leetcode题解之50. Pow(x, n)

时间：2020-07-01 00:15:02 阅读：43 评论：0 收藏：0 [点我收藏+]

标签：python3 lang span pre 表示并且 ott smplayer 额外

实现 pow(x, n) ，即计算 x 的 n 次幂函数。

示例 1:

输入: 2.00000, 10
输出: 1024.00000

示例 2:

输入: 2.10000, 3
输出: 9.26100

示例 3:

输入: 2.00000, -2
输出: 0.25000
解释: 2^-2 = 1/2² = 1/4 = 0.25

说明:

-100.0 < x < 100.0
n 是 32 位有符号整数，其数值范围是 [?2³¹, 2³¹? 1] 。

??视频题解

刷新重试诊断

code：

vid:

uuid:

requestId:

播放时间：

倍速正常
字幕Off
音轨
清晰度

确认取消

??文字题解

前言

本题的方法被称为「快速幂算法」，有递归和迭代两个版本。这篇题解会从递归版本的开始讲起，再逐步引出迭代的版本。

当指数 $n$ 为负数时，我们可以计算 $x^{-n}$ 再取倒数得到结果，因此我们只需要考虑 $n$ 为自然数的情况。

方法一：快速幂 + 递归

「快速幂算法」的本质是分治算法。举个例子，如果我们要计算 $x^{64}$ ，我们可以按照：

x \to x^2 \to x^4 \to x^8 \to x^{16} \to x^{32} \to x^{64}

的顺序，从 $x$ 开始，每次直接把上一次的结果进行平方，计算 $6$ 次就可以得到 $x^{64}$ 的值，而不需要对 $x$ 乘 $63$ 次 $x$ 。

再举一个例子，如果我们要计算 $x^{77}$ ，我们可以按照：

x \to x^2 \to x^4 \to x^9 \to x^{19} \to x^{38} \to x^{77}

的顺序，在 $x \to x^2$ ， $x^2 \to x^4$ ， $x^{19} \to x^{38}$ 这些步骤中，我们直接把上一次的结果进行平方，而在 $x^4 \to x^9$ ， $x^9 \to x^{19}$ ， $x^{38} \to x^{77}$ 这些步骤中，我们把上一次的结果进行平方后，还要额外乘一个 $x$ 。

直接从左到右进行推导看上去很困难，因为在每一步中，我们不知道在将上一次的结果平方之后，还需不需要额外乘 $x$ 。但如果我们从右往左看，分治的思想就十分明显了：

当我们要计算 $x^n$ 时，我们可以先递归地计算出 $y = x^{\lfloor n/2 \rfloor}$ ，其中 $\lfloor a \rfloor$ 表示对 $a$ 进行下取整；
根据递归计算的结果，如果 $n$ 为偶数，那么 $x^n = y^2$ ；如果 $n$ 为奇数，那么 $x^n = y^2 * x$ ；
递归的边界为 $n = 0$ ，任意数的 $0$ 次方均为 $1$ 。

由于每次递归都会使得指数减少一半，因此递归的层数为 $O(\log n)$ ，算法可以在很快的时间内得到结果。

C++
Java
Python3
Golang

class Solution {
public:
    double quickMul(double x, long long N) {
        if (N == 0) {
            return 1.0;
        }
        double y = quickMul(x, N / 2);
        return N % 2 == 0 ? y * y : y * y * x;
    }
<span class="hljs-function"><span class="hljs-keyword">double</span> <span class="hljs-title">myPow</span><span class="hljs-params">(<span class="hljs-keyword">double</span> x, <span class="hljs-keyword">int</span> n)</span> </span>{
    <span class="hljs-keyword">long</span> <span class="hljs-keyword">long</span> N = n;
    <span class="hljs-keyword">return</span> N &gt;= <span class="hljs-number">0</span> ? quickMul(x, N) : <span class="hljs-number">1.0</span> / quickMul(x, -N);
}

};

class Solution {

public double quickMul(double x, long N) {

if (N == 0) {

return 1.0;

}

double y = quickMul(x, N / 2);

return N % 2 == 0 ? y * y : y * y * x;

}
<span class="hljs-function"><span class="hljs-keyword">public</span> <span class="hljs-keyword">double</span> <span class="hljs-title">myPow</span><span class="hljs-params">(<span class="hljs-keyword">double</span> x, <span class="hljs-keyword">int</span> n)</span> </span>{
    <span class="hljs-keyword">long</span> N = n;
    <span class="hljs-keyword">return</span> N &gt;= <span class="hljs-number">0</span> ? quickMul(x, N) : <span class="hljs-number">1.0</span> / quickMul(x, -N);
}

}

class Solution:

def myPow(self, x: float, n: int) -> float:

def quickMul(N):

if N == 0:

return 1.0

y = quickMul(N // 2)

return y * y if N % 2 == 0 else y * y * x
    <span class="hljs-keyword">return</span> quickMul(n) <span class="hljs-keyword">if</span> n &gt;= <span class="hljs-number">0</span> <span class="hljs-keyword">else</span> <span class="hljs-number">1.0</span> / quickMul(-n)

func myPow(x float64, n int) float64 {

if n >= 0 {

return quickMul(x, n)

}

return 1.0 / quickMul(x, -n)

}
func quickMul(x float64, n int) float64 {

if n == 0 {

return 1

}

y := quickMul(x, n/2)

if n%2 == 0 {

return y * y

}

return y * y * x

}

复杂度分析

时间复杂度： $O(\log n)$ ，即为递归的层数。
空间复杂度： $O(\log n)$ ，即为递归的层数。这是由于递归的函数调用会使用栈空间。

方法二：快速幂 + 迭代

由于递归需要使用额外的栈空间，我们试着将递归转写为迭代。在方法一中，我们也提到过，从左到右进行推导是不容易的，因为我们不知道是否需要额外乘 $x$ 。但我们不妨找一找规律，看看哪些地方额外乘了 $x$ ，并且它们对答案产生了什么影响。

我们还是以 $x^{77}$ 作为例子：

x \to x^2 \to x^4 \to^+ x^9 \to^+ x^{19} \to x^{38} \to^+ x^{77}

并且把需要额外乘 $x$ 的步骤打上了 $+$ 标记。可以发现：

$x^{38} \to^+ x^{77}$ 中额外乘的 $x$ 在 $x^{77}$ 中贡献了 $x$ ；
$x^9 \to^+ x^{19}$ 中额外乘的 $x$ 在之后被平方了 $2$ 次，因此在 $x^{77}$ 中贡献了 $x^{2^2} = x^4$ ；
$x^4 \to^+ x^9$ 中额外乘的 $x$ 在之后被平方了 $3$ 次，因此在 $x^{77}$ 中贡献了 $x^{2^3} = x^8$ ；
最初的 $x$ 在之后被平方了 $6$ 次，因此在 $x^{77}$ 中贡献了 $x^{2^6} = x^{64}$ 。

我们把这些贡献相乘， $x * x^4 * x^8 * x^{64}$ 恰好等于 $x^{77}$ 。而这些贡献的指数部分又是什么呢？它们都是 $2$ 的幂次，这是因为每个额外乘的 $x$ 在之后都会被平方若干次。而这些指数 $1$ ， $4$ ， $8$ 和 $64$ ，恰好就对应了 $77$ 的二进制表示 $(1001101)_2$ 中的每个 $1$ ！

因此我们借助整数的二进制拆分，就可以得到迭代计算的方法，一般地，如果整数 $n$ 的二进制拆分为

n = 2^{i_0} + 2^{i_1} + \cdots + 2^{i_k}

那么

x^n = x^{2^{i_0}} * x^{2^{i_1}} * \cdots * x^{2^{i_k}}

这样以来，我们从 $x$ 开始不断地进行平方，得到 $x^2, x^4, x^8, x^{16}, \cdots$ ，如果 $n$ 的第 $k$ 个（从右往左，从 $0$ 开始计数）二进制位为 $1$ ，那么我们就将对应的贡献 $x^{2^k}$ 计入答案。

下面的代码给出了详细的注释。

C++
Java
Python3
Golang

class Solution {
public:
    double quickMul(double x, long long N) {
        double ans = 1.0;
        // 贡献的初始值为 x
        double x_contribute = x;
        // 在对 N 进行二进制拆分的同时计算答案
        while (N > 0) {
            if (N % 2 == 1) {
                // 如果 N 二进制表示的最低位为 1，那么需要计入贡献
                ans *= x_contribute;
            }
            // 将贡献不断地平方
            x_contribute *= x_contribute;
            // 舍弃 N 二进制表示的最低位，这样我们每次只要判断最低位即可
            N /= 2;
        }
        return ans;
    }
<span class="hljs-function"><span class="hljs-keyword">double</span> <span class="hljs-title">myPow</span><span class="hljs-params">(<span class="hljs-keyword">double</span> x, <span class="hljs-keyword">int</span> n)</span> </span>{
    <span class="hljs-keyword">long</span> <span class="hljs-keyword">long</span> N = n;
    <span class="hljs-keyword">return</span> N &gt;= <span class="hljs-number">0</span> ? quickMul(x, N) : <span class="hljs-number">1.0</span> / quickMul(x, -N);
}

};

class Solution {

double quickMul(double x, long N) {

double ans = 1.0;

// 贡献的初始值为 x

double x_contribute = x;

// 在对 N 进行二进制拆分的同时计算答案

while (N > 0) {

if (N % 2 == 1) {

// 如果 N 二进制表示的最低位为 1，那么需要计入贡献

ans *= x_contribute;

}

// 将贡献不断地平方

x_contribute *= x_contribute;

// 舍弃 N 二进制表示的最低位，这样我们每次只要判断最低位即可

N /= 2;

}

return ans;

}
<span class="hljs-function"><span class="hljs-keyword">public</span> <span class="hljs-keyword">double</span> <span class="hljs-title">myPow</span><span class="hljs-params">(<span class="hljs-keyword">double</span> x, <span class="hljs-keyword">int</span> n)</span> </span>{
    <span class="hljs-keyword">long</span> N = n;
    <span class="hljs-keyword">return</span> N &gt;= <span class="hljs-number">0</span> ? quickMul(x, N) : <span class="hljs-number">1.0</span> / quickMul(x, -N);
}

}

class Solution:

def myPow(self, x: float, n: int) -> float:

def quickMul(N):

ans = 1.0

# 贡献的初始值为 x

x_contribute = x

# 在对 N 进行二进制拆分的同时计算答案

while N > 0:

if N % 2 == 1:

# 如果 N 二进制表示的最低位为 1，那么需要计入贡献

ans *= x_contribute

# 将贡献不断地平方

x_contribute *= x_contribute

# 舍弃 N 二进制表示的最低位，这样我们每次只要判断最低位即可

N //= 2

return ans
    <span class="hljs-keyword">return</span> quickMul(n) <span class="hljs-keyword">if</span> n &gt;= <span class="hljs-number">0</span> <span class="hljs-keyword">else</span> <span class="hljs-number">1.0</span> / quickMul(-n)

func myPow(x float64, n int) float64 {

if n >= 0 {

return quickMul(x, n)

}

return 1.0 / quickMul(x, -n)

}
https://www.jianshu.com/p/b9f5d5dbfb2c
func quickMul(x float64, N int) float64 {

ans := 1.0

// 贡献的初始值为 x

x_contribute := x

// 在对 N 进行二进制拆分的同时计算答案

for N > 0 {

if N % 2 == 1 {

// 如果 N 二进制表示的最低位为 1，那么需要计入贡献

ans *= x_contribute

}

// 将贡献不断地平方

x_contribute *= x_contribute

// 舍弃 N 二进制表示的最低位，这样我们每次只要判断最低位即可

N /= 2

}

return ans

}

复杂度分析

时间复杂度： $O(\log n)$ ，即为对 $n$ 进行二进制拆分的时间复杂度。
空间复杂度： $O(1)$ 。

leetcode题解之50. Pow(x, n)

标签：python3 lang span pre 表示并且 ott smplayer 额外

原文地址：https://www.cnblogs.com/leetcodetijie/p/13216771.html

踩

(0)

评论一句话评论（0）