【有营养的算法笔记】基础算法 —— 高精度算法(加减乘除)

简介: 【有营养的算法笔记】基础算法 —— 高精度算法(加减乘除)

一、前言


时隔多日,算法笔记终于又开始恢复更新了。今天 a n d u i n anduin anduin 为大家带来的是 高精度算法 。


高精度算法是解决大数运算的一把利器。虽然这个名字听起来挺高大上的,但是高精度算法的原理其实并不难,就和我们平时算计算题一样。所以学习起来还是十分愉快的。


高精度算法分为四大类,高精度加法,高精度减法,高精度乘法,高精度除法。它们各自有各自的优点。而今天,我们就来学习这四种算法。




二、高精度加法


1、思想及模板


高精度加法说白了就是两个大数之间相加,数字长度不超过 1 0 6 10^{6} 106 。注意这里是长度,而不是数据大小哦!


但是这种数字如果放到变量中肯定是存不下的,所以我们一般用数组来存储,在 C++ 中一般用 vector 容器。


如果存入数组中,就需要考虑存储顺序,究竟应该正着存还是倒着存。


实际上,我们这边 倒着存 是很合适的,因为对于数组来说,给一个数的后面一个数加 1 1 1 很简单,但是在一个数的前面加上 1 1 1 就很麻烦。


就比如这张图:


78476dad42527d2c6f0f60de49b836a5.png



如果我们 倒着存 那么 a[0] + b[0] = 11 ,是需要进位的。如果倒着存就可以 很快的进行进位 ,直接在下标 1 1 1 处进行自增即可;但是如果正着存,那么进位就需要到 − 1 -1 −1 下标了,这样就不麻烦,我们算法就是为了更快解决问题,所以自然选择最合适的方式:倒着存 。


而高精度加法运算其实就像我们小学列 竖式 一样:


   从最低位开始计算,如果两个数相加超过 10 10 10 ,就需要进位。竖式我就不带着大家列了,相信以小伙伴的脑袋瓜很容易想明白。


我这边就讲一下思想:


假如数组 a a a 和 b b b 分别用来存数据, c c c 用来存储答案。


通过循环同时遍历 a a a 、 b b b 数组,在遍历的同时,使用 t t t 来判断是否进位。将 a[i] + b[i] 的数据累加到 t t t 中。


数据相加有两种结果:


   如果 a[i] + b[i] < 10 ,直接将 t 放入 c c c ,让 t /= 10 ,以便下一次计算。

   如果 a[i] + b[i] = 10 ,将 t % 10 = 0 放入 c c c ,让 t /= 10 。

   如果 a[i] + b[i] > 10 ,将 t % 10 放入 c c c 数组,将 t /= 10 作为 进位 ,下一次 t t t 初始就是 1 1 1 。


就拿这张图理解:


2b20400140845a1be002f4fb35553d85.png

这里就是对最后一位进行运算时,所做的进位操作。


而 t % 10 t \% 10 t%10 最终的结果肯定在 0 ∼ 9 0 \sim 9 0∼9 之间,如果 t < 10 t < 10 t<10 小,那么 % 10 \%10 %10 不会对运算结果产生影响;对于 t > 10 t > 10 t>10的情况,则会将结果控制到 0 ∼ 9 0 \sim 9 0∼9 之间。


这种做法就像是计算机在模拟我们日常的操作,所以高精度加法在力扣上有一题被归为 模拟算法 的范畴:415. 字符串相加 。就比如这道题目,就是经典的高精度加法。


模板 :

vector<int> Add(vector<int> &A, vector<int> &B)
{
    vector<int> C;
    int t = 0;
    for (int i = 0; i < A.size() || i < B.size(); i++) {
        if (i < A.size()) {
            t += A[i];
        }
        if (i < B.size()) {
            t += B[i];
        }
        C.push_back(t % 10);
        t /= 10;
    }
    if (t) {
        C.push_back(1);
    }
    return C;
}


简单讲一下模板在干什么:


a a a 和 b b b 是倒着存的,并同步遍历,由于数据大小不确定,所以只要 a a a 和 b b b 有一个符合条件,则就可以被 t t t 累加,符合条件的就加上该位置的元素,否则就不处理,默认为 0 0 0 。


每次将 t % 10 t \% 10 t%10 尾插到结果数组 c c c 中,然后将 t / 10 t / 10 t/10 ,以便下次运算,如果有进位,那么下次 t t t 的初值就为 1 1 1 。


最后循环结束后,再判断一下是否还有进位没进,如果有进位,则将 1 1 1 尾插到 c c c 中。




2、代码实现


链接791. 高精度加法


描述:

给定两个正整数(不含前导 0 0 0),计算它们的和。


输入格式:

共两行,每行包含一个整数。


输出格式:

共一行,包含所求的和。


数据范围:

1 ≤ 1 ≤ 1≤ 整数长度 ≤ 100000 ≤100000 ≤100000



输入样例

12
23


输出样例

35



思路

思路我们基本已经讲完了,在经过模板中的处理后,将数据倒着打印出来即可。


71ffbd0a2b843b253af289b65cd1ae10.png



三、高精度减法


1、思路及模板



高精度减法是对大整数的减法,数据长度不超过 1 0 6 10^{6} 106 。


我们讲解的 高精度减法是基于对正整数的算法 ,如果计算的是负数,那么需要微调。


高精度减法使用的存储方式为 倒序存储 。还是和我们的竖式计算十分相似。


假设我们现在还是两个数组: a , b a, b a,b ,当 a [ i ] − b [ i ] < 0 a[i] - b[i] < 0 a[i]−b[i]<0 时,则需要 借位 ;如果 a [ i ] − b [ i ] > = 0 a[i] - b[i] >= 0 a[i]−b[i]>=0 ,则无需处理。


就比如这幅图就是 a [ i ] − b [ i ] < 0 a[i] - b[i] < 0 a[i]−b[i]<0 的一个经典样例:


b5237462a1c53ca9aeeef7e55668b9b3.png


如果 a [ i ] − b [ i ] < 0 a[i] - b[i] < 0 a[i]−b[i]<0 ,则说明需要借位,就是 + 10 +10 +10 ,为了防止 + 10 +10 +10 后超过 10 10 10 而放不进数组,所以需要 % 10 \% 10 %10 。然后判断 t t t本身是否小于 0 0 0 ,将借位更新一下: t = − 1 t = -1 t=−1 ,方便下一次计算。


如果 a [ i ] − b [ i ] ≥ 0 a[i] - b[i] \ge 0 a[i]−b[i]≥0 ,上面的方式也能完全适应,因为对于 0 ∼ 9 0 \sim 9 0∼9 的正数来说先 + 10 +10 +10 再 % 10 \% 10 %10 是不变的,所以方法完全适配。在这种情况下 t ≥ 0 t \ge 0 t≥0 ,所以无需进位 t = 0 t = 0 t=0 。


但是在进行高精度减法之前,我们需要知道两个数的大小:


   若 a < b a < b a<b ,则 a − b a - b a−b 结果为负数

   若 a ≥ b a \ge b a≥b ,则 a − b a - b a−b 结果为整数或 0 0 0


所以我们需要预处理比较两个数的大小,如果 a < b a < b a<b 的话,相减的结果就为负数,所以就需要交换它们的值,因为它俩相减结果就相当于 − ( b − a ) -(b - a) −(b−a) ,这时只需要先输出负号,然后正常倒序输出即可。


再来看看模板:


// 比较 a 和 b 的大小
bool cmp(vector<int> &A, vector<int> &B)
{
    // 如果 A 的位数小于或等于 B 的位数
    if (A.size() != B.size()) {
        return A.size() > B.size();
    }
    // A 的位数大于 B 的位数
    for (int i = A.size() - 1; i >= 0; i--) {
        if (A[i] != B[i]) {
            return A[i] > B[i];
        }
    }
    // 此时 A == B
    return true;
}
vector<int> Sub(vector<int> &A, vector<int> &B)
{
    vector<int> C;
    int t = 0;
    for (int i = 0; i < A.size(); i++) {
        t += A[i];
        if (i < B.size()) {
            t -= B[i];
        }
        // 相减结果可能为负数 % 10 可以得到 0~9 的位数
        // 此时是需要借位的
        C.push_back((t + 10) % 10);
        // 如果 t < 0 说明要借位
        if (t < 0) {
            t = -1;
        } else {
            t = 0;
        }
    }
    while (C.size() > 1 && C.back() == 0) {
        C.pop_back();
    }
    return C;
}


这段模板里的大部分我们都讲过了,下面讲一下这块是什么意思:

while (C.size() > 1 && C.back() == 0) {
        C.pop_back();
}


由于我们的数据时是倒着存放的,而两个数相减结果为 0 0 0 ,就会在该位填上 0 0 0 。


比如 666 ∼ 665 666 \sim 665 666∼665 倒着存储并在经过上方的高精度运算后, c c c 中结果为 100 100 100 ,所以这种情况就需要去前导 0 0 0 。


上面的操作就是检查长度是否至少为 1 1 1 ,且 c c c 尾部是否为 0 0 0 。



2、代码实现


链接792. 高精度减法


给定两个正整数(不含前导 0 0 0 ),计算它们的差,计算结果可能为负数。

输入格式:


共两行,每行包含一个整数。


输出格式:


共一行,包含所求的差。


数据范围:


1 ≤ 整数长度 ≤ 1 0 5 1≤整数长度≤10_{5} 1≤整数长度≤105


输入样例

32
11



输出样例

21


思路我们都讲过了,接下来就直接上代码,注意点都在注释里:


2f7647169ca02811245d4cd02a0fd683.png































相关文章
|
25天前
|
算法 API 计算机视觉
人脸识别笔记(一):通过yuface调包(参数量54K更快更小更准的算法) 来实现人脸识别
本文介绍了YuNet系列人脸检测算法的优化和使用,包括YuNet-s和YuNet-n,以及通过yuface库和onnx在不同场景下实现人脸检测的方法。
30 1
|
25天前
|
JSON 算法 数据可视化
测试专项笔记(一): 通过算法能力接口返回的检测结果完成相关指标的计算(目标检测)
这篇文章是关于如何通过算法接口返回的目标检测结果来计算性能指标的笔记。它涵盖了任务描述、指标分析(包括TP、FP、FN、TN、精准率和召回率),接口处理,数据集处理,以及如何使用实用工具进行文件操作和数据可视化。文章还提供了一些Python代码示例,用于处理图像文件、转换数据格式以及计算目标检测的性能指标。
46 0
测试专项笔记(一): 通过算法能力接口返回的检测结果完成相关指标的计算(目标检测)
|
26天前
|
数据可视化 搜索推荐 Python
Leecode 刷题笔记之可视化六大排序算法:冒泡、快速、归并、插入、选择、桶排序
这篇文章是关于LeetCode刷题笔记,主要介绍了六大排序算法(冒泡、快速、归并、插入、选择、桶排序)的Python实现及其可视化过程。
12 0
|
26天前
|
算法
❤️算法笔记❤️-(每日一刷-83、删除排序链表中的重复项)
❤️算法笔记❤️-(每日一刷-83、删除排序链表中的重复项)
29 0
|
26天前
|
算法
❤️算法笔记❤️-(每日一刷-26、删除有序数组的重复项)
❤️算法笔记❤️-(每日一刷-26、删除有序数组的重复项)
23 0
|
15天前
|
算法 安全 数据安全/隐私保护
基于game-based算法的动态频谱访问matlab仿真
本算法展示了在认知无线电网络中,通过游戏理论优化动态频谱访问,提高频谱利用率和物理层安全性。程序运行效果包括负载因子、传输功率、信噪比对用户效用和保密率的影响分析。软件版本:Matlab 2022a。完整代码包含详细中文注释和操作视频。
|
1天前
|
算法 调度
基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
车间作业调度问题(JSSP)通过遗传算法(GA)和模拟退火算法(SA)优化多个作业在并行工作中心上的加工顺序和时间,以最小化总完成时间和机器闲置时间。MATLAB2022a版本运行测试,展示了有效性和可行性。核心程序采用作业列表表示法,结合遗传操作和模拟退火过程,提高算法性能。
|
2天前
|
存储 算法 决策智能
基于免疫算法的TSP问题求解matlab仿真
旅行商问题(TSP)是一个经典的组合优化问题,目标是寻找经过每个城市恰好一次并返回起点的最短回路。本文介绍了一种基于免疫算法(IA)的解决方案,该算法模拟生物免疫系统的运作机制,通过克隆选择、变异和免疫记忆等步骤,有效解决了TSP问题。程序使用MATLAB 2022a版本运行,展示了良好的优化效果。
|
1天前
|
机器学习/深度学习 算法 芯片
基于GSP工具箱的NILM算法matlab仿真
基于GSP工具箱的NILM算法Matlab仿真,利用图信号处理技术解析家庭或建筑内各电器的独立功耗。GSPBox通过图的节点、边和权重矩阵表示电气系统,实现对未知数据的有效分类。系统使用MATLAB2022a版本,通过滤波或分解技术从全局能耗信号中提取子设备的功耗信息。
|
1天前
|
机器学习/深度学习 算法 5G
基于MIMO系统的SDR-AltMin混合预编码算法matlab性能仿真
基于MIMO系统的SDR-AltMin混合预编码算法通过结合半定松弛和交替最小化技术,优化大规模MIMO系统的预编码矩阵,提高信号质量。Matlab 2022a仿真结果显示,该算法能有效提升系统性能并降低计算复杂度。核心程序包括预编码和接收矩阵的设计,以及不同信噪比下的性能评估。
10 3