本专栏专注于分析与讲解【面试经典150】算法,两到三天更新一篇文章,欢迎催更……
专栏内容以分析题目为主,并附带一些对于本题涉及到的数据结构等内容进行回顾与总结,文章结构大致如下,部分内容会有增删:
- Tag:介绍本题牵涉到的知识点、数据结构;
- 题目来源:贴上题目的链接,方便大家查找题目并完成练习;
- 题目解读:复述题目(确保自己真的理解题目意思),并强调一些题目重点信息;
- 解题思路:介绍一些解题思路,每种解题思路包括思路讲解、实现代码以及复杂度分析;
- 知识回忆:针对今天介绍的题目中的重点内容、数据结构进行回顾总结。
【快速幂】
50. Pow(x, n)
计算一个数的整数次幂。
计算一个数的整数次幂有朴素的方法和二分的方法,朴素的方法就是一个一个的乘起来,时间复杂度为 O ( n ) O(n) O(n), n n n 指的是幂指数。接下来要介绍的是二分法,即快速幂,有递归和迭代两种解法。建议读者掌握快速幂的方法,该方法是一些题目计算的一个重要工具。
写递归代码的一个重要思想,坚信自己写的递归就是对的,可以直接调用。用快速幂求解一个数的整数次幂是一种二分的递归,比如我们要计算 x n x^n xn 时:
n
是偶数,那么 x n = y 2 x^n=y^2 xn=y2;如果 n n n 是奇数,那么 x n = y 2 × x x^n=y^2 \times x xn=y2×x;n = 0
,因为任意数的 0
次方均为 1
。实现代码
class Solution {
public:
double quickMul(double x, long long N) {
if (N == 0) return 1.0;
double y = quickMul(x, N/2);
return N & 1 ? y * y * x : y * y;
}
double myPow(double x, int n) {
long long N = n;
return N >= 0 ? quickMul(x, N) : 1.0 / quickMul(x, -N);
}
};
复杂度分析
时间复杂度: O ( l o g n ) O(logn) O(logn), n n n 为幂指数。因为每次递归都会使指数减少一半,因此递归的层数为 O ( l o g n ) O(logn) O(logn),时间复杂度也为 O ( l o g n ) O(logn) O(logn)。
空间复杂度: O ( l o g n ) O(logn) O(logn)。
在完全理解了递归的思想后,会发现递归真简单,但是完全理解递归之前还是觉得迭代简单容易理解。现在就来看看迭代解法。
我们依旧是使用二分来计算幂:
res *= x
;x *= x
;res
即可。实现代码
class Solution {
public:
double quickMul(double x, long long n) {
double res = 1.0;
for (; n; n /= 2) {
if (n & 1) {
res *= x;
}
x *= x;
}
return res;
}
double myPow(double x, int n) {
long long N = n;
return N >= 0 ? quickMul(x, N) : 1.0 / quickMul(x, -N);
}
};
复杂度分析
时间复杂度: O ( l o g n ) O(logn) O(logn), n n n 为幂指数。
空间复杂度: O ( 1 ) O(1) O(1)。
在 Python 中,可以使用内置的 pow
函数来进行快速幂的计算。pow
函数的签名如下:
pow(x, y, z=None, /)
其中,x
为底数,y
为指数,z
为模数(如果指定了模数,则返回 x**y % z)。这个函数的时间复杂度较低,因为它采用了快速幂的算法。
以下是一个示例:
# 计算 2 的 10 次方
result = pow(2, 10)
# 输出结果
print(result)
上述代码会输出 1024
,即 2 的 10 次方的结果。在这个例子中,pow
函数的参数分别为底数、指数,没有指定模数。
如果文章内容有任何错误或者您对文章有任何疑问,欢迎私信博主或者在评论区指出 。
如果大家有更优的时间、空间复杂度方法,欢迎评论区交流。
最后,感谢您的阅读,如果感到有所收获的话可以给博主点一个 哦。