快速幂

问题引入

---

在对循环的学习是，老师们通常会要求学生编写一个程序用于求取一个数的n次幂。
实现也很简单，不过就一遍遍地乘底数以此来得到结果嘛。

    long long ans = 1;
    for (long long  i = 0;i < power; i++){
        ans = ans * base % mod;
    }

这里为了保证数据不会溢出，本文章的求幂过程将在模意义下进行。

看到上面的结果，对于求取2的10次方，我们用时为8微秒，但如果指数更大呢？

357955微秒！这已经是可以明显感觉到的时间了，如果指数更大，用时将会更加可怕！

快速幂

---

为什么要用快速幂？

在现实使用时，我们常常要面对很大的数据，如果这时候还在用普通的循环，那我们将会浪费大量时间，这将是致命的。
对于普通的运用循环的方式来求幂的算法来说，其时间复杂度为O(N)，在很大的数据下，这个效率仍然不能满足我们的需要，那么我们能不能换一个更高效的算法来求解问题呢？
当然可以！ 这就是这篇文章要介绍的算法： 快速幂！

什么是快速幂？

举个例子:

$$2^{10}=2\times 2\times 2\times 2\times 2\times 2\times 2\times 2\times 2\times 2$$

如此操作，我们要进行9次乘法。
根据小学二年级学过的乘法结合律进行一下变换看看：
$$2^{10}=(2\times 2)\times (2\times 2)\times (2\times 2)\times (2\times 2)\times (2\times 2)＝4\times 4\times 4\times 4\times 4$$

如此一来，我们只用进行5次乘法，相比于原来的9次乘法来说，已经减少了将近一半了。
接下来，继续变换：
$$2^{10}=4\times 4\times 4\times 4\times 4=16\times 16\times 4=256\times 4=1024$$

可以看到，通过不断的变换底数的方式，我们从9次乘法，一步步简化到了只需要4次乘法（包括了每次变换底数时的一次乘法）就可以求得2的10次方。
现在，把这个变换过程整理一下：
$$2^{10}=2^{2^5}=2^{2^{2^2}}\times 2^2=2^8\times 2^2$$

在这个过程中，我们将2的10次方拆分成了2的8次方与2的2次方的乘积的形式。

咦，8次方，2次方，10的2进制表示是1010啊，两个1对应的位置刚好是8和2，这是巧合吗？
这当然不是巧合，而是必然。

因为任何数都可以通过二进制表示，所以任何一个数都可以通过多个2的整数次方相加表示。这句话看似一句废话，但正是这句话，才有了快速幂算法。

快速幂的实现

通过上面的例子，我们可以看出，当我们把指数通过多个2的整数次方相加的方式来表示时，可以大幅减少乘法的次数。

因此，我们最重要的一件事，就是实现对指数的拆分工作。

这样，我们可以先不断对底数进行乘方操作，同时将指数减半，当指数是奇数时，把当前的底数乘给当前结果，如果是指数偶数不乘便是了。

根据这个逻辑，我们可以轻易写出核心代码：

long long quickPow(long long base, long long power, long long mod){
	long long ans = 1;
    while (power > 0){
        if (power % 2 == 1){
            ans = (ans * base) % mod;
        }

        power /= 2;
        base = (base * base) % mod;
    }
    return ans % mod;
}

现在我们来对比一下快速幂与循环求幂的运行效率：

可以看出，快速幂算法的效率比循环求幂的方式快了一大截！

再谈快速幂

---

还能再快吗？

对于当前的快速幂来说，我们的时间效率已经很高了，但是还能更快吗？
当然可以再快！

现在再看一下我们的快速幂代码，在判断当前指数是否为奇数时使用的取模的方式来判断奇偶，在将指数减半的时候使用的除法运算，这将是我们将效率再一次提高的突破点。

位运算：
对于一个奇数，其二进制最后一位一定为“1”，也就是说，我们只用关心这个数在计算机中存储时的最后一位，至于前面是什么，我们不需要关心。

因此在快速幂运算中我们可以：

• 通过位运算中的“&”运算符来判断当前指数是否为奇数；
  • 比如4&1为false，而5&1为true。
• 通过“>>”（右移）的方式来抛弃掉最后一位（即将原数字减半），将原倒数第二位作为最后一位。
  • 比如4的二进制为100，右移一位后变为10，即十进制下的2；5的二进制为101，右移一位后变为10，即十进制下的2。

这样我们可以得到极限效率下的快速幂：

long long quickPow(long long base, long long power, long long mod){
    long long ans = 1;
    while (power > 0){
        if (power & 1){
            ans = (ans * base) % mod;
        }

        power >>= 1;
        base = (base * base) % mod;
    }
    return ans % mod;
}

我们再来测试一下时间效率：

可以发现，相对于原来的快速幂算法，我们又进一步节省下了7微秒的时间！

后记

• 关于模意义，有：$$(a\times b)\%p=(a\%p\times b\%p)\%p$$因此不断地对底数、指数、当前的结果进行取模，并不会使得这样操作后的结果与整体算完再取模的结果不同。
• 快速幂算法的时间效率为O(logN)，在数据很小的情况下，快速幂的效率其实是低于循环求幂的，但是由于数据很小，也慢不到那里去。毕竟快速幂算法生来是为了解决较大规模的数据的问题的。
• 在追求最极致效率的情况下，可以不在模意义下进行，但这样无法保证数据的有效性（毕竟可能会溢出）。