「算法」如何实现大整数相乘？（下）

专注于Java领域优质技术号，欢迎关注

作者：程序员小灰

如何用程序实现大整数相乘呢？

在上一篇文章 算法：如何实现大整数相乘？（上） 当中，我们介绍了两种思路：

1.像列竖式一样，把两整数按位依次相乘

这个思路的时间复杂度是O（n^2）。

2.利用分治法，把每个大整数分成高位和低位两部分，转化成四个较小的乘积。

这个思路的时间复杂度同样是O（n^2）。

那么，有什么样的优化方案，可以使时间复杂度优于O（n^2）呢？我们今天一起来研究下。

如何做调整呢？其实很简单，连小学生都会：

这样一来，原本的4次乘法和3次加法，转变成了3次乘法和6次加法。

这样一来，时间复杂度是多少呢？

假设两个长度为n的大整数相乘，整体运算规模是T(n) 。

刚才我们说过，两个大整数相乘可以被拆分成三个较小的乘积，

所以在第一次分治时，T(n)和T(n/2)有如下关系：

T(n) = 3T(n/2) + f(n)

其中f(n)是6次加法的运算规模，f(n)的渐进时间复杂度很明显是O(n)。

此时让我们回顾一下master定理：

设常数a >= 1，b > 1，如果一个算法的整体计算规模 T(n) = a T(n / b) + f(n)，那么则有如下规律：

对于T(n) = 3T(n/2) + f(n)这个关系式来说， a=3， b=2。

把a和b的值，以及f(n)的时间复杂度带入到master定理的第一个规律，也就是下面的规律：

发现正好符合条件。

怎么符合条件呢？推导过程如下：

所以我们的平均时间复杂度是：

2 和 1.59 之间的差距看似不大，但是当整数长度非常大的时候，两种方法的性能将是天壤之别。

下面展示一下实现代码。我们的代码非常复杂，在这里只作为参考，最重要的还是解决问题的思路：

需要注意的是，这段实现代码只适用于两个大整数长度相等的情况。如果想求解长度不等的整数相乘，只需要对代码做微小的改动，有兴趣的小伙伴没有试一试。

几点补充：

1. 文章最后的代码，经由网上技术博客的代码改动而来，仅做参考。

2. 关于快速傅里叶变换，有兴趣深入研究的小伙伴们可以参考《算法导论》第30章的内容。