \(\oplus\)（按位异或）为例。

因为数列长度是 \(2\) 的幂会更好处理，所以下文认为数列长度为 \(2^n\)。

按位或

\[c_i=\sum_{j\cup k=i} a_jb_k \]

我们可以构造 \(A_i=\sum_{i\cup j=i} a_i\)。看看为什么需要这么构造。

首先，它满足 \(C_i=A_iB_i\)：

\[\begin{align} A_iB_i&=(\sum_{i\cup j=i} a_j)(\sum_{i\cup k=i} b_k) \\ &=\sum_{i\cup j=i}\sum_{i\cup k=i}a_jb_k \\ &=\sum_{i\cup j=i}\sum_{i\cup k=i}a_jb_k \\ &=\sum_{i\cup(j\cup k)=i}a_jb_k \\ &= C_i \end{align} \]

其次，它可以快速变换。举顺变换的例子。类比 FFT 的步骤，我们采用分治的方法来处理它。假设目前考虑到第 \(i\) 位，其中 \(A_0\) 和 \(A_1\) 是 \(i-1\) 位分治的结果：

\[A=\text{merge}(A_0, A_0+A_1) \]

其中，\(A_0\) 是数列 \(A\) 的左半部分，\(A_1\) 是 \(A\) 的右半部分。\(\text{merge}\) 函数就是把两个数列像拼接字符串一样拼接起来。\(+\) 则是将两个数列对应相加。

这么做为什么是正确的呢？容易发现，\(A_0\) 恰好是当前处理到的二进制位为 \(0\) 的子数列，\(A_1\) 则是当前处理到的二进制位为 \(1\) 的子数列。若当前位为 \(0\)，则只能取二进制位为 \(0\) 的子数列 \(A_0\) 才能使得 \(i\cup j=i\)。而若当前位为 \(1\)，则两种序列都能取。

考虑逆变换，则是将加上的 \(A_0\) 减回去：

\[a=\text{merge}(a_0, a_1-a_0) \]

下面我们给出代码实现。容易发现顺变换和逆变换可以合并为一个函数，顺变换时 \(\text{type}=1\)，逆变换时 \(\text{type}=-1\)。

void Or(ll *a, ll type) {	// 迭代实现，常数更小
	for(ll x = 2; x <= n; x <<= 1) {
		ll k = x >> 1;
		for(ll i = 0; i < n; i += x) {
			for(ll j = 0; j < k; j ++) {
				(a[i + j + k] += a[i + j] * type) %= P; 
			}
		}
	}
}

按位与

\[c_i=\sum_{j\cap k=i} a_jb_k \]

同理构造 \(A_i=\sum_{i\cap j=i} a_i\)。\(C_i=A_iB_i\) 的正确性不证了。

容易发现，\(A_0\) 恰好是当前处理到的二进制位为 \(0\) 的子数列，\(A_1\) 则是当前处理到的二进制位为 \(1\) 的子数列。若当前位为 \(1\)，则只能取二进制位为 \(1\) 的子数列 \(A_0\) 才能使得 \(i\cap j=i\)。而若当前位为 \(0\)，则两种序列都能取。

\[A=\text{merge}(A_0+A_1, A_1) \]

\[a=\text{merge}(a_0 - a_1, a_1) \]

下面我们给出代码实现。顺变换时 \(\text{type}=1\)，逆变换时 \(\text{type}=-1\)。

void And(ll *a, ll type) {
	for(ll x = 2; x <= n; x <<= 1) {
		ll k = x >> 1;
		for(ll i = 0; i < n; i += x) {
			for(ll j = 0; j < k; j ++) {
				(a[i + j] += a[i + j + k] * type) %= P; 
			}
		}
	}
}

按位异或

发现异或有点难搞，但这怎么会难倒沃尔什大佬呢？我们引入一个新的运算符 \(\circ\)。定义 \(x\circ y=\text{popcnt}(x\cap y)\bmod 2\)，其中 \(\text{popcnt}\) 表示二进制下 \(1\) 的个数，并重申一下 \(\cap\) 表示按位与。

不用慌，我们也不需要你真正实现一个 \(\text{popcnt}\)，它仅仅只是作为一个理解的辅助罢了。

我们发现它满足 \((x\circ y)\oplus (x\circ z)=x\circ(y\oplus z)\)。（重申一下 \(\oplus\) 表示按位异或）

感性证明：发现这个新的运算符 \(\circ\) 其实就是 \(x\) 与 \(y\) 相同位数的奇偶性。若 \((x\circ y)\oplus (x\circ z)=0\)，则 \(x\) 与 \(y\)、\(x\) 与 \(z\) 相同位数个数奇偶性相同，所以 \(y\oplus z\) 和 \(x\) 相同位数个数奇偶性也是相同的；若 \((x\circ y)\oplus (x\circ z)=1\)，则 \(x\) 与 \(y\)、\(x\) 与 \(z\) 相同位数个数奇偶性不同，所以 \(y\oplus z\) 和 \(x\) 相同位数个数奇偶性也是不同的。

设 \(A_i=\sum_{i\circ j=0}a_j-\sum_{i\circ j=1}a_j\)。我们来证一下 \(C_i=A_iB_i\) 的正确性：

\[\begin{align} A_iB_i&=(\sum_{i\circ j=0}a_j-\sum_{i\circ j=1}a_j)(\sum_{i\circ k=0}b_k-\sum_{i\circ k=1}b_k) \\ &=(\sum_{i\circ j=0}a_j\sum_{i\circ k=0}b_k+\sum_{i\circ j=1}a_j\sum_{i\circ k=1}b_k)-(\sum_{i\circ j=0}a_j\sum_{i\circ k=1}b_k+\sum_{i\circ j=1}a_j\sum_{i\circ k=0}b_k) \\ &=\sum_{(j\oplus k)\circ i=0}a_jb_k-\sum_{(j\oplus k)\circ i=1}a_jb_k \\ &=C_i \end{align} \]

来看看怎么快速计算 \(A,B\) 的值，依旧是分治：

对于 \(i\) 在当前位为 \(0\) 的子数列 \(A_0\)，进行 \(\circ\) 运算时发现它和 \(0\) 计算或和 \(1\) 计算结果都不会变（因为 \(0\cap 0=0,0\cap1=0\)），所以 \(A_i=\sum_{i\circ j=0}a_j-\sum_{i\circ j=1}a_j\) 中的 \(\sum_{i\circ j=1}a_j=0\)。

对于 \(i\) 在当前位为 \(1\) 的子数列 \(A_1\)，进行 \(\circ\) 运算时发现它和 \(0\) 计算结果是 \(0\)，和 \(1\) 计算结果是 \(1\)（因为 \(1\cap 0=0,1\cap1=1\)）。

综上，有：

\[A=\text{merge}((A_0+A_1)-0, A_0-A_1) \]

也就是：

\[A=\text{merge}(A_0+A_1, A_0-A_1) \]

逆变换易得：

\[a=\text{merge}(\frac{a_0+a_1}{2}, \frac{a_0-a_1}{2}) \]

给出代码，顺变换时 \(\text{type}=1\)，逆变换时 \(\text{type}=\frac{1}{2}\)。

void Xor(ll *a, ll type) {
	for(ll x = 2; x <= n; x <<= 1) {
		ll k = x >> 1;
		for(ll i = 0; i < n; i += x) {
			for(ll j = 0; j < k; j ++) {
				(a[i + j] += a[i + j + k]) %= P; 
				(a[i + j + k] = a[i + j] - a[i + j + k] * 2) %= P; 
				(a[i + j] *= type) %= P;
				(a[i + j + k] *= type) %= P;
			}
		}
	}
}

现在大家能去切前两道模板例题，并挑战一下后面的几道题目了。

从另一个角度看待 FWT

我们设 \(c(i,j)\) 是 \(a_j\) 对 \(A_i\) 的贡献系数。我们可以重新描述 FWT 变换的过程：

\[A_i = \sum_{j=0}^{n-1} c(i,j) a_j \]

因为有：

\[A_iB_i=C_i \]

所以我们可以通过简单的证明得到：\(c(i,j)c(i,k)=c(i,j\odot k)\)。其中 \(\odot\) 是任意一种位运算。

同时，\(c\) 函数还有一个重要的性质，它可以按位处理。

举个例子，我们变换的时候：

\[A_i = \sum_{j=0}^{n-1} c(i,j) a_j \]

这么做是比较劣的，我们将其拆分：

\[A_i = \sum_{j=0}^{(n-1)/2} c(i,j) a_j+\sum_{j=(n-1)/2+1}^{n-1} c(i,j) a_j \]

考虑前面的式子和后面的式子 \(i,j\) 的区别，发现只有最高位不同。

所以我们将 \(i,j\) 去除最高位的值为 \(i',j'\)，并记 \(i_0\) 为 \(i\) 的最高位。有：

\[A_i = c(i_0,0)\sum_{j=0}^{(n-1)/2} c(i',j') a_j+c(i_0,1)\sum_{j=(n-1)/2+1}^{n-1} c(i',j') a_j \]

如果 \(i_0=0\)，则有：

\[A_i = c(0,0)\sum_{j=0}^{(n-1)/2} c(i',j') a_j+c(0,1)\sum_{j=(n-1)/2+1}^{n-1} c(i',j') a_j \]

\(i_0=1\) 则有：

\[A_i = c(1,0)\sum_{j=0}^{(n-1)/2} c(i',j') a_j+c(1,1)\sum_{j=(n-1)/2+1}^{n-1} c(i',j') a_j \]

也就是说，我们只需要：

\[\begin{bmatrix} c(0,0) & c(0,1) \\ c(1,0) & c(1,1) \end{bmatrix} \]

四个数就可以完成变换了。我们称这个矩阵为位矩阵。

如果我们要进行逆变换，则需要上面的位矩阵的逆矩阵。

若逆矩阵为 \(c^{-1}\)，可以通过类似操作得到原数：

\[a_i = \sum_{j=0}^n c^{-1}(i,j) A_j \]

逆矩阵不一定存在，比如如果有一排 \(0\) 或者一列 \(0\) 那么这个矩阵就没有逆，我们在构造时需要格外小心。

按位或

我们可以构造：

\[\begin{bmatrix} 1 & 0 \\ 1 & 1 \end{bmatrix} \]

这样满足 \(c(i,j)c(i,k)=c(i,j\cup k)\)。我们发现，这和我们前面推出的 \(A=\text{merge}(A_0, A_0+A_1)\) 一模一样！同理，下面也是一个满足这个条件的矩阵，但我们一般使用上面这个：

\[\begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix} \]

虽然下面这个矩阵也满足 \(c(i,j)c(i,k)=c(i,j\cup k)\)，但这个矩阵存在一排 \(0\)，不存在逆，所以不合法：

\[\begin{bmatrix} 0 & 0 \\ 1 & 1 \end{bmatrix} \]

如果我们要进行逆变换，则需要对矩阵求逆，以最上面这个矩阵为例，得：

\[\begin{bmatrix} 1 & 0 \\ -1 & 1 \end{bmatrix} \]

然后按照顺变换的方法，把逆变换矩阵代入即可。

按位与

我们可以构造：

\[\begin{bmatrix} 1 & 1 \\ 0 & 1 \end{bmatrix} \]

这样满足 \(c(i,j)c(i,k)=c(i,j\cap k)\)。

逆矩阵：

\[\begin{bmatrix} 1 & -1 \\ 0 & 1 \end{bmatrix} \]

按位异或

我们可以构造：

\[\begin{bmatrix} 1 & 1 \\ 1 & -1 \end{bmatrix} \]

这样满足 \(c(i,j)c(i,k)=c(i,j\oplus k)\)。

逆矩阵：

\[\begin{bmatrix} 0.5 & 0.5 \\ 0.5 & -0.5 \end{bmatrix} \]

FWT 的性质

FWT 是线性变换。

若 \(FWT(X)\) 是 \(X\) 的 FWT 变换，则有：

\[FWT(A+B)=FWT(A)+FWT(B) \]

以及：

\[FWT(cA)=cFWT(A) \]

这样就可以实现快速卷积，参考第四道例题。

K 维 FWT

max 运算

我们重新看看我们的 \(\cup\) 运算，发现他实际上就是二进制下的取 \(\max\)。我们将其拓展到 \(K\) 进制，有：

\[c(i,j)c(i,k)=c(i,\max(j,k)) \]

若 \(j=k\)，那么上式又是：

\[c(i,j)c(i,j)=c(i,j) \]

也就是说，每一行的 \(1\) 必定只能在 \(0\) 的前面，如果在后面则不合法了。手玩一下可以发现一组合法构造：

\[\begin{bmatrix} 1 & 0 & 0 & 0 \\ 1 & 1 & 0 & 0 \\ 1 & 1 & 1 & 0 \\ 1 & 1 & 1 & 1 \end{bmatrix} \]

求逆可得：

\[\begin{bmatrix} 1 & 0 & 0 & 0 \\ -1 & 1 & 0 & 0 \\ 0 & -1 & 1 & 0 \\ 0 & 0 & -1 & 1 \end{bmatrix} \]

min 运算

我们重新看看我们的 \(\cap\) 运算，发现他实际上就是二进制下的取 \(\min\)。我们将其拓展到 \(K\) 进制，有：

\[c(i,j)c(i,k)=c(i,\min(j,k)) \]

若 \(j=k\)，那么上式又是：

\[c(i,j)c(i,j)=c(i,j) \]

也就是说，每一行的 \(1\) 必定只能在 \(0\) 的后面，如果在后面则不合法了。手玩一下可以发现一组合法构造：

\[\begin{bmatrix} 1 & 1 & 1 & 1 \\ 0 & 1 & 1 & 1 \\ 0 & 0 & 1 & 1 \\ 0 & 0 & 0 & 1 \end{bmatrix} \]

求逆可得：

\[\begin{bmatrix} 1 & -1 & 0 & 0 \\ 0 & 1 & -1 & 0 \\ 0 & 0 & 1 & -1 \\ 0 & 0 & 0 & 1 \end{bmatrix} \]

前两者用得比较少，用得比较多的是：

不进位加法

我们重新看看我们的 \(\oplus\) 运算，发现他实际上就是二进制下的不进位加法。我们将其拓展到 \(K\) 进制，有：

\[c(i,j)c(i,k)=c(i,(j+k)\bmod K) \]

我们构造 \(c(i,j)=\omega_{K}^j\)，就可以满足要求了：

\[\omega_{K}^j\omega_{k}^k=\omega_{K}^{(j+k)\bmod K} \]

但是每一行都一样矩阵也没有逆，所以我们可以构造 \(c(i,j)=\omega_{K}^{(i-1)j}\) 即可。

有下面这个矩阵：

\[\begin{bmatrix} 1 & 1 & 1 & \cdots & 1 \\ 1 & \omega_{K}^1 & \omega_{K}^2 & \cdots & \omega_{K}^{k-1} \\ 1 & \omega_{K}^2 & \omega_{K}^4 & \cdots & \omega_{K}^{2(k-1)} \\ 1 & \omega_{K}^3 & \omega_{K}^6 & \cdots & \omega_{K}^{3(k-1)} \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ 1 & \omega_{K}^{k-1} & \omega_{K}^{2(k-1)} & \cdots & \omega_{K}^{k(k-1)} \end{bmatrix} \]

这不就是我们熟悉的范德蒙德矩阵吗？

现在我们也知道矩阵的逆了：

\[\frac{1}{K}\begin{bmatrix} 1 & 1 & 1 & \cdots & 1 \\ 1 & \omega_{K}^{-1} & \omega_{K}^{-2} & \cdots & \omega_{K}^{-(k-1)} \\ 1 & \omega_{K}^{-2} & \omega_{K}^{-4} & \cdots & \omega_{K}^{-2(k-1)} \\ 1 & \omega_{K}^{-3} & \omega_{K}^{-6} & \cdots & \omega_{K}^{-3(k-1)} \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ 1 & \omega_{K}^{-(k-1)} & \omega_{K}^{-2(k-1)} & \cdots & \omega_{K}^{-k(k-1)} \end{bmatrix} \]

如果我们题目给出的模数是存在单位根的，我们就可以简单实现，可以参考第六道例题。

但是单位根在模意义下可能不存在，所以我们考虑扩域，就是人为地定义一个 \(x\)，满足 \(x^K=1\)，然后直接把 \(x\) 代入计算，这样每个数都是一个关于 \(x\) 的 \(k-1\) 次多项式。我们只需要在 \(\pmod {x^K-1}\) 下计算即可。那么矩阵可以这么表示：

\[\begin{bmatrix} 1 & 1 & 1 & \cdots & 1 \\ 1 & x^1 & x^2 & \cdots & x^{k-1} \\ 1 & x^2 & x^4 & \cdots & x^{2(k-1)} \\ 1 & x^3 & x^6 & \cdots & x^{3(k-1)} \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ 1 & x^{k-1} & x^{2(k-1)} & \cdots & x^{k(k-1)} \end{bmatrix} \]

但是这么做可能会存在零因子，也就是一个数有多种表示方法，我们无法确定一个数的真实值。

我们考虑不 \(\pmod {x^K-1}\) 了，我们 \(\bmod\) 分圆多项式 \(\Phi_{K}(x)\)，他满足 \(x\) 的阶为 \(k\)，且在 \(Q\) 上不可约。所以我们定义上面的计算是在 \(\pmod {\Phi_{K}(x)}\) 下进行即可。

另一方面，如何求分圆多项式，这一点可以在因式分解这道题的题解区里了解。这里给出分圆多项式的表：

还有一个问题是，\(\bmod \Phi_{K}(x)\) 常数大（因为 \(\Phi\) 本身就是一个多项式）。但是因为 \(\Phi_{K}(x)\mid x^k-1\)，我们只需要在计算时 \(\bmod x^k -1\)，最后再 \(\bmod \Phi_{K}(x)\) 即可。

具体实现参考第七道例题。

例题

「洛谷 P4717」【模板】快速莫比乌斯/沃尔什变换 (FMT/FWT)

求 \(\cup\)、\(\cap\)、\(\oplus\) 的三种卷积。

\(n\le17\)

这题也就是模板题了，下文直接给出代码：

#include <bits/stdc++.h>
using namespace std;
#define ll long long
#define P 998244353
const ll N = 1 << 18;
ll n;
ll A[N], B[N];
ll a[N], b[N];
void init() {
	for(ll i = 0; i < n; i ++) a[i] = A[i], b[i] = B[i];
}
void Or(ll *a, ll type) {
	for(ll x = 2; x <= n; x <<= 1) {
		ll k = x >> 1;
		for(ll i = 0; i < n; i += x) {
			for(ll j = 0; j < k; j ++) {
				(a[i + j + k] += a[i + j] * type) %= P; 
			}
		}
	}
}
void And(ll *a, ll type) {
	for(ll x = 2; x <= n; x <<= 1) {
		ll k = x >> 1;
		for(ll i = 0; i < n; i += x) {
			for(ll j = 0; j < k; j ++) {
				(a[i + j] += a[i + j + k] * type) %= P; 
			}
		}
	}
}
void Xor(ll *a, ll type) {
	for(ll x = 2; x <= n; x <<= 1) {
		ll k = x >> 1;
		for(ll i = 0; i < n; i += x) {
			for(ll j = 0; j < k; j ++) {
				(a[i + j] += a[i + j + k]) %= P; 
				(a[i + j + k] = a[i + j] - a[i + j + k] * 2) %= P; 
				(a[i + j] *= type) %= P;
				(a[i + j + k] *= type) %= P;
			}
		}
	}
}
void calc() {
	for(ll i = 0; i < n; i ++) (a[i] *= b[i]) %= P;
}
void print() {
	for(ll i = 0; i < n; i ++) printf("%lld ", (a[i] % P + P) % P);
	printf("\n");
}
int main() {
	scanf("%lld", &n);
	n = 1 << n;
	for(ll i = 0; i < n; i ++) scanf("%lld", &A[i]);
	for(ll i = 0; i < n; i ++) scanf("%lld", &B[i]);
	
	init(); Or(a, 1); Or(b, 1); calc(); Or(a, P - 1); print();
	init(); And(a, 1); And(b, 1); calc(); And(a, P - 1); print();
	init(); Xor(a, 1); Xor(b, 1); calc(); Xor(a, 499122177); print();
}

「洛谷 P6097」【模板】子集卷积

求：

\[c_k=\sum_{\substack{{i \cap j=0}\\{i\cup j=k}}} a_i b_j \]
\(n\le20\)

首先，下半部分是我们喜闻乐见的 FWT 常见形式，而上半部分我们可以看成是 \(i\) 与 \(j\) 不交。有：

\[i\cup j=0\Rightarrow \text{popcnt}(i)+\text{popcnt}(j)=\text{popcnt}(i\cup j) \]

所以我们可以构造：

\[A_{i,j}=\sum_{\substack{{i\cup k=i}\\{\text{popcnt}(j)=k}}} a_i \]

可以枚举 \(\text{popcnt}\) 的值，分开考虑。

那么求 \(C\) 的时候有 \(C_{i,j}=\sum_{j=0}^n A_{i,k}B_{i,j-k}\)。

然后就可以做了。

#include <bits/stdc++.h>
using namespace std;
#define popcnt(x) __builtin_popcountll(x)
#define ll long long
const ll M = 20, N = 1 << M, P = 1e9 + 9;
ll n, m;
ll a[M + 1][N], b[M + 1][N], c[M + 1][N];
void Or(ll *a, ll type) {
	for(ll x = 2; x <= n; x <<= 1) {
		ll k = x >> 1;
		for(ll i = 0; i < n; i += x) {
			for(ll j = 0; j < k; j ++) {
				(a[i + j + k] += a[i + j] * type) %= P;
			}
		}
	}
}
int main() {
	scanf("%lld" ,&m);
	n = 1 << m;
	for(ll i = 0; i < n; i ++) {
		scanf("%lld", &a[popcnt(i)][i]);
	}
	for(ll i = 0; i < n; i ++) {
		scanf("%lld", &b[popcnt(i)][i]);
	}
	for(ll i = 0; i <= m; i ++) {
		Or(a[i], 1);
		Or(b[i], 1);
	}
	for(ll i = 0; i <= m; i ++) {
		for(ll j = 0; j <= i; j ++) {
			for(ll k = 0; k < n; k ++) {
				(c[i][k] += a[j][k] * b[i - j][k]) %= P;
			}
		}
	}
	for(ll i = 0; i <= m; i ++) {
		Or(c[i], -1);
	}
	for(ll i = 0; i < n; i ++) {
		printf("%lld ", (c[popcnt(i)][i] % P + P) % P);
	}
}

「牛客 881D」Parity of Tuples

给定 \(n\times m\) 的矩阵 \(a\)，定义 \(\text{cnt}(x)\) 为矩阵中有多少行对于 \(x\) 是合法的，合法的定义为这一行中每一个数 \(a_{i,j}\cap x\) 的二进制值中都有奇数个 \(1\)。

你需要求出对于所有的 \(x\)，\(\text{cnt}\) 的取值。

\(n\le10^5,m\le10,x\le2^{20}\)

再次重申，\(\cap\) 是按位与的意思。

首先我们用数学公式定义一下 \(\text{cnt}\)（因为公式复杂，所以加了 \(\tt large\)）：

\[\large \text{cnt}(x)=\frac{1}{2^m}\sum_{i=1}^n\prod_{j=1}^m (1-(-1)^{\text{popcnt}(a_{i,j}\cap x)}) \]

说明一下正确性。如果 \(\text{popcnt}(a_{i,j}\cap x)\) 是奇数的话，那么 \((-1)^{\text{popcnt}(a_{i,j}\cap x)}\) 的结果就是 \(-1\)。最后 \(1-(-1)^{\text{popcnt}(a_{i,j}\cap x)}\) 就是 \(2\)，最后会被 \(\frac{1}{2^m}\) 除去；如果 \(\text{popcnt}(a_{i,j}\cap x)\) 是偶数的话，那么 \((-1)^{\text{popcnt}(a_{i,j}\cap x)}\) 的结果就是 \(1\)。最后 \(1-(-1)^{\text{popcnt}(a_{i,j}\cap x)}\) 就是 \(0\)，那么整行的结果都是 \(0\)。

然后我们发现它是可以展开的：

\[\large \begin{align} \prod_{j=1}^m (1-(-1)^{\text{popcnt}(a_{i,j}\cap x)}) &= (1-(-1)^{\text{popcnt}(a_{i,1}\cap x)})(1-(-1)^{\text{popcnt}(a_{i,2}\cap x)})\cdots(1-(-1)^{\text{popcnt}(a_{i,m}\cap x)}) \\ &= 1 - \sum_{a=1}^m (-1)^{\text{popcnt}(a_{i,a}\cap x)} + \sum_{a=1}^m\sum_{b=a+1}^m (-1)^{\text{popcnt}(a_{i,a}\cap x)+\text{popcnt}(a_{i,b}\cap x)} - \\ & \sum_{a=1}^m\sum_{b=a+1}^m\sum_{c=b+1}^m (-1)^{\text{popcnt}(a_{i,a}\cap x)+\text{popcnt}(a_{i,b}\cap x)+\text{popcnt}(a_{i,c}\cap x)} + \cdots \end{align} \]

然后我们有一个性质：

\[\large (-1)^{\sum_{i=1}^n\text{popcnt}(a_i\cap x)}=(-1)^{\text{popcnt}((\oplus_{i=1}^na_i)\cap x)} \]

也就是 \(\sum_{i=1}^n\text{popcnt}(a_i\cap x)\) 的奇偶性与 \(\text{popcnt}((\oplus_{i=1}^na_i)\cap x)\) 的相同。这点在上面的新的运算符 \(\circ\) 的性质中有类似的体现。

容易得到：

\[\large\begin{align} &=1 - \sum_{a=1}^m (-1)^{\text{popcnt}(a_{i,a}\cap x)} + \sum_{a=1}^m\sum_{b=a+1}^m (-1)^{\text{popcnt}(a_{i,a}\cap x)+\text{popcnt}(a_{i,b}\cap x)} - \\ & \sum_{a=1}^m\sum_{b=a+1}^m\sum_{c=b+1}^m (-1)^{\text{popcnt}(a_{i,a}\cap x)+\text{popcnt}(a_{i,b}\cap x)+\text{popcnt}(a_{i,c}\cap x)} + \cdots \\ &=1 - \sum_{a=1}^m (-1)^{\text{popcnt}(a_{i,a}\cap x)} + \sum_{a=1}^m\sum_{b=a+1}^m (-1)^{\text{popcnt}((a_{i,a}\oplus a_{i,b})\cap x)} - \\ & \sum_{a=1}^m\sum_{b=a+1}^m\sum_{c=b+1}^m (-1)^{\text{popcnt}((a_{i,a}\oplus a_{i,b}\oplus a_{i,c})\cap x)} + \cdots \\ \end{align} \]

我们发现一加一减的可以容斥，我们容斥计算 \(f_i\) 表示 \(n\) 行的所有式子中 \((-1)^i\) 前面的系数和。

// num 处理到第几列
// x 当前的指数
// mu 当前的系数（+1 or -1）
void dfs(ll *a, ll num, ll x, ll mu) {
	if(num > m) {
		f[x] += mu;
		return;
	}
	dfs(a, num + 1, x, mu);	// 不加入第 num 列，系数不变
	dfs(a, num + 1, x ^ a[num], -mu);
}

这样我们就可以进一步化简：

\[\begin{align} &= \sum_{i=0}^{2^k-1} f_{x\cap i}(-1)^{x\cap i} \end{align} \]

我们突然发现后面这个 \((-1)^i\) 取值只有两种，当 \(x\cap i\) 是奇数时取值为 \(-1\)，否则为 \(1\)。

好了，现在我们的问题转换为了求出：

\[\sum_{\text{popcnt}(x\cap i)\bmod2=0} f_i-\sum_{\text{popcnt}(x\cap i)\bmod2=1} f_i \]

这不就是 FWT 中的异或变换吗：

\[A_i=\sum_{i\circ j=0}a_j-\sum_{i\circ j=1}a_j \]

综上，我们发现这题就是推式子容斥之后得到 FWT 的形式。

原题需要将输出加密：

\[\bigoplus\limits_{x = 0}^{2^k - 1} (\text{cnt}(x) \times 3^x \bmod (10^9 + 7)) \]

#include <bits/stdc++.h>
#define ll long long
using namespace std;
const ll P = 1e9 + 7;
#define N 100010
#define M 20
#define K 21
ll n, m, k;
ll f[1 << K];
ll a[N][M];
// num 处理到第几列
// x 当前的指数
// mu 当前的系数（+1 or -1）
void dfs(ll *a, ll num, ll x, ll mu) {
	if(num > m) {
		f[x] += mu;
		return;
	}
	dfs(a, num + 1, x, mu);	// 不加入第 num 列，系数不变
	dfs(a, num + 1, x ^ a[num], -mu);
}
void Xor(ll *a, ll type) {
	for(ll x = 2; x <= (1 << k); x <<= 1) {
		ll z = x >> 1;
		for(ll i = 0; i < (1 << k); i += x) {
			for(ll j = 0; j < z; j ++) {
				(a[i + j] += a[i + j + z]) %= P;
				(a[i + j + z] = a[i + j] - 2 * a[i + j + z]) %= P;
				(a[i + j] *= type) %= P;
				(a[i + j + z] *= type) %= P;
			}
		}
	}
}
ll qpow(ll x, ll y) {
	if(y == 0) return 1;
	if(y % 2 == 1) return x * qpow(x, y - 1) % P;
	ll tmp = qpow(x, y / 2);
	return tmp * tmp % P;
}
int main() {
	while(scanf("%lld %lld %lld", &n, &m, &k) != EOF) {
		for(ll i = 0; i < (1 << k); i ++) f[i] = 0;
		for(ll i = 1; i <= n; i ++) {
			for(ll j = 1; j <= m; j ++) {
				scanf("%lld", &a[i][j]);
			}
			dfs(a[i], 1, 0, 1);
		}
		Xor(f, 1);
		ll pw = 1, inv = qpow(1 << m, P - 2), ans = 0;
		for(ll i = 0; i < (1 << k); i ++) {
			ans ^= f[i] * pw % P * inv % P;
			(pw *= 3) %= P;
		}
		printf("%lld\n", ans);
	}
}

「AT ABC212H」 Nim Counting

给定两个数 \(N,K\)，以及一个长度为 \(K\) 的整数数组 \((A_1,A_2,\cdots, A_K)\)。

两个人玩 Nim 游戏。

现在通过以下方式生成一个游戏：

任意选择一个 \(1\le M\le N\)，\(M\) 表示石子堆数。

对于每一堆，其石子数是 \(A\) 中任意一个数。

对于 \(\sum_{i=1}^N K^i\) 种游戏，求先手获胜的游戏数，答案对 \(998244353\) 取模。

\(n\le2\times10^5,K\le2^{16},a_i\le2^{16}\)

根据玩 Nim 游戏的经验，可以发现先手获胜当且仅当 \(\bigoplus_{i=0}^n A_i\neq 0\)。

所以我们定义 dp 式子 \(f_{i,j}\) 表示有 \(i\) 个石堆，且石堆异或和为 \(j\) 的获胜方案数，有：

\[f_{i-1,j}\to \sum_{k=1}^Kf_{i,j\oplus a_k} \]

答案就是 \(\sum_{i=1}^n\sum_{j\neq0} f_{i,j}\)。

直接转移是朴素的，发现上面的式子刚好是 FWT 异或操作，也就是：

\[f_{i,j}=\sum_{k\oplus x=j} f_{i-1,k}a_x \]

我们定义 \(a\) 是一个全是 \(1\) 的数组即可。

同时，我们发现其实不需要真的进行 \(n\) 次卷积，其实只需要将 FWT 变换过之后的结果 \(A\)，求出 \(A+A^2+A^3+\cdots+A^n\) 即可。

上面的可以通过等比数列求和公式计算。

#include <bits/stdc++.h>
using namespace std;
#define ll long long
#define P 998244353
const ll K = 1 << 20; 
ll n, k, ans;
ll f[K];
void FWT(ll *a, ll type) {
	for(ll x = 2; x <= K; x <<= 1) {
		ll k = x >> 1;
		for(ll i = 0; i < K; i += x) {
			for(ll j = 0; j < k; j ++) {
				(a[i + j] += a[i + j + k]) %= P;
				(a[i + j + k] = a[i + j] - 2 * a[i + j + k]) %= P;
				(a[i + j] *= type) %= P;
				(a[i + j + k] *= type) %= P;
			}
		}
	}
}
ll qpow(ll x, ll y) {
	if(y == 0) return 1;
	if(y % 2 == 1) return x * qpow(x, y - 1) % P;
	ll tmp = qpow(x, y / 2);
	return tmp * tmp % P;
}
int main() {
	scanf("%lld %lld", &n, &k);
	for(ll i = 1; i <= k; i ++) {
		ll x;
		scanf("%lld", &x);
		f[x] ++;
	}
	FWT(f, 1);
	for(ll i = 0; i < K; i ++) {
		if(f[i] == 1) f[i] = n;
		else {
			f[i] = f[i] * (qpow(f[i], n) - 1) % P * qpow(f[i] - 1, P - 2) % P;
		}
	}
	FWT(f, 499122177);
	for(ll i = 1; i < K; i ++) {
		(ans += f[i]) %= P;
	}
	printf("%lld", (ans % P + P) % P);
}

「AT ARC100E」 Or Plus Max

给你一个长度为 \(2^n\) 的序列 \(a\)，每个\(1\le K\le 2^n-1\)，找出最大的 \(a_i+a_j\)（\(i \cup j \le K\)，\(0 \le i < j < 2^n\)）并输出。

\(n\le18\)

就是要求 \(\max_{i\cup j=k} a_i+a_j\)。

我们维护 \(f_{i}\) 表示 \(\max_{i\cup j=i} a_i\)，\(g_i=\text{max2}_{i\cup j=i} a_i\)，\(\text{max2}\) 表示次大值。

然后就像 FWT 的或变换一样了。

#include <bits/stdc++.h>
using namespace std;
#define ll long long
const ll N = 1 << 18;
ll n;
struct node {
	ll mx1, mx2;
	node(ll a = 0, ll b = 0):mx1(a), mx2(b) {}
	friend node operator +(const node &x, const node &y) {
		if(x.mx1 > y.mx1) {
			return node(x.mx1, max(x.mx2, y.mx1));
		}
		return node(y.mx1, max(y.mx2, x.mx1));
	}
} a[N];
void FWT(node *a) {
	for(ll x = 2; x <= n; x <<= 1) {
		ll k = x >> 1;
		for(ll i = 0; i < n; i += x) {
			for(ll j = 0; j < k; j ++) {
				a[i + j + k] = a[i + j] + a[i + j + k];
			}
		}
	}
}
int main() {
	scanf("%lld", &n);
	n = 1 << n;
	for(ll i = 0; i < n; i ++) {
		scanf("%lld", &a[i].mx1);
	}
	FWT(a);
	for(ll i = 0; i < n; i ++) {
		a[i].mx1 = a[i].mx1 + a[i].mx2;
	}
	ll ans = 0;
	for(ll i = 1; i < n; i ++) {
		ans = max(ans, a[i].mx1);
		printf("%lld\n", ans);
	}
}

「HDU 6618」 Good Numbers

定义一个正整数 \(n\) 是好数当且仅当 \(n\) 在 8 进制表示下所有的数码出现的次数为 3 的倍数（出现 0 次亦可）。

有多少个 \(k\) 位的 8 进制数（不含前导 0），满足这个数是好的，且是 \(p\) 的倍数。对 \(10^9+9\) 取模。

例如：当 \(k=3,p=2\) 时，好数有 \(222,444,666\) 三个。

\(k\le10^{18},p<8\)

考虑状压 dp，设 \(f_{i,s,j}\) 表示第 \(i\) 位，\(8\) 种数出现次数对 \(3\) 取模的状压情况，以及数对 \(p\) 取模的结果为 \(j\)。

答案就是 \(f_{k,0,0}\)。

直接暴力枚举位数转移是朴素的，瓶颈在于 \(k\)，考虑优化掉 \(k\)。

发现我们可以使用像快速幂一样的方法，也就是倍增 dp。

转移公式就是：

\[f_{2i,s_1\oplus s_2,j_1+t\times j_2}\gets f_{i,s_1,j_1}f_{i,s_2,j_2} \]

其中 \(t\) 是转移的位数，而 \(\oplus\) 在这里是不进位三进制加法。

发现这样多了瓶颈——我们需要枚举 \(s_1\) 和 \(s_2\)。

但是我们发现这不就是 FWT 中异或的形式吗：\(c_{i\oplus j}\gets a_ib_j\)。考虑三进制 FWT 加速。下面给出 FWT 的代码，w1 是原根的一次方，w2 是原根的二次方：

void FWT(ll *a, ll type) {
	for (ll x = 3; x <= N; x *= 3) {
		ll k = x / 3;
		for (ll i = 0; i < N; i += x) {
			for (ll j = 0; j < k; j ++) {
				for (ll l = 0; l < 3; l++) tmp1[l] = a[i + j + l * k];
				if (type == 1) {
					tmp2[0] = (tmp1[0] + tmp1[1] + tmp1[2]) % P;
					tmp2[1] = (tmp1[0] + tmp1[1] * w1 + tmp1[2] * w2) % P;
					tmp2[2] = (tmp1[0] + tmp1[1] * w2 + tmp1[2] * w1) % P;
				} else {
					tmp2[0] = (tmp1[0] + tmp1[1] + tmp1[2]) % P;
					tmp2[1] = (tmp1[0] + tmp1[1] * w2 + tmp1[2] * w1) % P;
					tmp2[2] = (tmp1[0] + tmp1[1] * w1 + tmp1[2] * w2) % P;
					for (ll l = 0; l < 3; l++) (tmp2[l] *= inv3) %= P;
				}
				for (ll l = 0; l < 3; l++) a[i + j + l * k] = tmp2[l];
			}
		}
	}
}

因为 \(1e9+9\) 存在原根 \(2\)，然后就朴素实现了，注意位矩阵：

\[\begin{bmatrix} 1 & 1 & 1 \\ 1 & \omega_{3}^1 & \omega_{3}^2 \\ 1 & \omega_{3}^2 & \omega_{3}^4 \\ \end{bmatrix} \]

代码：

#include <bits/stdc++.h>
using namespace std;
#define ll long long
const ll P = 1e9 + 9;
ll qpow(ll x, ll y) {
	if(y == 0) return 1;
	if(y % 2 == 1) return x * qpow(x, y - 1) % P;
	ll tmp = qpow(x, y / 2);
	return tmp * tmp % P; 
}
const ll G = 2;
const ll w1 = qpow(G, (P - 1) / 3);
const ll w2 = qpow(G, (P - 1) / 3 * 2);
const ll inv3 = qpow(3, P - 2);
const ll N = 3 * 3 * 3 * 3 * 3 * 3 * 3 * 3;
ll n, p;
ll tmp[8][N], res[8][N], one[8][N];
ll a[8][N], b[8][N];
ll pw3[8];
ll tmp1[3], tmp2[3];
void FWT(ll *a, ll type) {
	for (ll x = 3; x <= N; x *= 3) {
		ll k = x / 3;
		for (ll i = 0; i < N; i += x) {
			for (ll j = 0; j < k; j ++) {
				for (ll l = 0; l < 3; l++) tmp1[l] = a[i + j + l * k];
				if (type == 1) {
					tmp2[0] = (tmp1[0] + tmp1[1] + tmp1[2]) % P;
					tmp2[1] = (tmp1[0] + tmp1[1] * w1 + tmp1[2] * w2) % P;
					tmp2[2] = (tmp1[0] + tmp1[1] * w2 + tmp1[2] * w1) % P;
				} else {
					tmp2[0] = (tmp1[0] + tmp1[1] + tmp1[2]) % P;
					tmp2[1] = (tmp1[0] + tmp1[1] * w2 + tmp1[2] * w1) % P;
					tmp2[2] = (tmp1[0] + tmp1[1] * w1 + tmp1[2] * w2) % P;
					for (ll l = 0; l < 3; l++) (tmp2[l] *= inv3) %= P;
				}
				for (ll l = 0; l < 3; l++) a[i + j + l * k] = tmp2[l];
			}
		}
	}
}
ll base = 1;
void fun(ll x) {
	if(x == 1) {
		memset(res, 0, sizeof res);
		memset(tmp, 0, sizeof tmp);
		memset(one, 0, sizeof one);
		for(ll i = 1; i < 8; i ++) res[i % p][pw3[i]] = 1;
		for(ll i = 0; i < 8; i ++) tmp[i % p][pw3[i]] = 1;
		for(ll i = 0; i < 8; i ++) one[i % p][pw3[i]] = 1;
		for (int i = 0; i < p; i ++) {
			FWT(tmp[i], 1);
			FWT(res[i], 1);
			FWT(one[i], 1);
		}
		base = 8 % p;
		return;
	}
	if(x % 2 == 1) {
		fun(x - 1);
		memset(a, 0, sizeof a);
		memset(b, 0, sizeof b);
		for (ll i = 0; i < p; i ++) {
			for (ll j = 0; j < p; j ++) {
				ll k = (i * 8 + j) % p;
				for (ll x = 0; x < N; x ++)
					(a[k][x] += tmp[i][x] * one[j][x]) %= P,
					(b[k][x] += res[i][x] * one[j][x]) %= P;
			}
		}
		memcpy(tmp, a, sizeof a);
		memcpy(res, b, sizeof b);
		(base *= 8) %= P;
		return;
	}
	fun(x / 2);
	memset(a, 0, sizeof a);
	memset(b, 0, sizeof b);
	for (ll i = 0; i < p; i ++) {
		for (ll j = 0; j < p; j ++) {
			ll k = (i * base + j) % p;
			for (ll x = 0; x < N; x ++)
				(a[k][x] += tmp[i][x] * tmp[j][x]) %= P,
				(b[k][x] += res[i][x] * tmp[j][x]) %= P;
		}
	}
	memcpy(tmp, a, sizeof a);
	memcpy(res, b, sizeof b);
	(base *= base) %= p;
}
int main() {
	pw3[0] = 1;
	for(ll i = 1; i <= 8; i ++) {
		pw3[i] = pw3[i - 1] * 3;
	}
	while(scanf("%lld %lld", &n, &p) != EOF) {
		fun(n);
		FWT(res[0], -1);
		printf("%lld\n", res[0][0]);
	}
}

「CF 1103E」Radix sum

给定一个长度为 \(n\) 的序列 \(a_1,a_2,...,a_n\)，对于每一个 \(p \in [0,n-1]\)，求满足下列条件的整数序列 \(i_1,i_2,...,i_n\) 的方案数，对 \(2^{58}\) 取模：

\(\forall j \in [1,n] , i_j \in [1,n]\)；

\(\sum\limits_{j=1}^n a_{i_j} = p\)，这里的加法定义为十进制不进位加法。

\(n\le10^5,a_i\le10^5\)

我们可以想到 dp：设计状态 \(f_{i,s}\) 表示考虑到第 \(i\) 个数，当前加法状态为 \(s\)。因为 FWT 变换时线性的，可以先变换为 FWT 点值表示法，然后变成自己的 \(n\) 次幂，最后再变换回来。

上面是平凡的，但是题目给出了模数 \(2^{58}\)。发现没有单位根，所以考虑扩域。

这里的分圆多项式 \(\Phi_{10}(x)=x^4-x^3+x^2-x+1\)。

然而我们发现 IFWT 时，需要除去进制 \(10\)，然而我们发现 \(10\) 在 \(2^{58}\) 下没有逆元。实际上我们发现 \(5\) 在 \(2^{58}\) 下是有逆元的：\(57646075230342349\)，我们只需要再除去一个 \(2\) 就可以了。设已经除以了 \(5\) 的答案为 \(x\)，真正的答案为 \(y\)，也就是 \(2^5y\equiv x\pmod{2^{64}}\)，显然，我们有 \(y\equiv \frac{x}{2^5}\pmod{2^{64-5}}\)，也就是 \(y\equiv \frac{x}{2^5}\pmod{2^{59}}\)，所以直接将最后的答案除以 \(2^5\) 即可。虽然出题人不知道为什么要模 \(2^{58}\)，但再取下模即可。

然后就是平凡实现了：

#include <bits/stdc++.h>
using namespace std;
#define ll unsigned long long
const ll P = 1ull << 58, N = 1e5 + 10;
const ll m = 5, K = 10;
ll inv5;
ll n;
ll pw[m + 1];
ll qpow(ll x, ll y) {
	if(y == 0) return 1;
	if(y % 2 == 1) return x * qpow(x, y - 1);
	ll tmp = qpow(x, y / 2);
	return tmp * tmp;
}
struct poly {
	ll a[30];
	poly() {memset(a, 0, sizeof a);}
	ll operator [](ll x) const {return a[x];}
	ll& operator [](ll x) {return a[x];}
	friend poly operator *(const poly &x, const poly &y) {
		poly z;
		for(ll i = 0; i < K; i ++) {
			for(ll j = 0; j < K; j ++) {
				z[(i + j) % K] += x[i] * y[j];
			}
		}
		return z;
	}
	friend poly operator *(const poly &x, const ll &y) {
		poly z;
		for(ll i = 0; i < K; i ++) {
			z[i] += x[i] * y;
		}
		return z;
	}
	friend poly operator +(const poly &x, const poly &y) {
		poly z;
		for(ll i = 0; i < K; i ++) {
			z[i] += x[i] + y[i];
		}
		return z;
	}
	poly w(ll x) {
		poly res;
		for(ll i = 0; i < K; i ++) {
			res[(i + x) % K] += a[i];
		}
		return res;
	}
} T, f[N], one;
poly qpow(poly x, ll y) {
	if(y == 0) return one;
	if(y % 2 == 1) return x * qpow(x, y - 1);
	poly tmp = qpow(x, y / 2);
	return tmp * tmp;
}
poly tmp1[30], tmp2[30];
void FWT(poly *a, ll type) {
	for(ll x = K; x <= pw[m]; x *= K) {
		ll k = x / K;
		for(ll i = 0; i < pw[m]; i += x) {
			for(ll j = 0; j < k; j ++) {
				for(ll l = 0; l < K; l ++) tmp1[l] = a[i + j + l * k], tmp2[l] = poly();
				if(type == 1) {
					for(ll l = 0; l < K; l ++) {
						for(ll v = 0; v < K; v ++) {
							tmp2[l] = tmp2[l] + tmp1[v].w(l * v % K);
						}
					}
					for(ll l = 0; l < K; l ++) a[i + j + l * k] = tmp2[l];
				} else {
					for(ll l = 0; l < K; l ++) {
						for(ll v = 0; v < K; v ++) {
							tmp2[l] = tmp2[l] + tmp1[v].w((K - (l * v % K)) % K);
						}
					}
					for(ll l = 0; l < K; l ++) a[i + j + l * k] = tmp2[l] * inv5;
				}
			}
		}
	}
}
ll mod(poly x){
	ll n = 4;
	for(ll i = K - 1; i >= n; i --){
		ll u = x[i];
		for(ll j = 1; j <= n; j ++) x[i - j] -= u * T[n - j];
	}
	ll u = x[0];
	u >>= m;
	return u % P;
}
int main() {
	pw[0] = 1;
	for(ll i = 1; i <= m; i ++) pw[i] = pw[i - 1] * K;
	T[0] = 1, T[1] = -1, T[2] = 1, T[3] = -1, T[4] = 1;	// 分圆多项式phi10
	one[0] = 1;
	inv5 = 57646075230342349ull;
	scanf("%llu", &n);
	for(ll i = 1; i <= n; i ++) {
		ll x;
		scanf("%llu", &x);
		f[x][0] ++;
	}
	FWT(f, 1);
	for(ll i = 0; i < pw[m]; i ++) f[i] = qpow(f[i], n);
	FWT(f, -1);
	for(ll i = 0; i < n; i ++) cout<<mod(f[i])<<'\n';
}

热门相关：嫁入豪门后我养崽盘大佬美漫大幻想九阳剑圣我的末世基地车风流医圣