博客
关于我
leetcode—sqrt
阅读量:802 次
发布时间:2023-01-31

本文共 1089 字,大约阅读时间需要 3 分钟。

题目描述

本题要求实现一个函数 int sqrt(int x),用于计算给定整数 x 的整数平方根。该函数需要返回不大于 √x 的最大整数。

解法分析

为了高效地解决这一问题,可以采用二分搜索算法。这种方法的核心思想是通过不断缩小搜索范围来快速找到目标值。以下是详细的实现步骤:

  • 初始化变量

    • 设定 rmin0,表示搜索的下界。
    • 设定 rmaxx / 2,这是一个合理的上界估计。
  • 计算中间值

    • 在每次循环中,计算 rmidrminrmax 的中间值,即 rmid = (rmin + rmax) / 2
  • 检查中间值平方是否等于 x

    • 如果 rmid * rmid 等于 x,则 rmid 就是 x 的平方根,直接返回。
  • 调整搜索范围

    • 如果 rmid * rmid 小于 x,说明 rmid 太小,需要向上调整搜索范围,令 rmax = rmid + 1
    • 如果 rmid * rmid 大于 x,说明 rmid 太大,需要向下调整搜索范围,令 rmin = rmid + 1
  • 返回结果

    • 当搜索结束后,rmin 会接近 rmax,此时返回 rmin 即可得到整数平方根。
  • 代码实现

    int sqrt(int x) {    if (x < 0) return -1;    if (x < 4) return x > 0 ? 1 : 0;        long long rmin = 0;    long long rmax = x / 2;        while (rmin <= rmax) {        long long rmid = (rmin + rmax) / 2;        if (rmid * rmid == x) return rmid;        if (rmid * rmid < x) rmax = rmid + 1;        else rmin = rmid + 1;    }        return (int)rmin;}

    代码解释

    • 边界条件处理:首先检查 x 的值。如果 x 为负数,直接返回 -1。对于小于 4 的正数,直接返回其平方根。
    • 二分搜索:通过初始化 rminrmax,然后在 while 循环中不断调整搜索范围,计算中间值 rmid
    • 平方检查:根据 rmid 的平方与 x 的关系,调整搜索范围,最终找到最大的整数平方根。
    • 返回结果:循环结束后,返回 rmin 作为整数平方根。

    这种方法的时间复杂度为 O(log x),在保证正确性的同时,能够高效地完成平方根计算。

    转载地址:http://fqgyk.baihongyu.com/

    你可能感兴趣的文章
    pandas 读取excel数据,以字典形式输出
    查看>>
    Pandas 读取具有浮点值的 csv 文件会导致奇怪的舍入和小数位数
    查看>>
    pandas 适用,但仅适用于满足条件的行
    查看>>
    pandas 重新采样到每月的特定工作日
    查看>>
    pandas :按移位分组和累加和(GroupBy Shift And Cumulative Sum)
    查看>>
    pandas :检测一个DF和另一个DF之间缺失的列
    查看>>
    Pandas-从具有嵌套列表列表的现有列创建动态列时出错
    查看>>
    Pandas-通过对列和索引的值求和来合并两个数据框
    查看>>
    pandas.columns、get_dummies等用法
    查看>>
    pandas.DataFrame.copy(deep=True) 实际上并不创建深拷贝
    查看>>
    pandas.read_csv()的详解-ChatGPT4o作答
    查看>>
    PANDAS.READ_EXCEL()输出‘;溢出错误:日期值超出范围‘;而不存在日期列
    查看>>
    pandas100个骚操作:再见 for 循环!速度提升315倍!
    查看>>
    Pandas:对给定列求和 DataFrame 行
    查看>>
    Pandas、Matplotlib、Pyecharts数据分析实践
    查看>>
    Pandas中文官档~基础用法2
    查看>>
    Pandas中文官档~基础用法6
    查看>>
    Pandas中的GROUP BY AND SUM不丢失列
    查看>>
    pandas交换两列
    查看>>
    pandas介绍-ChatGPT4o作答
    查看>>