LeetCode69——Sqrt——Newton Method for gradient descent

这是一道很简单的题目，就是求某个整型数字的平方根，题面如下：

这道题不难，首先最基本的可以使用迭代法来一个一个地尝试，但是这样的复杂度显然是O(n)，属于所有算法中较差的一种。进阶一些的做法就是二分法来求解平方根，这样可以将算法的复杂度减小到O($\log n$)，但是要注意数据类型的位长，代码如下：

	// search x's sqrt in inteval [Low, High)
    long searchSqrt(int x, int Low, int High)
    {
        if(Low == High) // inteval is empty
        {
            if((long)Low * Low <= x)
                return Low;
            else
                return Low - 1;
        }
            
        long Mid = ((long)Low + High) >> 1;

        if(Mid * Mid == x)
            return Mid;
        else if(Mid * Mid > x)
            return searchSqrt(x, Low, Mid);
        else // Mid * Mid < x
            return searchSqrt(x, Mid + 1, High);
    }

写这篇文章的目的在于记录一种新的求解算法——牛顿梯度下降法
这个方法的好处不仅在于求解效率足够高，而且还有一个好处在于——我们可以控制解的精度范围
牛顿法的示意图在官方题解中给出了示意，这里只是简单地将其示意图截取下来：

简单来说，通过不断计算曲线上某点$(x_0,{x_0}^2-c)$的切线与x轴的交点，我们就可以使此点慢慢趋近于真实的平方根$x^{\star }$，并且通过控制当前解与上次解之间的距离(在x轴上的距离差)，我们可以控制解的相对精度。总而言之，在本题的迭代过程中，上次解和此次解的关系是：$x_{i+1}=\frac{1}{2}\times (x_i+\frac{c}{x_i})$。据此，我们可以写出代码，其中C就是我们要求平方根的数字，这里的代码将误差控制在$10^{-7}量级$。

    int mySqrt(int x) 
    {
        if (x == 0) 
        {
            return 0;
        }

        double C = x, x0 = x;
        while (true) 
        {
            double xi = 0.5 * (x0 + C / x0);
            if (fabs(x0 - xi) < 1e-7) 
            {
                break;
            }
            x0 = xi;
        }
        return int(x0);
    }
};

这篇博客记录了一种求解平方根问题的特殊解法——牛顿梯度下降法，据此可以控制解得相对精度，并且时间效率较高。