题目描述(简单难度)
求一个数的平方根,不要求近似解,只需要整数部分。
解法一 二分法
本科的时候上计算方法的时候,讲过这个题的几个解法,二分法, 牛顿法,牛顿下山法,不同之处是之前是求近似解,类似误差是 0.0001 这样的。而这道题,只要求整数部分,所以先忘掉之前的解法,重新考虑一下。
求 n 的平方根的整数部分,所以平方根一定是 1,2,3 … n 中的一个数。从一个有序序列中找一个数,像极了二分查找。先取中点 mid,然后判断 mid * mid 是否等于 n,小于 n 的话取左半部分,大于 n 的话取右半部分,等于 n 的话 mid 就是我们要找的了。
public int mySqrt(int x) {
int L = 1, R = x;
while (L <= R) {
int mid = (L + R) / 2;
int square = mid * mid;
if (square == x) {
return mid;
} else if (square < x) {
L = mid + 1;
} else {
R = mid - 1;
}
}
return ?;
}
正常的 2 分法,如果最后没有找到就返回 -1。但这里肯定是不行的,那应该返回什么呢?
对于平方数 4 9 16… 肯定会进入 square == x 然后结束掉。但是非平方数呢?例如 15。我们知道 15 的根,一定是 3 点几。因为 15 在 9 和 16 之间,9 的根是 3,16 的根是 4。所以对于 15,3 在这里就是我们要找的。 3 * 3 < 15,所以在上边算法中,最后的解是流向 square < x 的,所以我们用一个变量保存它,最后返回就可以了。
public int mySqrt(int x) {
int L = 1, R = x;
int ans = 0; //保存最后的解
while (L <= R) {
int mid = (L + R) / 2;
int square = mid * mid;
if (square == x) {
return mid;
} else if (square < x) {
ans = mid; //存起来以便返回
L = mid + 1;
} else {
R = mid - 1;
}
}
return ans;
}
看起来很完美了,但如果 x = Integer.MAX_VALUE
的话,下边两句代码是会溢出的。
int mid = (L + R) / 2;
int square = mid * mid;
当然,我们把变量用 long 存就解决了,最后的输出结果保存为int形式。
public int mySqrt(int x) {
long L=1,R=x;
long ans = 0;
while(L<=R){
long mid=L+(R-L)/2;
long square=mid*mid;
if(square==x){
return new Long(mid).intValue();
}else if(square<x){
ans=mid;
L=mid+1;
}else{
R=mid-1;
}
}
return new Long(ans).intValue() ;
}
这里有一个更优雅的解法。利用数学的变形。
int mid = L + (R - L) / 2;
int div = x / mid;
当然相应的 if 语句也需要改变。
else if (square < x)
mid * mid < x
mid < x / mid
mid < div
全部加进去就可以了。
public int mySqrt(int x) {
int L = 1, R = x;
int ans = 0;
while (L <= R) {
int mid = L + (R - L) / 2;
int div = x / mid;
if (div == mid) {
return mid;
} else if (mid < div) {
ans = mid;
L = mid + 1;
} else {
R = mid - 1;
}
}
return ans;
}
时间复杂度:O(log ( x))。
空间复杂度:O(1)。
解法二 二分法求精确解
把求根转换为求函数的零点,求 n 的平方根,也就是求函数 f ( x ) = x² - n 的零点。这是一个二次曲线,与 x 轴有两个交点,我们要找的是那个正值。
这里基于零点定理,去写算法。
如果函数 y = f ( x ) 在区间 [ a, b ] 上的图像是连续不断的一条曲线,并且有f ( a ) · f ( b ) < 0,
那么,函数y = f ( x ) 在区间 ( a , b ) 内有零点,即存在 c ∈ ( a , b ) , 使得 f ( c ) = 0
,这个 c 也就是方程 f ( x ) = 0 的根。
简单的说,如果曲线上两点的值正负号相反,其间必定存在一个根。
这样我们就可以用二分法,找出中点,然后保留与中点的函数值符号相反的一段,丢弃另一段,然后继续找中点,直到符合我们的误差。
由于题目要求的是整数部分,所以我们需要想办法把我们的精确解转成整数。
四舍五入?由于我们求的是近似解,利用我们的算法我们求出的 8 的立方根会是 2.8125,直接四舍五入就是 3 了,很明显这里 8 的平方根应该是 2。
直接舍弃小数?由于我们是近似解,所有 9 的平方根可能会是 2.999, 舍弃小数变成 2 ,很明显也是不对的。
这里我想到一个解法。
我们先采取四舍五入变成 ans,然后判断 ans * ans 是否大于 n,如果大于 n 了,ans 减 1。如果小于等于,那么 ans 不变。这样的话,求 8 的平方根的例子就被我们解决了。
int ans = (int) Math.round(mid); //先采取四舍五入
if ((long) ans * ans > n) {
ans--;
}
// 可以不用 long
if (ans > n / ans) {
ans--;
}
合起来就可以了。
//计算 x² - n
public double fx(double x, double n) {
return x * x - n;
}
public int mySqrt(int n) {
double low = 0;
double high = n;
double mid = (low + high) / 2;
//函数值小于 0.1 的时候结束
while (Math.abs(fx(mid, n)) > 0.1) {
//左端点的函数值
double low_f = fx(low, n);
//中间节点的函数值
double low_mid = fx(mid, n);
//判断哪一段的函数值是异号的
if (low_f * low_mid < 0) {
high = mid;
} else {
low = mid;
}
mid = (low + high) / 2;
}
//先进行四舍五入
int ans = (int) Math.round(mid);
if (ans != 0 && ans > n / ans) {
ans--;
}
return ans;
}
时间复杂度:
空间复杂度:O(1)。
解法三 牛顿法
具体解释可以参考下这篇文章,或者搜一下, 有很多讲解的,代码的话根据下边的迭代式进行写。
x k + 1 = x k − f ( x k ) / f ′ ( x k ) x_{k+1}=x_{k}-f\left(x_{k}\right) / f^{\prime}\left(x_{k}\right) xk+1=xk−f(xk)/f′(xk)
这里的话, f ( x n ) = x 2 − n f\left(x_{n}\right)=x^{2}-n f(xn)=x2−n
x k + 1 = x k − ( x k 2 − n ) / 2 x k = ( x k 2 + n ) / 2 x k = ( x k + n / x k ) / 2 x_{k+1}=x_{k}-\left(x_{k}^{2}-n\right) / 2 x_{k}=\left(x_{k}^{2}+n\right) / 2 x_{k}=\left(x_{k}+n / x_{k}\right) / 2 xk+1=xk−(xk2−n)/2xk=(xk2+n)/2xk=(xk+n/xk)/2
public int mySqrt(int n) {
double t = n; // 赋一个初值
while (Math.abs(t * t - n) > 0.1) {
t = (n / t + t) / 2.0;
}
//先进行四舍五入
int ans = (int) Math.round(t);
//判断是否超出
if ((long) ans * ans > n) {
ans--;
}
return ans;
}
时间复杂度:
空间复杂度:O(1)。