算法之美

算法之美

标签（空格分隔）： Leetcode 算法 时间复杂度

---

  过完年刚回实验室，回归状态之余，随便在Leetcode上选了道简单的算法题目，accept虽然容易，但是如果考虑到时间复杂度的话，还是值得小酌一二，在这里与诸君分享。
  题目选自Leetcode第441题， Arrange coins。题目概述如下，给你n枚硬币，你要堆积起k层，使得每一层的硬币数量为k枚,给出的例子如下：
Example 1:
*n = 5
The coins can form the following rows:
¤
¤ ¤
¤ ¤
Because the 3rd row is incomplete, we return 2.*

Example 2:
*n = 8
The coins can form the following rows:
¤
¤ ¤
¤ ¤ ¤
¤ ¤
Because the 4th row is incomplete, we return 3.*
  咋看之下，一般人都能想到很直白的解决方案，那就是从第一层开始逐层累加，并判断当前层是否满足要求，硬币是否用尽，代码如下：

class Solution(object):  
    def arrangeCoins(self, n):  
        """ 
        :type n: int 
        :rtype: int 
        """  
        # This is a stupid solution  
        k = 0  
        total = 0  
        while n - total > k:  
            k += 1  
            total += k  
        return k   

一直需要累加到$1+2+\cdots+k+k+1>n$,返回的k值即为所求。显然可知该朴素方法（Naive Algorithm）的算法时间复杂度为$O(\sqrt{n})$
  那么有没有一种更快的方法呢？答案是有的，我们可以使用二分法来加快搜索 k 的过程，每一次取中间值 mid 来判断,当 $1+2+\cdots+mid<=n$且$1+2+\cdots+mid+(mid+1)>n$时，我们的 mid 即为所求层数 k ,代码如下所示：

class Solution(object):
    def arrangeCoins(self, n):
        """
        :type n: int
        :rtype: int
        """
        # The solution is faster than the original one, but, can we make it faster? absolutely we can

        def helper(low, high, n):
            if low > high:
                return 0
            mid = (low + high) / 2
            if (1 + mid) * mid / 2 <=n and (2 + mid) * (1 + mid) / 2 > n:
                return mid
            elif (2 + mid) * (1 + mid) / 2 <= n:
                return helper(mid, high, n)
            else:

                return helper(low, mid, n)
        return helper(1,n,n)

显然该方法的时间复杂度为$O(log(n))$，相比于前面的朴素算法，这算是个不错的解法，那么，还能不能更快一些？
  这时候，数学的魅力就展现出来了。$1+2+\cdots+k<=n$,求和之后的表达式是一个一元二次不等式$k^2+k-2n<=0$,显然在等号处可以取最大k值，因此可直接解出$k=\frac{-1+\sqrt{8n-1}}{2}$(k 为正)，代码只有一行，时间复杂度为$O(1)$:

return ((8*n-1)**0.5-1)/2

  一叶知秋，同样的问题，不同的解法，差异之大，令人咋舌。这也正是算法吸引人的魅力所在。随着人工智能热潮的席卷，很多问题都可以靠AI来解决，但是真正能取得突破性进展，仍然依赖于人类开发的算法的优劣好坏。这也算是刷题过程中的一点小小的感悟吧，与君共勉。