快速数论变换(Number Theoretic Transform)

发表于 2022-05-01 更新于 2022-05-19 分类于 Data Structures and Algorithms Waline：阅读次数：本文字数： 4.1k 阅读时长 ≈ 4 分钟

By Long Luo

之前的文章快速傅里叶变换(FFT)算法和快速傅里叶变换(FFT)算法的实现及优化详细介绍了 $\textit{FFT}$ 的具体实现及其实现。

$\textit{FFT}$ 优点很多，但缺点也很明显。例如单位复根的实部和虚部分别是一个正弦及余弦函数，有大量浮点数计算，计算量很大，而且浮点数运算产生的误差会比较大。

如果我们操作的对象都是整数的话，其实数学家已经发现了一个更好的方法：快速数论变换 $\textit{(Number Theoretic Transform)}$ ^[1]。

快速数论变换(NTT)

$\textit{FFT}$ 的本质是什么？

将卷积操作变成了乘法操作。

是什么让 $\textit{FFT}$ 做到了 $O(nlogn)$ 的复杂度？

是单位复根。

那有没有什么其他的东西也拥有单位根的这些性质呢？

答案当然是有的，原根^[2]就具有和单位根一样的性质。

所以快速数论变换 $\textit{NTT}$ 就是以数论为基础的具有循环卷积性质的，用有限域上的单位根来取代复平面上的单位根的 $\textit{FFT}$ 。

原根

仿照单位复数根的形式，也将原根的取值看成一个圆，不过这个圆上只有有限个点，每个点表达的是模数的剩余系中的值。

在 $\textit{FFT}$ 中，我们总共用到了单位复根的这些性质：

$n$ 个单位复根互不相同；
$\omega_n^k=\omega_{2n}^{2k}$ ；
$\omega_n^{k}=-\omega_n^{k+n/2}$ ；
$\omega_n^a\times\omega_n^b=\omega_n^{a+b}$ 。

我们发现原根具有和单位复根一样的性质，简单证明^[3]：

令 $n$ 为大于 $1$ 的 $2$ 的幂， $p$ 为素数且 $n \mid (p-1)$ ， $g$ 为 $p$ 的一个原根。

我们设 $g_n=g^{\frac{p-1}{n}}$ ：

$g_n^n=g^{n\cdot\frac{p-1}{n}}=g^{p-1}$
$g_n^{\frac{n}{2}}=g^{\frac{p-1}{2}}$
$g_{an}^{ak}=g^{\frac{ak(p-1)}{an}}=g^{\frac{k(p-1)}{n}}=g_n^k$

显然

$g_n^n \equiv 1 \pmod p$
$g_n^{\frac{n}{2}} \equiv -1 \pmod p$
$(g_n^{k+\frac{n}{2}})^2=g_n^{2k+n} \equiv g_n^{2k} \pmod p$

证毕。

所以将 $g_n^k$ 和 $g_n^{k+\frac{n}2}$ 带入本质上和将 $\omega_n^{k}$ 和 $\omega_n^{k+\frac{n}{2}}$ 带入的操作无异。

利用Vandermonde矩阵性质，类似 $\textit{NTT}$ 那样，我们可以从 $\textit{NTT}$ 变换得到逆变换 $\textit{INTT}$ 变换，设 $x(n)$ 为整数序列，则有：

$\textit{NTT}$ : $X(m) = \sum\limits_{i=0}^{N}x(n)a^{mn} \pmod M$

$\textit{INTT}$ : $X(m) = N^{-1}\sum\limits_{i=0}^{N}x(n)a^{-mn} \pmod M$

这里 $N^{-1}$ ， $a^{-mn} \pmod M$ 为模意义下的乘法逆元。

当然， $\textit{NTT}$ 也是有自己的缺点的：比如不能够处理小数的情况，以及不能够处理没有模数的情况。对于模数的选取也有一定的要求，首先是必须要有原根，其次是必须要是 $2$ 的较高幂次的倍数。

NTT 实现

通过上面的分析，开始写代码吧:-)

$\textit{NTT}$ 也有递归版(Recursion)和迭代版(Iteration) $2$ 种实现：

递归版(Recursion)

const long long G = 3;
const long long G_INV = 332748118;
const long long MOD = 998244353;

vector<int> rev;

long long quickPower(long long a, long long b) {
    long long res = 1;

    while (b > 0) {
        if (b & 1) {
            res = (res * a) % MOD;
        }

        a = (a * a) % MOD;
        b >>= 1;
    }

    return res % MOD;
}

void ntt(vector<long long> &a, bool invert) {
    int n = a.size();

    if (n == 1) {
        return;
    }

    vector<long long> Pe(n / 2), Po(n / 2);

    for (int i = 0; 2 * i < n; i++) {
        Pe[i] = a[2 * i];
        Po[i] = a[2 * i + 1];
    }

    ntt(Pe, invert);
    ntt(Po, invert);

    long long wn = quickPower(invert ? G_INV : G, (MOD - 1) / n);
    long long w = 1;

    for (int i = 0; i < n / 2; i++) {
        a[i] = Pe[i] + w * Po[i] % MOD;
        a[i] = (a[i] % MOD + MOD) % MOD;
        a[i + n / 2] = Pe[i] - w * Po[i] % MOD;
        a[i + n / 2] = (a[i + n / 2] % MOD + MOD) % MOD;
        w = w * wn % MOD;
    }
}

迭代版(Iteration)

public:
    static const long long MOD = 998244353;
    static const long long G = 3;
    static const int G_INV = 332748118;
    vector<int> rev;

    long long quickPower(long long a, long long b) {
        long long res = 1;

        while (b > 0) {
            if (b & 1) {
                res = (res * a) % MOD;
            }

            a = (a * a) % MOD;
            b >>= 1;
        }

        return res % MOD;
    }

    void ntt(vector<long long> &a, bool invert = false) {
        int n = a.size();

        for (int i = 0; i < n; i++) {
            if (i < rev[i]) {
                swap(a[i], a[rev[i]]);
            }
        }

        for (int len = 2; len <= n; len <<= 1) {
            long long wlen = quickPower(invert ? G_INV : G, (MOD - 1) / len);

            for (int i = 0; i < n; i += len) {
                long long w = 1;
                for (int j = 0; j < len / 2; j++) {
                    long long u = a[i + j];
                    long long v = (w * a[i + j + len / 2]) % MOD;
                    a[i + j] = (u + v) % MOD;
                    a[i + j + len / 2] = (MOD + u - v) % MOD;
                    w = (w * wlen) % MOD;
                }
            }
        }

        if (invert) {
            long long inver = quickPower(n, MOD - 2);
            for (int i = 0; i < n; i++) {
                a[i] = (long long) a[i] * inver % MOD;
            }
        }
    }

复杂度分析

时间复杂度： $O((m+n)log(m+n))$ 。
空间复杂度： $O(m+n)$ 。

快速数论变换(NTT)

原根

NTT 实现

递归版(Recursion)

迭代版(Iteration)

复杂度分析

参考资料