最近忙里偷闲,每天刷一道 LeetCode 的简单题保持手感,发现简单题虽然很容易 AC,但若去了解其所有的解法,也可学习到不少新的知识点,扩展知识的广度。
创作本文的思路来源于:LeetCode Problem 69. x 的平方根
简述题目大意(不想跳转链接,可以看这里):给定一个非负整数 x,要求计算并返回 x 的平方根(取整)。例如,输入 4,则输出 2;输入 8,则输出 2(8 的平方根是 2.82842……,由于返回类型是整数,因此小数部分被舍去)。即给定一个 x x x,我们要计算出 ⌊ x ⌋ \lfloor \sqrt{x} \rfloor ⌊x⌋。
最简单最直觉的方法自然是从 0 开始遍历,直到找到第一个其平方值大于 x x x 的数 n n n,则 n − 1 n-1 n−1 即是答案。对于任意的 x x x,其取整后平方根一定在 [ 0 , x ] [0, x] [0,x] 区间上,代码如下:
int sqrt(int x)
{
if (x == 0)
return x;
int ans = 1;
while (ans <= x / ans)
ans++;
return ans - 1;
}
这里需要注意的有两点:
- 第 6 行代码中,
while
的判断条件可以避免溢出。很大概率上,你可能会写成while (ans * ans <= x)
,这更自然、更直观,但当ans
的值很大时,ans * ans
的结果可能会超过int
类型的最大表示范围。举个例子,比如我们要计算 x x x 的取整平方根(其值为 n n n,即 ⌊ x ⌋ = n \lfloor \sqrt{x} \rfloor = n ⌊x⌋=n),算法会将ans
遍历到第一个平方超过 x x x 的值,即 n + 1 n+1 n+1 后停止。如果 x x x 的值就是int
类型能够表示的最大值,那么当ans
遍历到 n + 1 n+1 n+1 时,计算ans * ans
的结果就超出了int
类型的表示范围。 - 由于在
while
的循环判断中,我们用除法代替了乘法,因此ans
便不能再从 0 开始遍历(否则会导致除零错误)。为此,我们可以在算法开始单独处理 x = 0 x = 0 x=0 的情况,然后让ans
从 1 开始遍历。
作为一道简单题,这种暴力朴素的算法自然是可以 AC 的。但其效率极低(需要遍历 O ( n ) O(\sqrt{n}) O(n) 次),在 LeetCode 上的时间效率只能快过约 5% 的用户,使用 C++ 语言的运行时间平均要 90ms 以上。因此,本文提供了两种更加高效的算法:二分查找法和牛顿法。
1. 二分查找法
如果你在暴力求解的基础上继续思考,很大概率会想到用二分搜索求解。
没错,思考暴力求解的策略,我们在区间 [ 0 , x ] [0, x] [0,x] 上搜索解,而搜索区间 [ 0 , x ] [0, x] [0,x] 天然是有序的,自然可以用二分搜索代替线性搜索,以大大提高搜索效率。
更进一步的,我们还可以缩小我们的搜索区间。直觉告诉我们,对于一个非负整数 x x x,其 x \sqrt{x} x 应该不会大于 x / 2 x / 2 x/2(例如, 25 = 5 \sqrt{25} = 5 25=5,小于 25 / 2 = 12.5 25 / 2 = 12.5 25/2=12.5)。我们可以证明:
设 y = x 2 − x , 则 y ′ = 1 2 − 1 2 x , 令 y ′ = 0 , 可得驻点 x = 1 , 当 x > 1 时 , y ′ > 0 , 即当 x > 1 时 , y = x 2 − x 的值单调递增 , 可推出, 当 x > 1 时 , ⌊ x 2 ⌋ − ⌊ x ⌋ 的值单调递增 , 又因为当 x = 2 时 , ⌊ x 2 ⌋ − ⌊ x ⌋ = 0 , 所以当 x ≥ 2 时 , ⌊ x 2 ⌋ − ⌊ x ⌋ ≥ 0 , 即 x ≥ 2 时 , ⌊ x 2 ⌋ ≥ ⌊ x ⌋ (证毕) \begin{aligned} &\text{设 } y = \frac{x}{2} - \sqrt{x},\text{ 则 } y^\prime = \frac{1}{2} - \frac{1}{2\sqrt{x}}, \\[2ex] &\text{令 } y^\prime = 0, \text{ 可得驻点 } x = 1, \\[2ex] &\text{当 } x > 1 \text{ 时}, y^\prime > 0, \text{ 即当 } x > 1 \text{ 时 }, y = \frac{x}{2} - \sqrt{x} \text{ 的值单调递增}, \\[2ex] &\text{可推出, 当 } x > 1 \text{ 时}, \lfloor \frac{x}{2} \rfloor - \lfloor \sqrt{x} \rfloor \text{ 的值单调递增}, \\[2ex] &\text{又因为当 } x = 2 \text{ 时}, \lfloor \frac{x}{2} \rfloor - \lfloor \sqrt{x} \rfloor = 0, \\[2ex] &\text{所以当 } x \geq 2 \text{ 时}, \lfloor \frac{x}{2} \rfloor - \lfloor \sqrt{x} \rfloor \geq 0, \text{ 即 } x \geq 2 \text{ 时},\lfloor \frac{x}{2} \rfloor \geq \lfloor \sqrt{x} \rfloor &\text{(证毕)} \end{aligned} 设 y=2x−x, 则 y′=21−2x1,令 y′=0, 可得驻点 x=1,当 x>1 时,y′>0, 即当 x>1 时 ,y=2x−x 的值单调递增,可推出, 当 x>1 时,⌊2x⌋−⌊x⌋ 的值单调递增,又因为当 x=2 时,⌊2x⌋−⌊x⌋=0,所以当 x≥2 时,⌊2x⌋−⌊x⌋≥0, 即 x≥2 时,⌊2x⌋≥⌊x⌋(证毕)
通过证明我们可以得知,当所求的
x
x
x 大于等于
2
2
2 时,sqrt(x)
的搜索空间为
[
1
,
x
/
2
]
[1, x / 2]
[1,x/2],对于
x
<
2
x < 2
x<2 的情况,我们只要特殊处理即可(这里我们也可以得到结论:当
x
≥
1
x \geq 1
x≥1 时,
⌊
x
2
⌋
+
1
≥
⌊
x
⌋
\lfloor \frac{x}{2} \rfloor + 1 \geq \lfloor \sqrt{x} \rfloor
⌊2x⌋+1≥⌊x⌋,然后单独处理
x
<
1
x < 1
x<1 的情况)。代码:
int sqrt(int x)
{
if (x < 2) // 处理特殊情况
return x;
int left = 1, right = x / 2;
while (left <= right) {
# 避免溢出,相当于 mid = (left + right) / 2
int mid = left + ((right - left) >> 1);
if (mid == x / mid)
return mid;
else if (mid > x / mid)
right = mid - 1;
else
left = mid + 1;
}
return right;
}
在这里解释一下最后的返回值为什么是 right
。对于二分查找,其搜索空间会不断收缩到 left == right
(关于二分查找,这里不多赘述,自行手动模拟即可),此时 mid
、left
和 right
三者的值相等(mid = (left + right) / 2
)。根据二分查找的搜索范围的收缩条件可知,left
(或 mid
)左侧的值都小于等于
⌊
x
⌋
\lfloor \sqrt{x} \rfloor
⌊x⌋,right
(或 mid
)右侧的值都大于
⌊
x
⌋
\lfloor \sqrt{x} \rfloor
⌊x⌋,此时(while
的最后一次循环),判断 mid
的平方与 x
的大小,有三种情况:
mid == x / mid
。则在循环内直接返回mid
的值。mid > x / mid
。这种情况下,因为mid
左侧的值都小于等于 ⌊ x ⌋ \lfloor \sqrt{x} \rfloor ⌊x⌋,而mid
的值大于 x x x,则mid-1
即是答案。而按照分支条件,执行right = mid - 1
,可知right
的值正是应返回的值。此时,循环结束,应返回right
。mid <= x / mid
。这种情况下,mid
、left
和right
正是计算答案(右边的值都大于 ⌊ x ⌋ \lfloor \sqrt{x} \rfloor ⌊x⌋)。按照分支条件,执行left = mid + 1
,循环结束。此时,mid
和right
的值为计算结果。
综合上面三点可知,如果 while
循环结束,则 right
保存的值一定是计算结果。
和之前的暴力法相比,使用二分查找的思想求解 sqrt(x)
,只需要循环遍历
O
(
lg
x
2
)
O(\lg{\frac{x}{2}})
O(lg2x) 次;空间复杂度为
O
(
1
)
O(1)
O(1)。
2. 牛顿—拉弗森迭代法
牛顿—拉弗森迭代法(简称牛顿法)使用以直代曲的思想,是一种求解函数的方法,不仅仅适用于求解开方计算。当然使用牛顿法求解函数也存在很多坑,但对于求解开方而言,牛顿法是安全的。关于这一方法,你需要掌握一定的高等数学知识,想了解详细的内容,可以参考链接:如何通俗易懂地讲解牛顿迭代法求开方?数值分析?—马同学的回答
简单的理解,可以参考图片:
图片来源:牛顿法与拟牛顿法
给定任意一个非负整数 n n n,我们想要找到一个 x = ⌊ n ⌋ x = \lfloor \sqrt{n} \rfloor x=⌊n⌋,这相当于我们要计算函数 f ( x ) = x 2 − n f(x) = x^2 - n f(x)=x2−n 的根。我们首先需要先给出一个猜测值 x 0 x_0 x0,不妨令 x 0 = x 2 + 1 x_0 = \frac{x}{2} + 1 x0=2x+1(证明见第一小节),然后在 f ( x 0 ) f(x_0) f(x0) 处作函数的切线,切线与 x x x 轴的交点,即为一次迭代后的值 x 1 x_1 x1。若 x 1 x_1 x1 不是要得到的结果,则继续迭代,在 f ( x 1 ) f(x_1) f(x1) 处作函数的切线,切线与 x x x 轴的交点,即为第二次迭代后的值 x 2 x_2 x2。以此类推,直到得到 x n = ⌊ n ⌋ x_n = \lfloor \sqrt{n} \rfloor xn=⌊n⌋。
现在我们来推导迭代式。对于 x i x_i xi,其函数值为 f ( x i ) f(x_i) f(xi),则对于点 ( x i , f ( x i ) ) (x_i, f(x_i)) (xi,f(xi)),可得其切线方程:
y − f ( x i ) = f ( x i ) ′ ( x − x i ) ⟹ y − ( x i 2 − n ) = 2 x i ( x − x i ) ⟹ y + x i 2 + n = 2 x i x \begin{aligned} &y - f(x_i) = f(x_i)^\prime(x - x_i) \\[2ex] \implies &y - (x_i^2 - n) = 2x_i(x - x_i) \\[2ex] \implies &y + x_i^2 + n = 2x_ix \end{aligned} ⟹⟹y−f(xi)=f(xi)′(x−xi)y−(xi2−n)=2xi(x−xi)y+xi2+n=2xix
又因为 x i + 1 x_{i+1} xi+1 为切线与 x x x 轴的交点,所以令 y = 0 y=0 y=0,可得:
x i + 1 = ( x i + n / x i ) / 2 x_{i+1} = (x_i + n / x_i) / 2 xi+1=(xi+n/xi)/2
现在,我们就可以根据迭代式编写代码了:
int sqrt(int x)
{
// 避免除零错误,单独处理 x = 0 的情况
if (x == 0)
return x;
int t = x / 2 + 1;
while (t > x / t)
t = (t + x / t) / 2;
return t;
}
为了确保算法是正确的,我们还需要一些额外的证明。首先,证明迭代式是单调递减的:
x i + 1 − x i = ⌊ 1 2 ( x i + n x i ) ⌋ − x i = ⌊ 1 2 ( n x i − x i ) ⌋ x_{i+1} - x_i = \left\lfloor \frac{1}{2} (x_i + \frac{n}{x_i}) \right\rfloor - x_i = \left\lfloor \frac{1}{2} (\frac{n}{x_i} - x_i) \right\rfloor xi+1−xi=⌊21(xi+xin)⌋−xi=⌊21(xin−xi)⌋
可知,在区间 [ x , + ∞ ) [\sqrt{x}, +\infin) [x,+∞) 上, x i + 1 − x i < 0 x_{i+1} - x_i < 0 xi+1−xi<0。
然后,我们还要证明迭代式是可以收敛到 ⌊ n ⌋ \lfloor \sqrt{n} \rfloor ⌊n⌋ 的:
x i + 1 = ⌊ 1 2 ( x i + ⌊ n x i ⌋ ) ⌋ = ⌊ 1 2 ( x i + n x i ) ⌋ ≥ ⌊ 1 2 × 2 × x i ⋅ n x i ⌋ = ⌊ n ⌋ x_{i+1} = \left\lfloor \frac{1}{2} \left( x_i + \left\lfloor \frac{n}{x_i} \right\rfloor \right) \right\rfloor = \left \lfloor \frac{1}{2} (x_i + \frac{n}{x_i}) \right \rfloor \geq \left \lfloor \frac{1}{2} \times 2 \times \sqrt{x_i \cdot \frac{n}{x_i}} \right \rfloor = \lfloor \sqrt{n} \rfloor xi+1=⌊21(xi+⌊xin⌋)⌋=⌊21(xi+xin)⌋≥⌊21×2×xi⋅xin⌋=⌊n⌋
因此,当 while
循环结束时,我们可以得到正确的答案。
关于牛顿法求 sqrt(x)
的时间复杂度,笔者目前也没有搞清楚,有了解的童鞋欢迎交流~。不过通过查询资料,以及实际测试,可知牛顿法的时间效率优于二分搜索法。