剑指offer—数值的整数次方,LeetCode-50. Pow(x, n)具体分析

剑指offer—数值的整数次方,LeetCode-50. Pow(x, n)

题目描述

实现函数double Power(double base, int exponent),求base的exponent次方。不得使用库函数,同时不需要考虑大数问题。

思路

x n = x 2 k 1 + 2 k 2 + . . . 2 k i x^{n}=x^{2^{k_1}+2^{k_2}+...2^{k_i}} xn=x2k1+2k2+...2ki

  = x 2 k 1 ∗ x 2 k 2 ∗ . . . ∗ x 2 k i \qquad\qquad\quad\ =x^{2^{k_1}}*x^{2^{k_2}}*...*x^{2^{k_i}}  =x2k1x2k2...x2ki

现在还不是那么明显,那么我们举例子看看

x 5 = x 101 = x 2 2 ∗ x 2 0 x^{5}=x^{101}=x^{2^{2}}*x^{2^{0}} x5=x101=x22x20

x 11 = x 1011 = x 2 3 ∗ x 2 1 ∗ x 2 0 \qquad x^{11}=x^{1011}=x^{2^{3}}*x^{2^{1}}*x^{2^{0}} x11=x1011=x23x21x20

假如我们现在求 x 11 x^{11} x11,按照普通的方法我们一直连乘到11,但是这样还是比较慢的,特别是数在比较大的时候,乘法的性能还是很低的。
看上面的式子,我们可以用一个变量保存2的次方值,来表示当前的权重,幂上当前位上是否有值,如果有,就用当前值乘上这个权重值。然后幂在除以2,继续下一位的判断。
代码
double myPow(double x, int n) {
	long long N = n;  //开long long变量是防止复数刚好在边界上,转换为正数时会报错
	if(N < 0)
	{
	    x = 1/x;
	    N = -N;
	}
	
	double result = 1;
	double temp = x;  //权重值
	for (long long i = N; i > 0; i/=2) {
	    if (i%2 == 1){   //若判断幂上当前位为1,则相乘
	        result *= temp;
	    }
	    temp *= temp; //向左移动,权重值*2
	}
	
	return result;
}
假如我们现在求 2 11 2^{11} 211,根据上面的代码,我们有下面的表格
i原生数二进制幂权重位是否为1resulttemp
11 2 1011 2^{1011} 210111011-12
11 2 1011 2^{1011} 210111011 1 ∗ 2 1*2 12 2 2 2^{2} 22
5 2 101 2^{101} 2101101 1 ∗ 2 ∗ 2 2 1*2*2^{2} 1222 2 4 2^{4} 24
2 2 10 2^{10} 21010 1 ∗ 2 ∗ 2 2 1*2*2^{2} 1222 2 8 2^{8} 28
1 2 1 2^{1} 211 1 ∗ 2 ∗ 2 2 ∗ 2 8 1*2*2^{2}*2^{8} 122228 2 16 2^{16} 216

可以看到,上面将乘法压缩到4步,极大提升了性能。

时间复杂度: O ( log ⁡ n ) O(\log n) O(logn)

空间复杂度: O ( 1 ) O(1) O(1)

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值