java – 从1开始可以算多远,当我可以使用任何数字时最多N次
我的问题如下;对于数字N,我需要找出我可以计算的最大值,每个数字可以使用N次.
例如,如果N = 5,则最大值为12,因为此时数字1已被使用了5次. 我最初的方法是简单地遍历所有数字,并记录到目前为止每个数字的使用次数.当N很大时,这显然是非常低效的,所以我正在寻找关于实现这一目标的更聪明(和更有效)方法的建议. public class Counter { private static Hashtable<Integer,Integer> numbers; public static void main(String[] args){ Counter c = new Counter(); c.run(9); } public Counter() { numbers = new Hashtable<Integer,Integer>(); numbers.put(0,0); numbers.put(1,0); numbers.put(2,0); numbers.put(3,0); numbers.put(4,0); numbers.put(5,0); numbers.put(6,0); numbers.put(7,0); numbers.put(8,0); numbers.put(9,0); } public static void run(int maxRepeat) { int keeper = 0; for(int maxFound = 0; maxFound <= maxRepeat; maxFound++) { keeper++; for (int i = 0; i < Integer.toString(keeper).length(); i++) { int a = Integer.toString(keeper).charAt(i); //here update the tally for appropriate digit and check if max repeats is reached } } System.out.println(keeper); } } 解决方法
对于初学者而言,不是使用Hashtable支持你的Counter,而是使用int [].当您确切地知道地图必须具有多少元素时,尤其是当键是数字时,数组是完美的.
话虽如此,我认为最有效的加速可能来自更好的数学,而不是更好的算法.通过一些实验(或者可能很明显),您会注意到1始终是第一个使用给定次数的数字.所以给定N,如果你能找到第一个使用数字1 N 1次的数字,你知道你的答案就是之前的数字.这可以让你解决问题而不必实际计算那么高. 现在,让我们来看看有多少1用于计算各种数字.在这篇文章中,我将使用n来指定一个数字,当我们试图计算出有多少1用于计算数字时,而大写字母N表示用多少1来计算某个数字. 一位数字 从一位数字开头: 1: 1 2: 1 ... 9: 1 显然,计算一位数字所需的1的数量是…… 1.嗯,实际上我们忘记了一个: 0: 0 这在以后会很重要.所以我们应该这样说:计数到一位数X所需的1的数量是X> 1. 0? 1:0.让我们定义一个数学函数f(n),它代表“计数到n所需的1的数量”.然后 f(X) = X > 0 ? 1 : 0 两位数字 对于两位数字,有两种类型.对于1X形式的数字, 10: 2 11: 4 12: 5 ... 19: 12 您可以这样想:计数高达1X需要等于1的1 > f(9)(从最多计数到9)加上 或者数学上, f(1X) = f(9) + 1 + X + f(X) 然后有两位数字高于19: 21: 13 31: 14 ... 91: 20 计数为两位数YX所需的1的数量,其中Y> 1是 > f(19)(从数到19)加上 或者在数学上,对于Y> 1, f(YX) = f(19) + f(9) * (Y - 2) + f(X) = f(9) + 1 + 9 + f(9) + f(9) * (Y - 2) + f(X) = 10 + f(9) * Y + f(X) 三位数字 一旦你得到三位数的数字,你可以扩展模式.对于1YX形式的任何三位数字(现在Y可以是任何东西),从计数到该数字的总计数为1 > f(99)(从最高计数到99)加上 所以 f(1YX) = f(99) + 1 + YX + f(YX) 注意与f(1X)平行.将逻辑继续到更多数字,对于以1开头的数字,模式是 f(1[m-digits]) = f(10^m - 1) + 1 + [m-digits] + f([m-digits]) [m-digits]表示长度为m的数字序列. 现在,对于不以1开头的三位数字ZYX,即Z> 1. 1,计算它们所需的1的数量是 > f(199)(从数到199)加上 所以 f(ZYX) = f(199) + f(99) * (Z - 2) + f(YX) = f(99) + 1 + 99 + f(99) + f(99) * (Z - 2) + f(YX) = 100 + f(99) * Z + f(YX) 现在,以1开头的数字模式似乎很清楚: f(Z[m-digits]) = 10^m + f(10^m - 1) * Z + f([m-digits]) 一般情况 我们可以将最后的结果与以1开头的数字的公式结合起来.您应该能够验证以下公式是否等同于上面给出的所有数字Z 1-9的适当情况,并且它做了正确的事情当Z == 0时: f(Z[m-digits]) = f(10^m - 1) * Z + f([m-digits]) + (Z > 1) ? 10^m : Z * ([m-digits] + 1) 对于10 ^ m – 1形式的数字,如99,999等,您可以直接评估函数: f(10^m - 1) = m * 10^(m-1) 因为数字1将在每个m个数字中使用10 ^(m-1)次 – 例如,当计数到999时,在数百个地方将使用100个1,在此使用100个1数十个地方,100个1’用于那些地方.所以这就成了 f(Z[m-digits]) = Z * m * 10^(m-1) + f([m-digits]) + (Z > 1) ? 10^m : Z * ([m-digits] + 1) 对于这种特殊的方法,你可以修改确切的表达式,但我认为这非常接近于它.你在这里有一个递归关系,它允许你通过在每一步去掉一个前导数字来评估f(n),即计数到n所需的1的数量.它的时间复杂度在n中是对数的. 履行 鉴于上面的最后一个公式,实现此功能很简单.在技??术上,你可以在递归中使用一个基本案例:空字符串,即将f(“”)定义为0.但它会为你节省一些调用以处理单个数字以及表格的数字10 ^ m – 1.这是我如何做的,省略了一些参数验证: private static Pattern nines = Pattern.compile("9+"); /** Return 10^m for m=0,1,...,18 */ private long pow10(int m) { // implement with either pow(10,m) or a switch statement } public long f(String n) { int Z = Integer.parseInt(n.substring(0,1)); int nlen = n.length(); if (nlen == 1) { return Z > 0 ? 1 : 0; } if (nines.matcher(n).matches()) { return nlen * pow10(nlen - 1); } String m_digits = n.substring(1); int m = nlen - 1; return Z * m * pow10(m - 1) + f_impl(m_digits) + (Z > 1 ? pow10(m) : Z * (Long.parseLong(m_digits) + 1)); } 反相 这个算法解决了你问的问题的反转:也就是说,它计算出一个数字用于计数n的次数,而你想知道你可以用给定的数字N到达哪个n(即1′).所以,正如我在开始时提到的那样,你正在寻找f(n 1)>的第一个n. N. 最简单的方法是从n = 0开始计数,看看你何时超过N. public long howHigh(long N) { long n = 0; while (f(n+1) <= N) { n++; } return n; } 但当然,与在数组中累积计数相比,这并不是更好(实际上可能更糟). f的全部意义在于你不必测试每个数字;你可以跳过很长的间隔,直到找到一个n,使得f(n 1)> N,然后使用跳转缩小搜索范围.我推荐的一个相当简单的方法是exponential search将结果置于上限,然后进行二分搜索以缩小范围: public long howHigh(long N) { long upper = 1; while (f(upper + 1) <= N) { upper *= 2; } long lower = upper / 2,mid = -1; while (lower < upper) { mid = (lower + upper) / 2; if (f(mid + 1) > N) { upper = mid; } else { lower = mid + 1; } } return lower; } 由于上面的f的实现是O(log(n))而指数二进制搜索也是O(log(n)),所以最终的算法应该是O(log ^ 2(n)),我认为N和n之间的关系足够线性,您也可以将其视为O(log ^ 2(N)).如果您在日志空间中搜索并明智地缓存该函数的计算值,则可能将其降低到大致为O(log(N)).可能提供显着加速的变体在确定上限后坚持在interpolation search的一轮中,但是编码正确是很棘手的.尽管如此,完全优化搜索算法可能是另一个问题. (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |