03.快速幂
前言
幂运算是我们最常用的运算之一。如果我们要求 x 的 N 次幂,那么想当然的就会写出一个 N 次的循环,然后累乘得到结果。这种幂运算的复杂度是O(N)。
一、 快速幂
那么有没有更快的运算方式呢?
在计算机领域有一种常用的快速幂算法:蒙哥马利幂(Montgomery reduction)算法
。将复杂度从O(N) 降到了 O(logN)
1.1 思路一:递归
若 N 为偶数,可以先求 xN/2,然后再平方。
若 N 为奇数,可以先求 x(N-1)/2,然后再平方,再乘以x
快速幂的最基础思想就是上面两条了。
求解 xN/2,x(N-1)/2 时也可以用到上面的思路,每次将指数除以2,每次都可以将复杂度降低一半,知道最后指数为1。
Swift实现
这里不考虑大数,仅作为思路展示
1.2 思路二:二进制拆分
我们以 x14 为例进行推导。
x14(10) = x1110(2) = x1000(2) * x100(2) * x10(2)
换个方向,更直观:
x1110(2) = x10(2) * x100(2) * x1000(2)
推论:
设 x 的 N 次幂等于 res
1: 在指数 N 的二进制形式下,从最低位开始左移一位,x自乘一次(和指数N左移一位保持一致)
如果当前位为1
当前位a到最低位,中间位全部置0时表示的值b,xb的累乘
如果当前位位0
执行1
循环直到指数N等于0
当前位
指数b
res
1110
0
x0(2)
111
0
10
x10(2)
11
10
100
x10(2) * x100(2)
1
110
1000
x10(2) x100(2) x1000(2)
Swift实现
这里不考虑大数,仅作为思路展示
1.3 参考
二、 快速幂取模
2.1 模运算规律
(a + b) % p = (a % p + b % p) % p
(a - b) % p = (a % p - b % p + p) % p
(a b) % p = (a % p b % p) % p
ab % p = ((a % p)b) % p
根据这个规律,可以推导出同余性质
2.2 常见问题场景
我们经常会看到 输出结果对x取模
。这种题目一般考察两点:
在原算法的基础上,多一个取模运算来考察你对取模运算规律的掌握
大数据时数据增长太快,64 位甚至 128 位的整形无法表示
「剑指Offer」14-II.剪绳子是个典型问题
2.3 利用快速幂,控制数据范围
14-II.剪绳子
中通过快速幂,结合模运算规律,控制了幂运算结果的范围不会超过 1_000_000_007
。
Last updated