zoukankan      html  css  js  c++  java
  • 大数相乘

    http://www.cnblogs.com/jason-yang/archive/2012/04/26/2472755.html

    今天在网上看到一个大数相乘的问题,题目是这样的:输入两个整数,要求输出这两个数的乘积。输入的数字可能超过计算机内整形数据的存储范围。

    分析:

    由于数字无法用一个整形变量存储,很自然的想到用字符串来表示一串数字。然后按照乘法的运算规则,用一个乘数的每一位乘以另一个乘数,然后将所有中间结果按正确位置相加得到最终结果。可以分析得出如果乘数为A和B,A的位数为m,B的位数为n,则乘积结果为m+n-1位(最高位无进位)或m+n位(最高位有进位)。因此可以分配一个m+n的辅存来存储最终结果。为了节约空间,所有的中间结果直接在m+n的辅存上进行累加。最后为了更符合我们的乘法运算逻辑,可以讲数字逆序存储,这样数字的低位就在数组的低下标位置,进行累加时确定下标位置较容易些。

    下面是我的解法。

    首先是对数组逆序的函数:

    void reverseOrder(char* str, int p, int q)
    {
        char temp;
        while(p < q)
        {
            temp = str[p];
            str[p] = str[q];
            str[q] = temp;
            p ++;
            q --;
        }
    }
    char* multiLargeNum(char* A, char* B)
    {
        int m = strlen(A);
        int n = strlen(B);
        char* result = new char[m+n+1];
        memset(result, '0', m+n);
        result[m+n] = '';
        reverseOrder(A, 0, m-1);
        reverseOrder(B, 0, n-1);
    
        int multiFlag; // 乘积进位
        int addFlag;   // 加法进位
        for(int i=0; i <= n-1; i++) // B的每一位
        {
            multiFlag = 0;
            addFlag = 0;
            for(int j=0; j <= m-1; j++) // A的每一位
            {
                // '0' - 48 = 0
                int temp1 = (A[j] - 48) * (B[i] - 48) + multiFlag;
                multiFlag = temp1 / 10;
                temp1 = temp1 % 10;
                int temp2 = (result[i+j] - 48) + temp1 + addFlag;
                addFlag = temp2 / 10;
                result[i+j] = temp2 % 10 + 48; 
            }
            result[i + m] += multiFlag + addFlag;
        }
        reverseOrder(result, 0, m+n-1); // 逆序回来
    
        return result;
    }
    int main()
    {
        char A[] = "962346239843253528686293234124";
        char B[] = "93459382645998213649236498";
        char *res = multiLargeNum(A, B);
        if(res[0] != 48)
            printf("%c", res[0]);
        printf("%s", res+1);
        delete [] res;
        return 0;
    }

    时间复杂度分析:

    3个逆序操作的时间分别为O(n)、O(m)、O(m+n),双重循环的时间复杂度为O(mn),则总的时间复杂度为O(mn + (m+n)),通常m+n << mn,因此可近似认为为O(mn)。而且,逆序操作只是为了思考更容易,完全可以去掉。

    空间复杂度为O(m+n)

  • 相关阅读:
    Mitmproxy使用教程for mac
    Flink重启策略
    Flink中的Time
    Flink的分布式缓存
    8-Flink中的窗口
    10-Flink集群的高可用(搭建篇补充)
    Flink-Kafka-Connector Flink结合Kafka实战
    15-Flink实战项目之实时热销排行
    16-Flink-Redis-Sink
    17-Flink消费Kafka写入Mysql
  • 原文地址:https://www.cnblogs.com/kkshaq/p/4802932.html
Copyright © 2011-2022 走看看