【LeetCode - Java】29. 两数相除(中等)| 地狱难度

1. 题目描述

在这里插入图片描述
在这里插入图片描述

2. 解题思路

对于常规运算而言,乘法除法其实是一体的,运算也是可以互换的(除以a与乘1/a等同)。那么乘法的本质是什么呢?是累加3*2所表示的意思就是把3个2累加起来,因此这样推导下我们是可以认为加法运算与除法运算是可以互换的。恰好,这道题目没有限制使用加法,所以我们可以把除数暴力地相加,直至其和等于或刚好小于被除数时,相加的次数就是我们的目标答案。

当然,这里是LeetCode的中等题,这种思路能通过吗?显然是不能的!

用加减法去模拟乘除法的效率实在是太低了,怎么才能高效一点呢?计算机当中储存的数都是二进制数,那么把二进制数向右移一位表示什么?表示把这个数除以2nice!这不就是除法的替代产品吗?但是新一个问题又来了,位运算只能除以2或2的幂,然而题目给出的除数不可能都正好是2的幂,怎么办呢?文字不好描述,下面我们来看一个例子,计算 100 ÷ 4 = 25 100\div4=25 100÷4=25
在这里插入图片描述

最重要的逻辑部分已经解决好了,下面来解决一些小问题,对于溢出数据怎么处理呢?要考虑这一个问题我们先要考虑怎么样的运算会溢出呢?Integer.MIN_VALUE ÷ -1会溢出!因此该情况需要特殊处理的,另外为了代码的复用性更好,我们可以统一除数与被除数都为正数或者负数,返回结果时再进行对应,那么应该采用正数还是负数呢?从数据范围来考虑,负数是比正数更大的,因此这里就把除数与被除数都统一为负数,这样就可以避免Integer.MIN_VALUE取反溢出。

3. 代码实现

3.1 暴力累加(卒 | 时间超限)

public int divide(int dividend, int divisor) {
        if (dividend < 0 && divisor > 0 || dividend > 0 && divisor < 0)
            return result(-Math.abs(dividend), -Math.abs(divisor));
        else if (dividend < 0 && divisor < 0)
            return -result(dividend, divisor);
        return -result(-dividend, -divisor);
    }

    public int result(int dividend, int divisor) {
        int ans = 0, sum = 0;
        while (sum >= dividend) {
            ans--;
            sum += divisor;
            if (ans == Integer.MIN_VALUE)
                return -Integer.MAX_VALUE;
        }
        return ans + 1;
    }

3.2 循环乘二法(位运算)

public int divide(int dividend, int divisor) {
        if (dividend == Integer.MIN_VALUE && divisor == -1)
            return Integer.MAX_VALUE;
        if (dividend <= 0 && divisor > 0 || dividend >= 0 && divisor < 0)
            return result(-Math.abs(dividend), -Math.abs(divisor));
        if (dividend <= 0 && divisor < 0)
            return -result(dividend, divisor);
        return -result(-dividend, -divisor);
    }

    // 这里接收的都是负数
    public int result(int dividend, int divisor) {
        int ans = 0;
        while (dividend <= divisor) {
            int count = 0, sub = divisor;
            while (sub >= dividend) {
                count++;
                sub <<= 1;
                if (sub == Integer.MIN_VALUE || sub >= 0)
                    break;
            }
            dividend -= divisor << --count;
            ans -= 1 << count;
        }
        return ans;
    }

在这里插入图片描述

3.3 对比 吐槽

我把这道题称为最难的中等题大家没有意见吧?刷LeetCode以来第一次提交了9个答案之后才ac,做的过程中已经是一度想要放弃跳过这道题算了,但每次的答案总是让我有一种“差一点点就成功”的感觉,于是只能硬着头皮做下去。

言归正传说说这道题目的时间复杂度,暴力法由于是采用逐步累加的思路,其答案就是所需要累加的次数,可以把时间复杂度看成O(m/n)m为被除数n为除数,最坏的情况下可以达到O(Integer.MAX_VALUE),所以不能ac其实很正常的,而采用位运算的循环乘二法时间复杂度是O( l o g 2 C log^2C log2C),其中C为常数Integer.MAX_VALUE,因此最坏的情况下也仅是O( 3 1 2 31^2 312)。另外,暴力法与循环乘二法的空间复杂度都是O(1)
在这里插入图片描述

  • 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“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