第六天开始呢,我们讲解计算X的n次幂两种方法,从算法思路,到算法伪代码实现,到复杂度分析,从这里开始我们手把手搭建一个测试平台的基础,根据你自身硬件水平可以对下列代码进行从1000,到千万级测试,其中算法测试时间与你的机器硬件水平和实现的算法有关系,下面是计算X的n次幂两种方法的具体讲解。
(1)排序算法的思路并且举例说明
利用用迭代算法计算x的n次幂;
利用用分治算法计算x的n次幂;(具体看代码过程)
比如2的10次方为1024
(2)算法伪代码
//X的n次幂
//迭代计算:
Sum=1
For n=1to n
Sum=sum*x
//分治法:
Divide:
If n==1
Retuen x
If(n%2==0){
Sum=divide(x,n/2)^2
Retuen sum
}
else{
Sum=divide(x,n-1/2)^2*x
Retuen sum
}
(3)复杂度分析
1、 每个算法时间复杂度分析
(1)迭代算法
算法循环体中的代码执行了n次,因此时间复杂度为O(n)
时间复杂度为: O(n)
(2)分治计算
O(递归深度 * 单层递归时间复杂度)
时间复杂度为:O(lgn)
2.结论
分治算法的x的n次方的计算上远远快于迭代的算法,在进行此类计算时往往采用分治的算法最为妥当
(4)代码主体部分
package runoob;
import java.util.Scanner;
public class Power_reckon {
public static long usual(long num, long power){
long sum=1;
for (long i = 0; i < power; i++) {
sum=sum*num;
}
return sum;
}
public static long Merge_power(long num, long power){
long sum=1;
if (power==1){
return num;
}
if((power%2)==0){
sum= Merge_power(num,power/2);
return sum*sum;
}else {
sum= Merge_power(num,(power-1)/2);
return sum*sum*num;
}
}
public static void reckon_text(long num) {
System.out.println("输入参与算法的x的值");
Scanner X_num= new Scanner(System.in);
long x= X_num.nextInt();
long power= num ;
long start1 =System.nanoTime();
long normal=usual(x,power);
long end1 =System.nanoTime();
long start2 =System.nanoTime();
long Merge= Merge_power(x,power);
long end2 =System.nanoTime();
System.out.println("分治法计算结果为"+Merge+"总耗时为"+(end2-start2)/1000+"ms");
System.out.println("常规方法计算结果为"+normal+"总耗时为"+(end1-start1)/1000+"ms");
}
}
对应代码中的SortHelper类我们留一个小小的悬念,留到最后来进行叙说,其中目前来说他的方法generateRandomArray的参数为,(num,left,right)第一个参数参与算法生成的数量级,作为随机生成序列,它可以为千万,因为是long级别,left和right则为生成序列的大小范围,生成的序列为返回值类型为Integer[]。
(5)测试结果如下:
笔者有兴趣可以尝试千万级的算法测试,这里便不在赘述。