码迷,mamicode.com
首页 > 其他好文 > 详细

多项式相乘快速算法原理及相应C代码实现---用到fft

时间:2014-09-02 10:21:34      阅读:291      评论:0      收藏:0      [点我收藏+]

标签:blog   http   os   使用   ar   for   文件   数据   div   

最近认真研究了一下算法导论里面的多项式乘法的快速计算问题,主要是用到了FFT,自己也实现了一下,总结如下。

1.多项式乘法

两个多项式相乘即为多项式乘法,例如:3*x^7+4*x^5+1*x^2+5与8*x^6+7*x^4+6*x^3+9两个式子相乘,会得到一个最高次数项为13的多项式。一般来说,普通的计算方法是:把A多项式中的每一项与B中多项式中的每一项相乘,得到n个多项式,再把每个多项式相加到一起,得到最终的结果,不妨假设A,B的最高次项都为n-1,长度都为n,那么计算最终的结果需要o(n^2)时间复杂度。而使用快速傅里叶变换(FFT),则可以将时间复杂度降低到o(nlog n)。这是因为,对一个复数序列做正/反快速傅里叶变换的时间复杂度都是o(nlog n),而变换后的序列逐项相乘即为原序列做多项式乘法的结果(多项式乘法相当于卷积)。所以,FFT可以降低多项式相乘运算的时间复杂度,具体的解释和证明在《算法导论》或者其他任何一本相关的算法书中都有详细描述,在此不再赘述。另外,需要注意的是,一些其他的运算也可以转化成多项式乘法,进而利用FFT来加快运算。例如:1.数字乘法运算,和多项式乘法类似,A*B的操作就是用A每一位上的数字乘以B每一位上的数字。尤其是在大数乘法中,FFT可以大幅度加快运算。2.给定A到B的不同长度路径详细数据,B到C的不同路径长度详细数据,求A到C不同长度路径的数量。可以把A到B和B到C不同长度的路径看成不同次数的项,例如:A到B有3条长度为4,2条长度为5的路径,B到C有1条长度为2,4条长度为3的路径,那么A到C不同长度路径的数量等于(3*x^4+2*x^5)*(4*x^3+1*x^2)得到的各项的系数,转化成多项式相乘问题之后,就可以利用FFT来加快运算速度了。

2.FFT

大多数人应该是只需要会用FFT即可,但是这个算法比较基础,因此我自己编程实现了一下,总的代码只有150行左右,其实不算长,当然,对输入序列长度不是2的整数次幂这种情况我没有相应的预处理,算是偷懒了。其实只要对长度取一下对数即可,例如:输入长度如果是37,首先把37*2,拓展成74(这个是FFT必须的),然后对74取log2上取整即可,得到27=128,因此在74后面再添加54个0。

另外,需要注意的一点是,reverse函数在FFT和IFFT中是必须的,不过鉴于多项式乘法需要成对进行FFT和IFFT,所以在做多项式乘法的时候,reverse应该是可以省略的(当然,这个函数的耗时很小)。w的值应该提前计算出来,这样在FFT和IFFT中蝶形计算每一项的时候,就不用重复计算w了,可以节省很多时间。

具体FFT的原理和解释,可以查维基、信息论、数字信号处理、随机过程等任一领域的教科书。

3.代码

程序主要包括FFT,IFFT函数,以及一些复数运算

3.1复数的定义和相关运算定义

bubuko.com,布布扣
//复数
struct Complex{
    double real;
    double image;
};
Complex a1[MAX_SIZE],a2[MAX_SIZE],result[MAX_SIZE],w[MAX_SIZE];
//复数相乘计算
Complex operator*(Complex a,Complex b){
    Complex r;
    r.real=a.real*b.real-a.image*b.image;
    r.image=a.real*b.image+a.image*b.real;
    return r;
}
//复数相加计算
Complex operator+(Complex a,Complex b){
    Complex r;
    r.real=a.real+b.real;
    r.image=a.image+b.image;
    return r;
}
//复数相减计算
Complex operator-(Complex a,Complex b){
    Complex r;
    r.real=a.real-b.real;
    r.image=a.image-b.image;
    return r;
}
//复数除法计算
Complex operator/(Complex a,double b){
    Complex r;
    r.real=a.real/b;
    r.image=a.image/b;
    return r;
}
//复数虚部反计算
Complex operator~(Complex a){
    Complex r;
    r.real=a.real;
    r.image=0-a.image;
    return r;
}
bubuko.com,布布扣

3.2FFT和IFFT函数及相关函数

其实FFT和IFFT的原理一样,只是IFFT多了一个除法步骤,也可以把两个合并成一个函数。Reverse用于重新排列输入数组的元素下标,例如输入数组长度为8,则0,1,2,3,4,5,6,7下标的元素经过重新排列后变为0,4,2,6,1,5,3,7下标的元素。Compute_W用于预先计算FFT中需要的w值。

bubuko.com,布布扣
//重新排列方法2,效率较高
void Reverse(int* id,int size,int m){
    for(int i=0;i<size;i++){
        for(int j=0;j<(m+1)/2;j++){
            int v1=(1<<(j)&i)<<(m-2*j-1);
            int v2=(1<<(m-j-1)&i)>>(m-2*j-1);
            id[i]|=(v1|v2);
        }
    }
};
bubuko.com,布布扣
bubuko.com,布布扣
//重新排列方法1,该方法是用pow函数效率比较低
void Reverse(int* id,int size,int m){
    for(int i=0;i<size;i++){
        for(int j=0;j<m;j++){
            int exp=(i>>j)&1;
            id[i]+=exp*(int)pow((double)2,(double)(m-j-1));
        }
    }
};
//计算并存储需要乘的w值 void Compute_W(Complex w[],int size){ for(int i=0;i<size/2;i++){ w[i].real=cos(2*PI*i/size); w[i].image=sin(2*PI*i/size); w[i+size/2].real=0-w[i].real; w[i+size/2].image=0-w[i].image; } }; //快速傅里叶 void FFT(Complex in[],int size){ int* id=new int[size]; memset(id,0,sizeof(int)*size); int m=log((double)size)/log((double)2); Reverse(id,size,m); //将输入重新排列,符合输出 Complex *resort= new Complex[size]; memset(resort,0,sizeof(Complex)*size); int i,j,k,s; for(i=0;i<size;i++) resort[i]=in[id[i]]; for(i=1;i<=m;i++){ s=(int)pow((double)2,(double)i); for(j=0;j<size/s;j++){ for(k=j*s;k<j*s+s/2;k++){ Complex k1= resort[k]+w[size/s*(k-j*s)]*resort[k+s/2]; resort[k+s/2]=resort[k]-w[size/s*(k-j*s)]*resort[k+s/2]; resort[k]=k1; } } } for(i=0;i<size;i++) in[i]=resort[i]; delete[] id; delete[] resort; }; //快速逆傅里叶 void IFFT(Complex in[],int size){ int* id=new int[size]; memset(id,0,sizeof(int)*size); int m=log((double)size)/log((double)2); Reverse(id,size,m); //将输入重新排列,符合输出 Complex *resort= new Complex[size]; memset(resort,0,sizeof(Complex)*size); int i,j,k,s; for(i=0;i<size;i++) resort[i]=in[id[i]]; for(i=1;i<=m;i++){ s=(int)pow((double)2,(double)i); for(j=0;j<size/s;j++){ for(k=j*s;k<j*s+s/2;k++){ Complex k1=(resort[k]+(~w[size/s*(k-j*s)])*resort[k+s/2]); resort[k+s/2]=(resort[k]-(~w[size/s*(k-j*s)])*resort[k+s/2]); resort[k]=k1; } } } for(i=0;i<size;i++) in[i]=resort[i]/size; delete[] id; delete[] resort; };
bubuko.com,布布扣

3.3主函数

输入两个多项式的系数(长度必须都是2的整数次幂),输出两个多项式相乘的结果

bubuko.com,布布扣
int main(){
    //输入两个多项式数列
    int size,size1,size2,i;
    memset(a1,0,sizeof(a1));
    memset(a2,0,sizeof(a2));
    memset(w,0,sizeof(w));
    memset(result,0,sizeof(result));
    scanf("%d%d",&size1,&size2);
    for(i=0;i<size1;i++)
        scanf("%lf",&a1[i].real);
    for(i=0;i<size2;i++)
        scanf("%lf",&a2[i].real);
    size=size1>size2?size1*2:size2*2;
    Compute_W(w,size);
    FFT(a1,size);
    FFT(a2,size);
    for(i=0;i<size;i++)
        result[i]=a1[i]*a2[i];
    IFFT(result,size);
    for(i=0;i<size1+size2-1;i++)
        printf("%.2lf ",result[i].real);
    printf("\n");
    return 0;
}
bubuko.com,布布扣

下面是完整的代码

CPP文件下载

多项式相乘快速算法原理及相应C代码实现---用到fft

标签:blog   http   os   使用   ar   for   文件   数据   div   

原文地址:http://www.cnblogs.com/pengkunfan/p/3950753.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!