【数论算法】快速幂
本文介绍了快速幂算法的概述以及代码实现。
本文参考
LeetCode 50.Pow(x, n)
1.概述
(1)快速幂 (Fast Power),顾名思义,就是快速算底数 x 的 n 次幂。其核心思想就是每一步都把指数减半,而相应的底数做平方运算。这样不仅能把非常大的指数给快速变小,所需要执行的循环次数也变小,而最后表示的结果不会变化。
(2)快速幂算法的本质是分治算法。例如我们要计算 x 64 x^{64} x64 ,我们可以按照:
x x x → x 2 x^2 x2 → x 4 x^4 x4 → x 8 x^8 x8 → x 16 x^{16} x16 → x 32 x^{32} x32 → x 64 x^{64} x64
的顺序,从 x 开始,每次直接把上一次的结果进行平方,计算 6 次就可以得到 x 64 x^{64} x64 的值,而不需要对 x 乘 63 次 x。而如果我们要计算 x 77 x^{77} x77,我们可以按照:
x x x → x 2 x^2 x2 → x 4 x^4 x4 → x 9 x^9 x9 → x 19 x^{19} x19 → x 38 x^{38} x38 → x 77 x^{77} x77
的顺序,在 x x x → x 2 x^2 x2、 x 2 x^2 x2 → x 4 x^4 x4、 x 19 x^{19} x19 → x 38 x^{38} x38 这些步骤中,我们直接把上一次的结果进行平方;而在 x 4 x^4 x4 → x 9 x^9 x9、 x 9 x^9 x9 → x 19 x^{19} x19、 x 38 x^{38} x38 → x 77 x^{77} x77 这些步骤中,我们把上一次的结果进行平方后,还要额外乘一个 x。
(3)直接从左到右进行推导看上去很困难,因为在每一步中,我们不知道在将上一次的结果平方之后,还需不需要额外乘 x。但如果我们从右往左看,分治的思想就十分明显了:
- 当我们要计算 x n x^n xn 时,我们可以先递归地计算出 y = x ⌊ n / 2 ⌋ y = x^{\lfloor n/2 \rfloor} y=x⌊n/2⌋ ,其中 ⌊ a ⌋ \lfloor a \rfloor ⌊a⌋ 表示对 a 进行下取整;
- 根据递归计算的结果,如果 n 为偶数,那么 x n x^n xn = y 2 y^2 y2;如果 n 为奇数,那么 x n x^n xn = y 2 y^2 y2 * x x x;
- 递归的边界为 n = 0,任意数的 0 次方均为 1。
(4)由于每次递归都会使得指数减少一半,因此递归的层数为 log2n,,故其时间复杂度为 O(log2n),与朴素的 O(n) 方法(即 n 个底数直接相乘)相比效率有了极大的提高。
2.代码实现
(1)快速幂的递归代码如下,其时间复杂度为 O(log2n)。
class Solution {
//求 x 的 n 次幂
public double myPow(double x, int n) {
long N = n;
if (N >= 0) {
return quickMul(x, N);
} else {
return 1.0 / quickMul(x, N);
}
}
private double quickMul(double x, long N) {
if (N == 0) {
return 1.0;
}
double y = quickMul(x, N / 2);
if (N % 2 == 0) {
return y * y;
} else {
return y * y * x;
}
}
}
(2)快速幂的非递归代码如下,其时间复杂度为 O(log2n)。
class Solution {
//求 x 的 n 次幂
public double myPow(double x, int n) {
long N = n;
if (N >= 0) {
return quickMul(x, N);
} else {
return 1.0 / quickMul(x, -N);
}
}
private double quickMul(double x, long N) {
double res = 1.0;
//贡献的初始值为 x
double xContribute = x;
//在对 N 进行二进制拆分的同时计算答案
while (N > 0) {
if (N % 2 == 1) {
// 如果 N 二进制表示的最低位为 1,那么需要计入贡献
res *= xContribute;
}
//将贡献不断地平方
xContribute *= xContribute;
//舍弃 N 二进制表示的最低位,这样我们每次只要判断最低位即可
N /= 2;
}
return res;
}
}
更多推荐
所有评论(0)