【leetcode】【2022/8/28】793. 阶乘函数后 K 个零

问题描述:

  • f(x) 是 x! 末尾是 0 的数量。回想一下 x! = 1 * 2 * 3 * ... * x,且 0! = 1
    • 例如, f(3) = 0,因为 3! = 6 的末尾没有 0;而 f(11) = 2,因为 11!= 39916800 末端有 20
    • 给定 k,找出返回能满足 f(x) = k 的非负整数 x 的数量
  • 示例一:
    • 输入:k = 0
    • 输出:5
    • 解释:0!, 1!, 2!, 3!4! 均符合 k = 0 的条件。

核心思路:

  • 该题核心在于数学推导,一开始看到题没有思路,看了几个题解(包括 leetcode 172 阶乘后的零的题解),总算是理解了该题是如何运用二分法找到答案的。
  • 首先要理解 leetcode 172 阶乘后的零,如题目所示,172 题要求的是 x 的阶乘 x! 末尾有多少个零。
    • 由分析可得,末尾有多少个零相当于阶乘中有多少个质因子 5。【该部分的分析可看 172 题的官方题解】
  • 而质因子 5 的个数在阶乘过程中是不断递增的,x 的阶乘中末尾 0 的数量为 f(x),则必定有 f(x) <= f(y), x <= y
    • 末尾 0 的个数为 0,则 x 可取 01234;末尾 0 的个数为 1,则 x 可取 56789
    • 那么假设 help(k) 代表的是满足 x 的阶乘末尾 0 的数量等于或小于 kx 的数目,则 help(1) = 10, help(0) = 5,因此能满足 f(x) = 0 的非负整数 x 的数量help(1) - help(0) = 5
  • 因此能满足 f(x) = k 的非负整数 x 的数量help(k+1) - help(k)
  • 关键在于如何求 help(k)
    • 如果理解了题意,应该比较容易考虑到二分搜索,二分搜索找到最后一个满足 f(x) <= k 的位置,就相当于是求出了 help(k)
    • 而二分的边界为 [0, 5*k],之所以是 5*k,可以很直观的看出来 5*kk 多一个质因子 5
  • 到此需要注意的点应该都已介绍完毕,数学推导的相关题目一直是我弱项,更严谨的解释可以看官方题解,我这里只是简单写一写思路脉络。

代码实现:

class Solution
{
private:
    using ll = long long;
    ll help(int k)
    {
        ll l = 0;
        ll r = 5LL * k; // 上界
        // 找到最后一个满足 zeta(mid) <= k 的位置 mid
        while(l <= r)
        {
            ll mid = l + (r - l) / 2;
            if(zeta(mid) < k)
                l = mid + 1;
            else r = mid - 1;
        }
        return l+1;
    }
    int zeta(ll n) // 求 n! 中末尾零的个数,zeta 函数即题目中所说的 f 函数
    {
        int ans = 0;
        while(n > 0)
        {
            n /= 5;
            ans += n;
        }
        return ans;
    }
public:
    int preimageSizeFZF(int k)
    {
        // k = 0, x = 0, 1, 2, 3, 4;
        // k = 1, x = 5, 6, 7, 8, 9;
        if(k <= 1) return 5;
        return help(k+1) - help(k);
    }
};

参考内容:

  • 0
    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“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《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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