计算 1 到 N 之间 有多少个 1

问题描述:

       给定一个十进制整数N,求出从1到N的所有整数中出现”1”的个数。 

      例如：N=2，1,2出现了1个“1”。

            N=12，1,2,3,4,5,6,7,8,9,10,11,12。出现了5个“1”。

问题求解：

解法一：

       最直接的方法就是从1开始遍历到N，将其中每一个数中含有“1”的个数加起来，就得到了问题的解。

      代码如下：

 1 publiclong CountOne3(long n)
 2         {
 3 long i =0,j =1;
 4 long count =0;
 5 for (i =0; i <= n; i++)
 6             {
 7                 j = i;
 8 while (j !=0)
 9                 {
10 if (j %10==1)
11                         count++;
12                     j = j /10;
13                 }
14             }
15 return count;
16         }

        此方法简单，容易理解，但它的问题是效率，时间复杂度为O（N * lgN），N比较大的时候，需要耗费很长的时间。

 

解法二：

         我们重新分析下这个问题，对于任意一个个位数n，只要n>=1,它就包含一个“1”；n<1，即n=0时，则包含的“1”的个数为0。于是我们考虑用分治的思想将任意一个n位数不断缩小规模分解成许多个个位数，这样求解就很方便。

        但是，我们该如何降低规模？仔细分析，我们会发现，任意一个n位数中“1”的个位可以分解为两个n-1位数中“1”的个数的和加上一个与最高位数相关的常数C。例如，f(12) = f(10 - 1) + f(12 - 10) + 3,其中3是表示最高位为1的数字个数，这里就是10,11,12；f(132)=f(100 -1) + f(132 - 100) + 33，33代表最高位为1的数字的个数，这里就是100~132；f(232) = 2*f(100 - 1) + f(32) + 100，因为232大于199，所以它包括了所有最高位为1的数字即100~199，共100个。

        综上，我们分析得出，最后加的常数C只跟最高位n1是否为1有关，当最高位为1时，常数C为原数字N去掉最高位后剩下的数字+1，当最高位为1时，常数C为10^bit，其中bit为N的位数-1，如N=12时，bit=1，N=232时，bit=2。

       于是，我们可以列出递归方程如下：

       if(n1 == 1)

           f(n) = f(10^bit-1) + f(n - 10^bit)  + n - 10^bit+ 1;

       else

           f(n) = n1*f(10^bit-1) + f(n – n1*10^bit) + 10^bit;

       递归的出口条件为：

       if(1<n<10)  return 1;

       else if (n == 0) return 0;

       基于此，编写如下代码：

   

 1 publiclong CountOne(long n)
 2         { 
 3 long count =0;
 4 if (n ==0)
 5                 count =0;
 6 elseif (n >1&& n <10)
 7                 count =1;
 8 else
 9             {
10 long highest = n;//表示最高位的数字
11  int bit =0;
12 while (highest >=10)
13                 {
14                     highest = highest /10;
15                     bit++;
16                 }
17 
18 int weight = (int)Math.Pow(10, bit);//代表最高位的权重，即最高位一个1代表的大小
19  if (highest ==1)
20                 {
21                     count = CountOne(weight -1)
22 + CountOne(n - weight)
23 + n - weight +1;
24                 }
25 else
26                 {
27                     count = highest * CountOne(weight -1)
28 + CountOne(n - highest * weight)
29 + weight;
30                 }
31             }
32 return count;
33         }

         此算法的优点是不用遍历1~N就可以得到f(N)。经过我测试，此算法的运算速度比解法一快了许多许多，数字在10¹⁰内时，算法都可以在毫秒级内结束，而解法一在计算10⁹时，时间超过了5分钟。但此算法有一个显著的缺点就是当数字超过10¹⁰时会导致堆栈溢出，无法计算。

        还有就是，我尝试了许久也没有计算出此算法的时间复杂度到底是多少，似乎是O（lg²N），我并不确定，希望知道的高手能给予解答。

 

解法三：

         解法二告诉我们1~ N中“1”的个数跟最高位有关，那我们换个角度思考，给定一个N，我们分析1~N中的数在每一位上出现1的次数的和，看看每一位上“1”出现的个数的和由什么决定。

       1位数的情况：

       在解法二中已经分析过，大于等于1的时候，有1个，小于1就没有。

       2位数的情况：

       N=13,个位数出现的1的次数为2，分别为1和11，十位数出现1的次数为4，分别为10,11,12,13，所以f(N) = 2+4。

       N=23,个位数出现的1的次数为3，分别为1，11，21，十位数出现1的次数为10，分别为10~19，f(N)=3+10。

       由此我们发现，个位数出现1的次数不仅和个位数有关，和十位数也有关，如果个位数大于等于1，则个位数出现1的次数为十位数的数字加1；如果个位数为0，个位数出现1的次数等于十位数数字。而十位数上出现1的次数也不仅和十位数相关，也和个位数相关：如果十位数字等于1，则十位数上出现1的次数为个位数的数字加1，假如十位数大于1，则十位数上出现1的次数为10。

       3位数的情况:

       N=123

       个位出现1的个数为13:1,11,21，…，91,101,111,121

       十位出现1的个数为20:10~19,110~119

       百位出现1的个数为24:100~123

       我们可以继续分析4位数，5位数，推导出下面一般情况： 

       假设N，我们要计算百位上出现1的次数，将由三部分决定：百位上的数字，百位以上的数字，百位一下的数字。

       如果百位上的数字为0，则百位上出现1的次数仅由更高位决定，比如12013，百位出现1的情况为100~199,1100~1199,2100~2199，…，11100~11199，共1200个。等于更高位数字乘以当前位数，即12 * 100。

       如果百位上的数字大于1，则百位上出现1的次数仅由更高位决定，比如12213，百位出现1的情况为100~199,1100~1199,2100~2199，…，11100~11199，12100~12199共1300个。等于更高位数字加1乘以当前位数，即（12 + 1）*100。

        如果百位上的数字为1，则百位上出现1的次数不仅受更高位影响，还受低位影响。例如12113，受高位影响出现1的情况：100~199,1100~1199,2100~2199，…，11100~11199，共1200个，但它还受低位影响，出现1的情况是12100~12113，共114个，等于低位数字113+1。

       综合以上分析，写出如下代码：

 

 1 publiclong CountOne2(long n)
 2         {
 3 long count =0;
 4 long i =1;
 5 long current =0,after =0,before =0;
 6 while((n / i) !=0)
 7             {           
 8                 current = (n / i) %10;
 9                 before = n / (i *10);
10                 after = n - (n / i) * i;
11 
12 if (current >1)
13                     count = count + (before +1) * i;
14 elseif (current ==0)
15                     count = count + before * i;
16 elseif(current ==1)
17                     count = count + before * i + after +1;
18 
19                 i = i *10;
20             }
21 return count;
22             
23         }

 

     此算法的时间复杂度仅为O(lgN)，且没有递归保存现场的消耗和堆栈溢出的问题。