【算法实践】| 一步步带你实现寻找最大公约数

简介: 在实现之前我们先来了解一下什么是最大公约数,以及我们常用的计算最大公约数的方法或者说数学方法。概念最大公约数,也称最大公因数、最大公因子。他是一个能够被若干整数同时整除的整数,如果一个整数同时是几个整数的约数,则称这个整数为他们的公约数,公约数中最大的数成为最大公约数,1是任意若干的正整数的公约数。比如:一个数既是数A的约数,又是数B的约数,称为A,B的公约数,A,B的公约数中最大的一个(可以包括AB自身)称为AB的最大公约数,a,b的最大公约数记为(a,b),同样的,a,b,c的最大公约数记为(a,b,c),多个整数的最大公约数也有同样的记号。这么一大段可以概括为:最大公约数:指两个或

前言

在实现之前我们先来了解一下什么是最大公约数,以及我们常用的计算最大公约数的方法或者说数学方法。

概念

最大公约数,也称最大公因数最大公因子。他是一个能够被若干整数同时整除的整数,如果一个整数同时是几个整数的约数,则称这个整数为他们的公约数,公约数中最大的数成为最大公约数,1是任意若干的正整数的公约数。比如:一个数既是数A的约数,又是数B的约数,称为A,B的公约数,A,B的公约数中最大的一个(可以包括AB自身)称为AB的最大公约数,a,b的最大公约数记为(a,b),同样的,a,b,c的最大公约数记为(a,b,c),多个整数的最大公约数也有同样的记号。这么一大段可以概括为:

最大公约数:指两个或多个整数共有约数中最大的一个。


求最大公约数的方法


常见的有质因数分解法、短除法、辗转相除法、更相减损法。与最大公约数相对应的概念是最小公倍数,a,b的最小公倍数记为[a,b]。(先埋个小彩蛋:下一篇文章我们可以接着探索一下最小公倍数的计算方法)

短除法和辗转相除法是我们在数学解题中常用的两种方法。而且短除法也是我们在求二进制数时常用的方法,辗转相除法求可用来求解不定方程的一组整数解,这是它在数学中最常见的应用,辗转相除法处理大数时非常高效,它需要的步骤不会超过较小数的位数(十进制下)的五倍(加百利·拉梅(GabrielLamé)于1844年证明了这点,开创了计算复杂性理论)。辗转相除法的运算速度为 O(n),其中 n 为输入数值的位数。


求解流程


本文通过穷举法辗转相除法这两种个方法来寻找最大公约数。下面我们来看看两种的方法的具体流程:


穷举法流程图


网络异常,图片无法展示
|


辗转相除法流程图


辗转相除法终止条件是 余数=0

除数是最小公约数

网络异常,图片无法展示
|


算法实现


穷举法


步骤:

  1. 输入两个正整数
  2. 找到其中较小的数,并记录为min
  3. 使用穷举法,查找可以整除x,y两个值的数字,并记录为Flag.Flag小的值会被大的值覆盖掉
  4. 返回Flag,就是x和y最大的公约数

代码如下:


defFindgcd(x,y):
ifx<y:
min=yelse:
min=xforiinrange(1, min+1):
if((x%i==0) and (y%i==0)):
Flag=ireturnFlagx=int(input("请输入第一个整数:"))
y=int(input("请输入第二个整数:"))
print(x,",", y, "的最大公约数为:", Findgcd(x,y))


执行结果如下:

网络异常,图片无法展示
|


辗转相除法


  1. 如果a<b,则交换两数位置,否则不交换
  2. 求a/b的余数
  3. 在余数不为零时,始终进行交换和相除  
  4. 余数为零后,打印输出b


代码如下:


x=int(input("请输入第一个整数:"))
y=int(input("请输入第二个整数:"))
ifx<y: #如果x<y,则交换两数位置,否则不交换x,y=y,xr=x%ywhiler!=0: #在余数不为零时,不断进行交换和相除x,y=y,rr=x%yprint(x,",", y, "的最大公约数为:",y)


执行结果如下:


辗转相除法优化

1.递归
defgcd(x , y):
ify==0:
returnxelse:
returngcd(y, x%y)
a=int(input("请输入第一个整数:"))
b=int(input("请输入第二个整数:"))
print(x,",", y1, "的最大公约数为:",gcd(a,b))
2.非递归
x=int(input("请输入第一个整数:"))
y=int(input("请输入第二个整数:"))
y1=y;
whiley:
x,y=y,x%yprint(x,",", y1, "的最大公约数为:",x)
目录
相关文章
|
1月前
|
机器学习/深度学习 算法 搜索推荐
从理论到实践,Python算法复杂度分析一站式教程,助你轻松驾驭大数据挑战!
【10月更文挑战第4天】在大数据时代,算法效率至关重要。本文从理论入手,介绍时间复杂度和空间复杂度两个核心概念,并通过冒泡排序和快速排序的Python实现详细分析其复杂度。冒泡排序的时间复杂度为O(n^2),空间复杂度为O(1);快速排序平均时间复杂度为O(n log n),空间复杂度为O(log n)。文章还介绍了算法选择、分而治之及空间换时间等优化策略,帮助你在大数据挑战中游刃有余。
60 4
|
1月前
|
机器学习/深度学习 算法 Python
探索机器学习中的决策树算法:从理论到实践
【10月更文挑战第5天】本文旨在通过浅显易懂的语言,带领读者了解并实现一个基础的决策树模型。我们将从决策树的基本概念出发,逐步深入其构建过程,包括特征选择、树的生成与剪枝等关键技术点,并以一个简单的例子演示如何用Python代码实现一个决策树分类器。文章不仅注重理论阐述,更侧重于实际操作,以期帮助初学者快速入门并在真实数据上应用这一算法。
|
1月前
|
机器学习/深度学习 人工智能 Rust
MindSpore QuickStart——LSTM算法实践学习
MindSpore QuickStart——LSTM算法实践学习
40 2
|
1月前
|
机器学习/深度学习 算法 数据建模
计算机前沿技术-人工智能算法-生成对抗网络-算法原理及应用实践
计算机前沿技术-人工智能算法-生成对抗网络-算法原理及应用实践
30 0
|
3月前
|
DataWorks 算法 调度
B端算法实践问题之配置脚本以支持blink批处理作业的调度如何解决
B端算法实践问题之配置脚本以支持blink批处理作业的调度如何解决
42 1
|
3月前
|
SQL 算法 Serverless
B端算法实践问题之使用concat_id算子获取用户最近点击的50个商品ID如何解决
B端算法实践问题之使用concat_id算子获取用户最近点击的50个商品ID如何解决
28 1
|
3月前
|
存储 SQL 消息中间件
B端算法实践问题之设计一套实时平台能力如何解决
B端算法实践问题之设计一套实时平台能力如何解决
42 1
|
3月前
|
存储 SQL 算法
B端算法实践问题之Blink在实时业务场景下的优势如何解决
B端算法实践问题之Blink在实时业务场景下的优势如何解决
46 1
|
3月前
|
SQL 算法 数据处理
B端算法实践问题之物料数据加载的挑战如何解决
B端算法实践问题之物料数据加载的挑战如何解决
41 1