Leetcode(69)——x 的平方根
题目
给你一个非负整数 x ,计算并返回 x 的 算术平方根 。
由于返回类型是整数,结果只保留 整数部分 ,小数部分将被 舍去 。
注意:不允许使用任何内置指数函数和算符,例如 pow(x, 0.5)
或者 x ** 0.5
。
示例 1:
输入:x = 4
输出:2
示例 2:
输入:x = 8
输出:2
解释:8 的算术平方根是 2.82842…, 由于返回类型是整数,小数部分将被舍去。
提示:
- 0 0 0 <= x <= 2 31 − 1 2^{31 - 1} 231−1
题解
方法一:暴力破解
思路
因为 x x x 的算术平方根向下取整的值一定在 [ 0 , x ] [0, x] [0,x] 中,所以直接暴力地从 0 0 0 遍历到 x x x,直到找到第一个平方大于 x x x 的值,它减去 1 1 1 就是我们要找到的值。
代码实现
我自己的:
class Solution {
public:
int mySqrt(int x) {
long n;
for(n = 0; n*n <= x; n++);
return n-1;
}
};
复杂度分析
时间复杂度:
O
(
x
)
O(x)
O(x),最坏情况是从
0
0
0 查找到
x
x
x 才找到
空间复杂度:
O
(
1
)
O(1)
O(1)。
方法二:二分查找
思路
由于 x x x 平方根的整数部分 ans \textit{ans} ans 是满足 k 2 ≤ x k^2 \leq x k2≤x 的最大 k k k 值,因此我们可以对 k k k 进行二分查找,从而得到答案。
二分查找的下界为 0 0 0,上界可以粗略地设定为 x x x。在二分查找的每一步中,我们只需要比较中间元素 mid \textit{mid} mid 的平方与 x x x 的大小关系,并通过比较的结果调整上下界的范围。由于我们所有的运算都是整数运算,不会存在误差,因此在得到最终的答案 ans \textit{ans} ans 后,也就不需要再去尝试 ans + 1 \textit{ans} + 1 ans+1 了。
代码实现
Leetcode 官方题解:
class Solution {
public:
int mySqrt(int x) {
int l = 0, r = x, ans = -1;
while (l <= r) {
int mid = l + (r - l) / 2;
if ((long long)mid * mid <= x) {
ans = mid;
l = mid + 1;
} else {
r = mid - 1;
}
}
return ans;
}
};
我的:
class Solution {
public:
int mySqrt(int x) {
long min = 0, max = x, mid;
while(min <= max){
mid = (min + max)/2;
if(mid*mid < x){
if((mid+1)*(mid+1) > x) break;
else min = mid+1;
}else if(mid*mid > x) max = mid-1;
else break;
}
return mid;
}
};
复杂度分析
时间复杂度:
O
(
l
o
g
x
)
O(logx)
O(logx),即为二分查找需要的次数。
空间复杂度:
O
(
1
)
O(1)
O(1)。
方法三:牛顿迭代法
思路
牛顿迭代法是一种可以用来快速求解函数零点的方法。
为了叙述方便,我们用
C
C
C 表示待求出平方根的那个整数。显然,
C
C
C 的平方根就是函数
y
=
f
(
x
)
=
x
2
−
C
y = f(x) = x^2 - C
y=f(x)=x2−C
的零点。
牛顿迭代法的本质是借助泰勒级数,从初始值开始快速向零点逼近。我们任取一个 x 0 x_0 x0 作为初始值,在每一步的迭代中,我们找到函数图像上的点 ( x i , f ( x i ) ) (x_i, f(x_i)) (xi,f(xi)),过该点作一条斜率为该点导数 f ′ ( x i ) f'(x_i) f′(xi) 的直线,与横轴的交点记为 x i + 1 x_{i+1} xi+1。 x i + 1 x_{i+1} xi+1 相较于 x i x_i xi 而言距离零点更近。在经过多次迭代后,我们就可以得到一个距离零点非常接近的交点。下图给出了从 x 0 x_0 x0 开始迭代两次,得到 x 1 x_1 x1 和 x 2 x_2 x2 的过程。
算法
我们选择 x 0 = C x_0 = C x0=C 作为初始值。
在每一步迭代中,我们通过当前的交点
x
i
x_i
xi,找到函数图像上的点
(
x
i
,
x
i
2
−
C
)
(x_i, x_i^2 - C)
(xi,xi2−C),作一条斜率为
f
′
(
x
i
)
=
2
x
i
f'(x_i) = 2x_i
f′(xi)=2xi 的直线,直线的方程为:
y
l
=
2
x
i
(
x
−
x
i
)
+
x
i
2
−
C
=
2
x
i
x
−
(
x
i
2
+
C
)
\begin{aligned} y_l &= 2x_i(x - x_i) + x_i^2 - C \\ &= 2x_ix - (x_i^2 + C) \end{aligned}
yl=2xi(x−xi)+xi2−C=2xix−(xi2+C)
与横轴的交点为方程
2
x
i
x
−
(
x
i
2
+
C
)
=
0
2x_ix - (x_i^2 + C) = 0
2xix−(xi2+C)=0 的解,即为新的迭代结果
x
i
+
1
x_{i+1}
xi+1:
x
i
+
1
=
1
2
(
x
i
+
C
x
i
)
x_{i+1} = \frac{1}{2}\left(x_i + \frac{C}{x_i}\right)
xi+1=21(xi+xiC)
在进行 k k k 次迭代后, x k x_k xk 的值与真实的零点 C \sqrt{C} C 足够接近,即可作为答案。
细节
- 为什么选择 x 0 = C x_0 = C x0=C 作为初始值?
因为 y = x 2 − C y = x^2 - C y=x2−C 有两个零点 − C -\sqrt{C} −C 和 C \sqrt{C} C。如果我们取的初始值较小,可能会迭代到 − C -\sqrt{C} −C 这个零点,而我们希望找到的是 C \sqrt{C} C 这个零点。因此选择 x 0 = C x_0 = C x0=C 作为初始值,每次迭代均有 x i + 1 < x i x_{i+1} < x_i xi+1<xi,零点 C \sqrt{C} C 在其左侧,所以我们一定会迭代到这个零点。
- 迭代到何时才算结束?
每一次迭代后,我们都会距离零点更进一步,所以当相邻两次迭代得到的交点非常接近时,我们就可以断定,此时的结果已经足够我们得到答案了。一般来说,可以判断相邻两次迭代的结果的差值是否小于一个极小的非负数 ϵ \epsilon ϵ,其中 ϵ \epsilon ϵ 一般可以取 1 0 − 6 10^{-6} 10−6 或 1 0 − 7 10^{-7} 10−7。
- 如何通过迭代得到的近似零点得出最终的答案?
由于 y = f ( x ) y = f(x) y=f(x) 在 [ C , + ∞ ] [\sqrt{C}, +\infty] [C,+∞] 上是凸函数(convex function)且恒大于等于零,那么只要我们选取的初始值 x 0 x_0 x0 大于等于 C \sqrt{C} C,每次迭代得到的结果 x i x_i xi 都会恒大于等于 C \sqrt{C} C。因此只要 ϵ \epsilon ϵ 选择地足够小,最终的结果 x k x_k xk 只会稍稍大于真正的零点 C \sqrt{C} C。在题目给出的 32 位整数范围内,不会出现下面的情况:
真正的零点为 n − 1 / 2 ϵ n−1/2\epsilon n−1/2ϵ,其中 n n n 是一个正整数,而我们迭代得到的结果为 n + 1 / 2 ϵ n+1/2\epsilon n+1/2ϵ。在对结果保留整数部分后得到 n n n,但正确的结果为 n − 1 n - 1 n−1。
代码实现
Leetcode 官方题解:
class Solution {
public:
int mySqrt(int x) {
long ans = x;
while(ans * ans > x)
ans = (ans + x/ans)/2;
return ans;
}
};
复杂度分析
时间复杂度:
O
(
log
x
)
O(\log x)
O(logx),此方法是二次收敛的,相较于二分查找更快。
空间复杂度:
O
(
1
)
O(1)
O(1)。
方法四:袖珍计算器算法
思路
「袖珍计算器算法」是一种用指数函数 exp \exp exp 和对数函数 ln \ln ln 代替平方根函数的方法。我们通过有限的可以使用的数学函数,得到我们想要计算的结果。
我们将
x
\sqrt{x}
x 写成幂的形式
x
1
/
2
x^{1/2}
x1/2,再使用自然对数
e
e
e 进行换底,即可得到
x
=
x
1
/
2
=
(
e
ln
x
)
1
/
2
=
e
1
2
ln
x
\sqrt{x} = x^{1/2} = (e ^ {\ln x})^{1/2} = e^{\frac{1}{2} \ln x}
x=x1/2=(elnx)1/2=e21lnx
这样我们就可以得到 x \sqrt{x} x 的值了。
注意: 由于计算机无法存储浮点数的精确值(浮点数的存储方法可以参考 IEEE 754,这里不再赘述),而指数函数和对数函数的参数和返回值均为浮点数,因此运算过程中会存在误差。例如当 x = 2147395600x=2147395600 时, e 1 2 ln x e^{\frac{1}{2} \ln x} e21lnx 的计算结果与正确值 4634046340 相差 1 0 − 11 10^{-11} 10−11,这样在对结果取整数部分时,会得到 4633946339 这个错误的结果。
因此在得到结果的整数部分 ans \textit{ans} ans 后,我们应当找出 ans \textit{ans} ans 与 ans + 1 \textit{ans} + 1 ans+1 中哪一个是真正的答案。
代码实现
Leetcode 官方题解:
class Solution {
public:
int mySqrt(int x) {
if (x == 0) {
return 0;
}
int ans = exp(0.5 * log(x));
return ((long long)(ans + 1) * (ans + 1) <= x ? ans + 1 : ans);
}
};
复杂度分析
时间复杂度:
O
(
1
)
O(1)
O(1),由于内置的 exp 函数与 log 函数一般都很快,我们在这里将其复杂度视为
O
(
1
)
O(1)
O(1)。
空间复杂度:
O
(
1
)
O(1)
O(1)。