筆者最近在研究數學中的一些算法在實際生活中的應用,其中不乏快速傅里葉變換,發現這個算法在實際生活中運用確實很廣,而且FFT在多項式相乘的過程中可以減少運算,提高程序的效率,例如求卷積的過程。接下來我用代碼來進行解釋(借鑑自斯坦福大學):
#include <complex>
#include <iostream>
#include <valarray>
const double PI = 3.141592653589793238460;
typedef std::complex<double> Complex;
typedef std::valarray<Complex> CArray;
// 更高的內存需求,雖然很直觀
void fft(CArray& x)
{
const size_t N = x.size();
if (N <= 1) return;
// 分治
CArray even = x[std::slice(0, N / 2, 2)]; //相等
CArray odd = x[std::slice(1, N / 2, 2)]; //相反
// 迭代
fft(even);
fft(odd);
// 結合
for (size_t k = 0; k < N / 2; ++k)
{
Complex t = std::polar(1.0, -2 * PI * k / N) * odd[k];
x[k] = even[k] + t;
x[k + N / 2] = even[k] - t;
}
}
void dft(CArray &x)
{
// DFT
unsigned int N = x.size(), k = N, n;
double thetaT = 3.14159265358979323846264338328L / N;
Complex phiT = Complex(cos(thetaT), -sin(thetaT)), T;
while (k > 1)
{
n = k;
k >>= 1; //將所有位向右移動一位不足的補0其實是除以2
//例如100轉化爲010 即4變爲2這樣實現的更快的二進制操作
phiT = phiT * phiT; //複數相乘
T = 1.0L;
for (unsigned int l = 0; l < k; l++)
{
for (unsigned int a = l; a < N; a += n)
{
unsigned int b = a + k;
Complex t = x[a] - x[b];
x[a] += x[b];
x[b] = t * T;
}
T *= phiT;
}
}
// 消項
unsigned int m = (unsigned int)log2(N);
for (unsigned int a = 0; a < N; a++)
{
unsigned int b = a;
// 反轉位
b = (((b & 0xaaaaaaaa) >> 1) | ((b & 0x55555555) << 1)); //| 或運算符
b = (((b & 0xcccccccc) >> 2) | ((b & 0x33333333) << 2)); //如果不懂請自行百度,還可以留言問我
b = (((b & 0xf0f0f0f0) >> 4) | ((b & 0x0f0f0f0f) << 4));
b = (((b & 0xff00ff00) >> 8) | ((b & 0x00ff00ff) << 8));
b = ((b >> 16) | (b << 16)) >> (32 - m);
if (b > a)
{
Complex t = x[a];
x[a] = x[b];
x[b] = t;
}
}
//// 正常化
//Complex f = 1.0 / sqrt(N);
//for (unsigned int i = 0; i < N; i++)
// x[i] *= f;
}
// 求FFT的逆矩陣(求出卷積後的多項式的係數)
void ifft(CArray& x)
{
// 共軛複數
x = x.apply(std::conj);
//快速處理
fft(x);
// 再次求其共軛複數
x = x.apply(std::conj);
// 將其規範化,變爲係數
x /= x.size();
}
int main()
{
const Complex test[] = { 1.0, 1.0, 1.0, 1.0, 0.0, 0.0, 0.0, 0.0 };
CArray data(test, 8);
// forward fft
fft(data);
std::cout << "fft" << std::endl;
for (int i = 0; i < 8; ++i)
{
std::cout << data[i] << std::endl;
}
// inverse fft·
ifft(data);
std::cout << std::endl << "ifft" << std::endl;
for (int i = 0; i < 8; ++i)
{
std::cout << data[i] << std::endl;
}
return 0;
}
運行後的結果爲:
fft
(4,0)
(1,-2.41421)
(0,0)
(1,-0.414214)
(0,0)
(1,0.414214)
(0,0)
(1,2.41421)
ifft
(1,-0)
(1,-5.55112e-17)
(1,2.4895e-17)
(1,-5.55112e-17)
(5.55112e-17,0)
(5.55112e-17,5.55112e-17)
(0,-2.4895e-17)
(5.55112e-17,5.55112e-17)
以上便是FFT的C++實現,如果對FFT不懂的可以私信問我,代碼簡單的實現了FFT,還可以對其他的多項式相乘進行優化,有興趣的小夥伴可以繼續研究。