算法-运行时间中的对数-三个例子

对数最常出现的规律可概括为下列一般法则：

如果一个算法用常熟时间（O（1））将问题的大小削减为其一部分（通常是1/2），那么该算法就是O（logN）。另一方面，如果使用常数时间只是把问题减少一个常数的数量（如将问题减少1），那么这种算法就是O（N）的。

 

例1：折半查找（二分法）

 条件：  给定一个整数X和整数A0，A1，...，A(N-1)，后者已经预先排序并在内存中，求下标i使得Ai=X，如果X不在数据中，则返回i=-1。

 思路：验证X是否是居中的元素。如果是，则答案就找到了。如果X小于居中元素，那么我们可以应用同样的策略于居中元素左边已排列的子序列；同理，如果X大于居中元素，那么我们检查数据的右半部分。

public static <AnyType extends Comparable<? super AnyType>> int binarySearch(AnyType a[],AnyType x){
    int low=0,high=a.length-1;
    while(low<=high){
        int mid=(low+high)/2;
        if(a[mid].compareTo(x)<0)
            low=mid+1;
        else if(a[mid].compareTo(x)>0)
            high=mid-1;
        else
            return mid;//found
    }
    return NOT_FOUND;//NOT_FOUND is defined as -1
}

例2：欧几里得算法-计算最大公因数

两个整数的最大公因数（gcd）是同事整除两者的最大整数思路：假设M>=N(否则交换)，算法连续计算余数为0为止，最后的非零余数就是最大公因数。（两个数的余数肯定比两个数的较小那个还要小，所以每次求余至少缩减一半。）

public static long gcd( long m,long n){
    while(n!=0){
        long rem = m % n;
        m = n;
        n = rem;
    }
    return m;
}

例三：幂运算

计算X^N（N-1次X自乘）

思路：N<=1是这种递归的基准情形。否则，若N是偶数，我们有X^N=X^(N/2) * X^(N/2)，如果是偶数，我们有X^N=X^((N-1)/2) * X^((N-1)/2) * X。

例如，为了计算X^62,算法将如下运行，他只用到9次乘法。

X^3=(X^2)*X,

X^7=(X^3)^2 * X,

X^15=(X^7)^2 * X,

X^31=(X^15)^2 * X,

X^62=(X^31)^2 

public static long pow( long x ,int n){
    if(n==0) return 1;
    if(n==1) return x;
    if(isEven(n)) return pow(x*x,n/2);//偶数
    else return pow(x*x,n/2)*x;
    
}