完全平方数的判定及整数平方根的快速求解

最新推荐文章于 2020-03-23 16:56:15 发布

继续微笑lsj

最新推荐文章于 2020-03-23 16:56:15 发布

阅读量3.4k

点赞数 3

分类专栏： algorithm 文章标签：开方

algorithm 专栏收录该内容

86 篇文章 1 订阅

订阅专栏

在上个星期的“有道难题”网络预赛中，某些Group的第二题涉及到了完全平方数的判定问题。相信大多数人的判定语句都差不多是这样写的：if(sqr((int)sqrtl(n))==n){...}，把这条语句整理一下，大概是这样：

inline __int64 sqr( int n){ return static_cast<__int64>(n)*n;}

inline int directSqrt( int n)
{
     int root = static_cast< int>(sqrtl(n)); //求n的开方，但是double类型的
     if (sqr(root+ 1) <= n)
     {
         return root + 1;
     }
     else return root;
}

inline bool isSquareNumber( int n)
{
   int root = directSqrt(n);
   return sqr(root) == n;
}

这个判定方法主要是利用标准库的sqrt函数来求整数平方根（integer square root），正确性不用怀疑，效率也足够。但是如果想要更快呢？通常来说，要判定任意一个数是否是完全平方数，求根的过程在所难免。但是，标准库的sqrt函数是求浮点平方根的，而我们只需要获取整数平方根即可，所以在这里肯定还有性能提升的空间。于是接下来就列举一些计算整数平方根的方法（后两个算法不是我写的），按照计算速度从慢到快依次排列，其中最后一个算法的效率大概是上述直接利用sqrtl的方法的四倍。

1. 线性搜索，直接从小到大依次取数试探，最原始的办法，代码如下：

inline int linearSqrt( int n)
{
     int i = 0;
     while (sqr(i) <= n) ++i;
     return i- 1;
}

2. 二分法寻找根

inline int bisectionSqrt( int n)
{
     int l = 0, r = n/ 2 + 1;
     while (r - l > 1)
     {
         int m = (l+r)/ 2;
         __int64 sqrm = sqr(m);
         if (sqrm == n)
         {
             return m;
         }
         else if (sqrm > n) r = m;
         else l = m;
     }

     if (sqr(r) == n)
     {
         return r;
     }
     else return l;
}

3. 牛顿迭代法，令方程 x^2 - n = 0，则求sqrt(n)也即是求这个方程的根，根据牛顿法的迭代公式有：x' = x - (x^2-n)/(2x) = (x^2+n)/(2x)，选定合适的初始值迭代，很快就能收敛到根。另外，这个迭代其实也就是不动点迭代的松弛形式，由 x^2= n => x = n/x, 得不动点迭代x' = n/x，加上松弛系数1/2（算数平均），得x'= 1/2 * (x + n/x)，即 x' = (x^2+n)/(2x)，与前面牛顿法的迭代公式相同。算法的代码如下：

inline int newtonSqrt( int n)
{
     static int table[ 16] = {
         1, 1<< 2, 1<< 4, 1<< 6, 1<< 8, 1<< 10, 1<< 12, 1<< 14, 1<< 16,
         1<< 18, 1<< 20, 1<< 22, 1<< 24, 1<< 26, 1<< 28, 1<< 30,
     };
     unsigned i = 0, x0 = 0, x1 = 0;
     while (table[i] < n && i!= 16) ++i; x0 = 1 << i; //寻找迭代的初识值
     while (x0 != 0)
     {
         x1 = static_cast< int>((sqr(x0) + n)/ ( 2*x0));
         if (x1 >= x0)
         {
             break;
         }
         x0 = x1;
     }
     return x0;
}

4. 逐位确定法，从高到低依次确定根的各个二进制位。见下面这个代码，看起来似乎很飘逸，但实际上算法很简单明晰，具体的解释可以搜索James Ulery的论文:"Computing Integer Square Roots".

inline int fastIntSqrt( int n)
{
     int temp, nHat = 0, b = 0x8000, bshft = 15;
     do
     {
         if (n >= (temp = (((nHat<< 1)+b)<<bshft--)))
         {
             nHat += b;
             n -= temp;
         }
     } while (b >>= 1);
     return nHat;
}

5.建表+牛顿迭代，这个算法号称是要用来替代java数学包中的(int)(java.lang.Math.sqrt(integer))函数的，速度奇快，首先建立了一张强大的表来确定初值，然后最多经过两次牛顿迭代后就得到精确解。

inline int javaIntSqrt( int n)
{
     static int table[ 256] = {
         0,     16,   22,   27,   32,   35,   39,   42,   45,   48,   50,   53,   55,   57,
         59,    61,   64,   65,   67,   69,   71,   73,   75,   76,   78,   80,   81,   83,
         84,    86,   87,   89,   90,   91,   93,   94,   96,   97,   98,   99, 101, 102,
         103, 104, 106, 107, 108, 109, 110, 112, 113, 114, 115, 116, 117, 118,
         119, 120, 121, 122, 123, 124, 125, 126, 128, 128, 129, 130, 131, 132,
         133, 134, 135, 136, 137, 138, 139, 140, 141, 142, 143, 144, 144, 145,
         146, 147, 148, 149, 150, 150, 151, 152, 153, 154, 155, 155, 156, 157,
         158, 159, 160, 160, 161, 162, 163, 163, 164, 165, 166, 167, 167, 168,
         169, 170, 170, 171, 172, 173, 173, 174, 175, 176, 176, 177, 178, 178,
         179, 180, 181, 181, 182, 183, 183, 184, 185, 185, 186, 187, 187, 188,
         189, 189, 190, 191, 192, 192, 193, 193, 194, 195, 195, 196, 197, 197,
         198, 199, 199, 200, 201, 201, 202, 203, 203, 204, 204, 205, 206, 206,
         207, 208, 208, 209, 209, 210, 211, 211, 212, 212, 213, 214, 214, 215,
         215, 216, 217, 217, 218, 218, 219, 219, 220, 221, 221, 222, 222, 223,
         224, 224, 225, 225, 226, 226, 227, 227, 228, 229, 229, 230, 230, 231,
         231, 232, 232, 233, 234, 234, 235, 235, 236, 236, 237, 237, 238, 238,
         239, 240, 240, 241, 241, 242, 242, 243, 243, 244, 244, 245, 245, 246,
         246, 247, 247, 248, 248, 249, 249, 250, 250, 251, 251, 252, 252, 253,
         253, 254, 254, 255
     };

     int xn;
     if (n >= 0x7FFEA810) return 0xB504;
     if (n >= 0x10000) {
         if (n >= 0x1000000) {
             if (n >= 0x10000000) {
                 if (n >= 0x40000000) {
                     xn = table[n>> 24] << 8;
                 } else {
                     xn = table[n>> 22] << 7;
                 }
             } else {
                 if (n>= 0x4000000) {
                     xn = table[n>> 20] << 6;
                 } else {
                     xn = table[n>> 18] << 5;
                 }
             }

             xn = (xn + 1 + (n/ xn)) >> 1;
             xn = (xn + 1 + (n/ xn)) >> 1;
             return ((xn * xn) > n) ? --xn : xn;
         } else {
             if (n>= 0x100000) {
                 if (n>= 0x400000) {
                     xn = table[n>> 16] << 4;
                 } else {
                     xn = table[n>> 14] << 3;
                 }
             } else {
                 if (n>= 0x40000) {
                     xn = table[n>> 12] << 2;
                 } else {
                     xn = table[n>> 10] << 1;
                 }
             }

             xn = (xn + 1 + (n/ xn)) >> 1;
             return ((xn * xn) > n) ? --xn : xn;
         }
     } else {
         if (n>= 0x100) {
             if (n>= 0x1000) {
                 if (n>= 0x4000) {
                     xn = (table[n>> 8]) + 1;
                 } else {
                     xn = (table[n>> 6] >> 1) + 1;
                 }
             } else {
                 if (n>= 0x400) {
                     xn = (table[n>> 4] >> 2) + 1;
                 } else {
                     xn = (table[n>> 2] >> 3) + 1;
                 }
             }
             return ((xn * xn) > n) ? --xn : xn;
         } else {
             if (n>= 0) {
                 return table[n] >> 4;
             }
         }
     }
     return - 1;
}

依次计算从1到1000000的每个数的整数平方根，下面分别是上面6个算法所用的时间：

0. 利用标准库sqrtl, directSqrt : 610 ms
1. 线性搜索, linearSqrt : 81256 ms
2. 二分法, bisectionSqrt : 2734 ms
3. 牛顿迭代法， newtonSqrt : 691 ms
4. 逐位确定法， fastIntSqrt : 301 ms
5. 建表+牛顿迭代， javaIntSqrt : 150 ms

可见牛顿迭代法与利用标准库sqrtl的方法速度相当，逐位确定法的速度大概是牛顿迭代法的两倍。当然，最快的还是建表+牛顿迭代，看来以其来替代(int)(java.lang.Math.sqrt(integer))也不是没有道理的。另，以上测试数据相对来说都比较小，可以想象，若是计算接近于2^31这样的大数的整数平方根，逐位确定法和建表+牛顿迭代应该更占据优势。