zoukankan      html  css  js  c++  java
  • 对上一篇吸血鬼数算法的优化

    在本人上一篇拙作中,介绍了吸血鬼数的概念并实现了一种算法,但正如末尾所说,在计算从0到Integer.MAX_VALUE之间的吸血鬼数时,其计算时间达到了12分钟之长。因此,该算法有待优化。

    先说一下该算法的基本思想:比方说要求四位数、即求1000~9999之间的吸血鬼数,那么两个乘数的位数为2,则乘数的范围即可定为[10, 99],于是,对两个乘数进行从10到99的双层循环,计算其积,在满足相关限制条件的情况下,将积所包含的数字和乘数所包含的数字进行比较,如果数字完全相同,那么该积即为吸血鬼数。对于其它偶数位的整数,可按上述方法类推。

    在修改之前的算法基本流程如下:
    1. 获得要求的整数区间[m, n]的最小偶数位数a和最大偶数位数b;
    2. 因为要分为两个数,所以取a/2位数的最小值min作为初始计数值,取b/2位数的最大值 max作为终止计数值;
    3. 从min到max进行双层循环;
    4. 判断循环数是否符合要求(末尾不能全为0,etc.);
    5. 将双层循环的数进行相乘;
    6. 判断积的大小及位数是否符合要求;
    7. 将积的数字和乘数的数字进行比较,如果满足条件则为吸血鬼数。

    实际上,由于偶数位之间存在奇数位,上一篇中由于未去除奇数位,从而导致奇数位也加入了循环,故计算时间大大增加。优化后,算法的基本流程如下:

    1. 获得要求的整数区间[m, n]的最小数m及最大数n的位数,分别为a、b;
    2. 取出[a, b]之间的偶数列表,记为L(在此之前要判断a、b的大小是否合法);
    3. 对L进行循环,每取出其中一个偶数x,就根据x求得对应x位偶数的乘数范围[p, q];
    4. 从p到q进行双层循环;
    5. 相关条件判断及积的计算;
    6. 积的数字和乘数的数字比较,满足条件则为吸血鬼数。
    7. 继续对L的循环。

    从上述流程可以看出,虽然循环加了一层,但避开了对奇数位的循环,所以可以猜想整个计算时间应该是第一种的一半左右。经实际测试,计算从0到Integer.MAX_VALUE之间的吸血鬼数的时间消耗为380699ms,大约为6分多钟,确实节省了一半时间。

    附:整个算法的Java代码实现

    import java.util.List;
    import java.util.ArrayList;

    public class VampireNumber {

    public static void find(int start, int end) {
    System.out.println("start: " + start + ", end: " + end);
    int slen = VampireNumber.getIntegerLength(start);
    int elen = VampireNumber.getIntegerLength(end);

    if(slen >= elen) {
    System.out.println("No suitable number exists in this region.");
    return;
    }

    // 该线性表用作偶数位数存放列表
    List<Integer> lenList = new ArrayList<Integer>((elen - slen + 1) / 2 + 1);
    for(int n = slen; n <= elen; n++) {
    if(n % 2 == 0) {
    lenList.add(n);
    }
    }

    // 开始对列表循环
    for(int len : lenList) {
    int begin = (int)Math.pow(10, len / 2 - 1);  // 对应len位偶数的、满足位数要求的最小乘数
    int finish = begin * 10;           // 对应len位偶数的、满足位数要求的最大乘数
    for(int i = begin; i < finish; i++) {
    boolean boundryReached = false;     // ①(见②和处③的解释)
    for(int j = i; j < finish; j++) {        // j从i开始计数,避免出现(i, j)为(17, 27)、(27, 17)这样的重复情况
    if(i % 10 == 0 && j % 10 == 0) {    // 两个乘数末尾都为0的情况不满足条件,跳过
    continue;
    }

    int value = i * j;
    if(value < 0 || value > end) {      // 如果积已经溢出或者超过最大值
    if(j == i) {              // ② 如果j等于i,说明从此之后,无论i的增长或者j的增长都不会再满足条件,所以需要跳出两层循环(见①和③)
    boundryReached = true;
    }
    break;
    }
    if(value < start) {           // 如果积小于最小值,则继续
    continue;
    }

    if(VampireNumber.getIntegerLength(value) != len) {  // 如果积的位数不是期望位数
    continue;
    }

    int[] numList = new int[10];              // 十个数字的计数数组,索引0~9分别代表数字0~9出现的次数
    VampireNumber.getNumberCountList(numList, i, j);   // 一个数字出现了几次,就将该计数数组对应索引的值加1

    while(value != 0) {
    numList[value % 10]--;       // 将积中出现的数字在数组中对应索引的值减1
    value /= 10;
    }
    boolean isVampireNumber = true;
    for(int a = 0; a < numList.length / 2 + 1; a++) {    // 循环,用于判断计数数组的每一项是否都为0,如果都为0,说明积是吸血鬼数
    if(numList[a] != 0 || numList[numList.length - a - 1] != 0) {
    isVampireNumber = false;
    break;
    }
    }

    if(isVampireNumber) {        // 如果是吸血鬼数,则打印出来
    System.out.println("A vampire number found: " + i * j + ", (" + i + ", " + j + ").");
    }
    }

    if(boundryReached) {          // ③ 在出现溢出或者超过最大值、并且j等于i的情况下跳出外层循环,因为内层循环的初始条件是j=i,所以此时i再增长的话肯定会溢出或者超过最大值(见①和②)
    break;
    }
    }
    }
    }

    public static int[] getNumberCountList(int[] list, int... nums) {
    for(int num : nums) {
    do {
    list[num % 10]++;
    num /= 10;
    }while(num != 0);
    }
    return list;
    }

    public static int getIntegerLength(int num) {
    int len = 0;
    do {
    len++;
    num /= 10;
    }while(num != 0);
    return len;
    }

    public static void main(String[] args) {
    System.out.println("-------------- Now start computing... --------------");
    long s = System.currentTimeMillis();
    VampireNumber.find(0, Integer.MAX_VALUE);  // 调用find()函数来求从0到Integer.MAX_VALUE之间的所有吸血鬼数
    //VampireNumber.find(0, 900000);
    long f = System.currentTimeMillis();
    System.out.println("------- Computing finished, time used: " + (f - s) + " ms. -------");
    }
    }
  • 相关阅读:
    前端响应式开发
    前端兼容性问题解决方案(二)
    web storage
    flex布局 滚动条失效
    ant-design-vue form表单 defaultValue默认值
    node express 中间件 http-proxy-middleware 和 express-http-proxy 转发 搞定 post 超时
    Math.min & Math.max & apply
    Backbone源码分析-noConflict
    安卓下浏览器(包括微信)video 小窗口播放
    前端工作流
  • 原文地址:https://www.cnblogs.com/ini_always/p/2265242.html
Copyright © 2011-2022 走看看