博客
关于我
程序员必学:快速幂算法
阅读量:472 次
发布时间:2019-03-06

本文共 4521 字,大约阅读时间需要 15 分钟。

前阵子,有小伙伴在我B站的算法教程底下留言

小伙伴们有任何疑问或者希望我讲解任何内容,都可以在我的或公众号(xmg_mj)留言哦,我会尽我最大能力、尽量抽时间去写文章或录视频来回应大家。

关于快速幂

其实快速幂相关的问题,是参加算法竞赛(NOI、ACM等)的小伙伴必须要掌握的一小块基础内容。当然,就算你不打算参加算法竞赛,个人觉得只要你是一名程序员,就必须要掌握快速幂算法。

在《计算机程序设计艺术》一书中就有提到快速幂算法,此书的英文名是The Art of Computer Programming,简称TAOCP。

TAOCP出自Donald Ervin Knuth前辈之手。Knuth前辈是在计算机领域成就颇丰的知名科学家,是著名的KMP算法的发明人之一,在1974年获得“计算机领域的诺贝尔奖”:图灵奖(当年他才36岁)。目前TAOCP已经出版了第1、2、3、4A卷,按照计划,还有第4B、5、6、7卷未出版。第一卷首发于1968年,Knuth前辈今年是82岁高寿,据说他计划在105岁之前完成这部巨著。

关于TAOCP,微软创始人Bill Gates曾说过

If you think you're a really good programmer… read (Knuth's) Art of Computer Programming… You should definitely send me a resume if you can read the whole thing.

大概意思是:如果你认为自己是一位非常优秀的程序员,那就应该阅读Knuth的TAOCP;如果你能读懂全部内容,可以直接给我发送一份简历。据说Knuth前辈的言辞更加犀利:看不懂就别当程序员了!不过TAOCP对于新手来说,阅读难度的确比较大,书中的所有示例都使用了Knuth前辈自创的MIX汇编语言

阅读本文之前的提醒

今天就抽空写一篇文章来讲解一下经典的快速幂算法哈。不过要想彻底看懂本文,有几个前提条件

  • 熟悉算法中的2个基础概念:时间复杂度、空间复杂度
    • 如果你压根没听过这2个概念,说明你的算法基础完全为0,真的没有在开玩笑!
    • 可以向公众号发送复杂度获取相关教程
  • 熟悉二进制和十进制的转换
    • 如果连这个都不熟悉的话,那你的编程底子就真的需要好好补补啦
    • 可以向公众号发送进制获取相关教程
  • 熟悉常见的位运算操作
    • n & 1的结果是n最低二进制位的值,也可以用于判断n的奇偶性
    • 求正整数n / 2,可以用位运算取代:n >> 1
    • 如果不明白上述操作的原理,可以向公众号发送位运算获取相关教程

什么是幂(Power)?

众所周知,x的n次幂,是指x的n次方,也就是n个x相乘,比如2的4次幂就是2 * 2 * 2 * 2。

为了简化描述,后面x的n次幂,我就简化为x ^ n(本文中的 ^ 并不是按位异或的意思)

那如何通过编程求幂?假设只考虑x、n是整数且n大于等于0的情况,最容易想到的方法如下所示(这里采用的编程语言是Java,但没有涉及Java特殊的语法。所以就算你没用过Java,也可以看懂)

int power(int x, int n) {    int result = 1;    while (n-- > 0) {        result *= x;    }    return result;}

很显然,这种方法的时间复杂度是O(n)、空间复杂度是O(1)

什么是快速幂?

所谓快速幂,就是用效率更高(时间复杂度更低)的方法求幂,可以将时间复杂度优化至O(logn)。这里介绍2种求解方法:递归、非递归

递归

根据上图中的等式,不难写出以下代码

int fastPower(int x, int n) {    if (n == 0) return 1;    int result = fastPower(x, n >> 1);    result *= result;    return (n & 1) == 0 ? result : result * x;}

这个方法的时间、空间复杂度都是O(logn)

那如何分析出这个方法的复杂度呢?

如果你的算法功底比较薄弱,可以代入特定值作一个大概的分析,比如当n为16时,方法的递归调用过程如下图所示

不难看出,每次调用时,n的规模都减半,所以时间和空间复杂度都是O(logn)

如果你的算法功底还行,那就可以用更专业的方法去分析它的复杂度(没有一定的算法基础,可能会看不懂)

  • 这其实是典型的应用分治策略的算法
  • 假设T(n)是数据规模为n时的时间复杂度,不难得出递推式:T(n) = T(n / 2) + O(1)
  • 最后通过主定理(Master Theorem)可以直接得出结论:T(n) = O(logn)

非递归

我们以求3 ^ 21为例子,来分析一下非递归的代码应该怎么写。

首先21的二进制形式是10101

不难得出以下结论

  • 3 ^ n(n为2、4、8、16)都可以由3 ^ 1累乘出来
  • 每一个3 ^ n都有对应的二进制位
    • 3 ^ 1对应二进制位的值是1,其实是二进制10101的最后1位
    • 3 ^ 2对应二进制位的值是0,其实是二进制1010的最后1位
    • 3 ^ 4对应二进制位的值是1,其实是二进制101的最后1位
    • 3 ^ 8对应二进制位的值是0,其实是二进制10的最后1位
    • 3 ^ 16对应二进制位的值是1,其实是二进制1的最后1位
  • 如果3 ^ n对应二进制位的值是0,就不用乘进最终结果
    • 比如3 ^ (8 * 0)、3 ^ (2 * 0)
    • 因为它们最终的值都是3 ^ 0,也就是1
  • 如果3 ^ n对应二进制位的值是1,就需要乘进最终结果
    • 比如3 ^ (16 * 1)、3 ^ (4 * 1)、3 ^ (1 * 1)

所以,综合以上种种结论,可以总结出以下解题步骤

  • 利用3 ^ 1,不断累乘出3 ^ n(n为2、4、8、16)
  • 每当累乘出一个3 ^ n,就查看其对应二进制位的值是1还是0,来决定是否要将它乘进最终结果
int fastPower(int x, int n) {    int result = 1;    while (n != 0) {        if ((n & 1) == 1) {            result *= x;        }        x *= x;        n >>= 1;    }    return result;}

代入3和21,fastPower(3, 21)的执行流程如下

第1轮while循环

  • 第4行代码
    • n的二进制是10101(十进制是21)
    • x = 3 ^ 1, 其对应二进制位的值是1(n的最后一个二进制位)
    • 所以需要执行第5行代码:将x乘进最终结果
    • result = 3 ^ 1
  • 第7行代码
    • x = (3 ^ 1) * (3 ^ 1) = 3 ^ 2
  • 第8行代码
    • n右移1位,其二进制变成了1010(对应的十进制是啥?不重要!!!)

第2轮while循环

  • 第4行代码
    • n的二进制是1010
    • x = 3 ^ 2, 其对应二进制位的值是0(n的最后一个二进制位)
    • 所以不需要执行第5行代码:不需要将x乘进最终结果
    • result = 3 ^ 1
  • 第7行代码
    • x = (3 ^ 2) * (3 ^ 2) = 3 ^ 4
  • 第8行代码
    • n右移1位,其二进制变成了101(对应的十进制是啥?不重要!!!)

第3轮while循环

  • 第4行代码
    • n的二进制是101
    • x = 3 ^ 4, 其对应二进制位的值是1(n的最后一个二进制位)
    • 所以需要执行第5行代码:将x乘进最终结果
    • result = (3 ^ 1) * (3 ^ 4)
  • 第7行代码
    • x = (3 ^ 4) * (3 ^ 4) = (3 ^ 8)
  • 第8行代码
    • n右移1位,其二进制变成了10(对应的十进制是啥?不重要!!!)

第4轮while循环

  • 第4行代码
    • n的二进制是10
    • x = 3 ^ 8, 其对应二进制位的值是0(n的最后一个二进制位)
    • 所以不需要执行第5行代码:不需要将x乘进最终结果
    • result = (3 ^ 1) * (3 ^ 4)
  • 第7行代码
    • x = (3 ^ 8) * (3 ^ 8) = 3 ^ 16
  • 第8行代码
    • n右移1位,其二进制变成了1(对应的十进制是啥?不重要!!!)

第5轮while循环

  • 第4行代码
    • n的二进制是1
    • x = 3 ^ 16, 其对应二进制位的值是1(n的最后一个二进制位)
    • 所以需要执行第5行代码:将x乘进最终结果
    • result = (3 ^ 1) * (3 ^ 4) * (3 ^ 16)
  • 第7行代码
    • x = (3 ^ 16) * (3 ^ 16) = 3 ^ 32
  • 第8行代码
    • n右移1位,其二进制变成了0

最后

  • 由于n = 0,所以退出while循环
  • 最终result = (3 ^ 1) * (3 ^ 4) * (3 ^ 16)
  • 复杂度分析
    • 每执行一次while的循环体,n >>= 1, 会导致n的值减半
    • 所以时间复杂度:O(logn)、空间复杂度:O(1)

Leetcode

Leetcode上的第50号题,刚好就可以用今天讲解的快速幂算法。以下是我的代码实现

// 递归double myPow(double x, int n) {    if (n == 0) return 1;    if (n == -1) return 1 / x;    double half = myPow(x, n >> 1);    half *= half;    return ((n & 1) == 1) ? half * x : half;}// 非递归double myPow(double x, int n) {    long y = (n < 0) ? -((long) n) : n;    double result = 1.0;    while (y > 0) {        if ((y & 1) == 1) {            result *= x;        }        x *= x;        y >>= 1;    }    return (n < 0) ? (1 / result) : result;}

需要提醒的是

  • 这里我用的编程语言是Java,大家可以根据自己熟悉的编程语言,对一些语法细节作出相应的调整
  • Leetcode上的n可能是个负数,所以上面的代码针对负数的情况作了一些处理

更多快速幂相关的问题

时间有限,这篇文章就先说到这了哈。给小伙伴们留2个快速幂相关的问题,有空的话,可以去研究一下

  • 使用矩阵快速幂求斐波那契数列
  • 请设计一个算法求x的y次幂模z的结果:(x ^ y) % z
    • 假设x、y都可能是很大的整数(y大于等于0,z不等于0)

如果你特别希望我写点什么方面的内容,也可以留言建议,谢谢。欢迎关注

转载地址:http://ethyz.baihongyu.com/

你可能感兴趣的文章
NIFI大数据进阶_Kafka使用相关说明_实际操作Kafka生产者---大数据之Nifi工作笔记0036
查看>>
NIFI大数据进阶_NIFI的模板和组的使用-介绍和实际操作_创建组_嵌套组_模板创建下载_导入---大数据之Nifi工作笔记0022
查看>>
NIFI大数据进阶_NIFI监控功能实际操作_Summary查看系统和处理器运行情况_viewDataProvenance查看_---大数据之Nifi工作笔记0026
查看>>
NIFI大数据进阶_NIFI监控的强大功能介绍_处理器面板_进程组面板_summary监控_data_provenance事件源---大数据之Nifi工作笔记0025
查看>>
NIFI大数据进阶_NIFI集群知识点_认识NIFI集群以及集群的组成部分---大数据之Nifi工作笔记0014
查看>>
NIFI大数据进阶_NIFI集群知识点_集群的断开_重连_退役_卸载_总结---大数据之Nifi工作笔记0018
查看>>
NIFI大数据进阶_使用NIFI表达式语言_来获取自定义属性中的数据_NIFI表达式使用体验---大数据之Nifi工作笔记0024
查看>>
NIFI大数据进阶_内嵌ZK模式集群1_搭建过程说明---大数据之Nifi工作笔记0015
查看>>
NIFI大数据进阶_外部ZK模式集群1_实际操作搭建NIFI外部ZK模式集群---大数据之Nifi工作笔记0017
查看>>
NIFI大数据进阶_实时同步MySql的数据到Hive中去_可增量同步_实时监控MySql数据库变化_操作方法说明_01---大数据之Nifi工作笔记0033
查看>>
NIFI大数据进阶_实时同步MySql的数据到Hive中去_可增量同步_实时监控MySql数据库变化_操作方法说明_02---大数据之Nifi工作笔记0034
查看>>
NIFI大数据进阶_离线同步MySql数据到HDFS_01_实际操作---大数据之Nifi工作笔记0029
查看>>
NIFI大数据进阶_离线同步MySql数据到HDFS_02_实际操作_splitjson处理器_puthdfs处理器_querydatabasetable处理器---大数据之Nifi工作笔记0030
查看>>
NIFI大数据进阶_离线同步MySql数据到HDFS_说明操作步骤---大数据之Nifi工作笔记0028
查看>>
NIFI大数据进阶_连接与关系_设置数据流负载均衡_设置背压_设置展现弯曲_介绍以及实际操作---大数据之Nifi工作笔记0027
查看>>
NIFI数据库同步_多表_特定表同时同步_实际操作_MySqlToMysql_可推广到其他数据库_Postgresql_Hbase_SqlServer等----大数据之Nifi工作笔记0053
查看>>
NIFI汉化_替换logo_二次开发_Idea编译NIFI最新源码_详细过程记录_全解析_Maven编译NIFI避坑指南001---大数据之Nifi工作笔记0068
查看>>
NIFI汉化_替换logo_二次开发_Idea编译NIFI最新源码_详细过程记录_全解析_Maven编译NIFI避坑指南002---大数据之Nifi工作笔记0069
查看>>
NIFI集群_内存溢出_CPU占用100%修复_GC overhead limit exceeded_NIFI: out of memory error ---大数据之Nifi工作笔记0017
查看>>
NIFI集群_队列Queue中数据无法清空_清除队列数据报错_无法删除queue_解决_集群中机器交替重启删除---大数据之Nifi工作笔记0061
查看>>