【有营养的算法笔记】基础算法 —— 高精度算法(加减乘除)2

简介: 【有营养的算法笔记】基础算法 —— 高精度算法(加减乘除)

四、高精度乘法


1、思路及模板

我们这里讲的高精度乘法为大整数 × \times × 小整数,大整数长度不超过 1 0 6 10^{6} 106,小整数数据范围不超过 1 0 9 10^{9} 109。


高精度乘法,就不只是单单的数学计算了,这里有些不同。


首先大数 a a a 倒序存储到 vector 中,这样也是为了方便进位,首先设定进位 t t t 。


再看一个例子,了解一下进位规则:



182f8bbd5ae09b6a277b01cecc8d1caf.png


就比如这个例子,大数 a a a 的单独位数直接和 b b b 相乘,将结果累加到 t t t 中,将乘得的结果 % 10 \% 10 %10 存放到 c c c 数组中,然后 t / = 10 t /= 10 t/=10 ,将进位去掉一位 。其实这里的进位也很好理解,无非就是要让 t t t 到下一位,而下一位是当前位次 × 10 \times 10 ×10 ,所以 t t t 要前进一位就要 / 10 / 10 /10 。


这就是高精度乘法的运算规则,也不需要分类讨论啥的,就记住这个规律就好。虽然运算方法和我们从前计算方式有些不同,但是最终计算结果是相同的。


由于这个过程不太好画,所以不懂的小伙伴们可以下去自己模拟一下,操作很简单,但是用电脑画图不好表示。


模板 :


vector<int> Mul(vector<int> &A, int b) 
{
    vector<int> C;
    int t = 0;
    for (int i = 0; i < A.size(); i++) {
        t += A[i] * b;
        C.push_back(t % 10);
        t /= 10;
    }
    while (t) {
        C.push_back(t % 10);
        t /= 10;
    }
    // 去除前导 0 
    while (C.size() > 1 && C.back() == 0) {
        C.pop_back();
    }
    return C;
}


我们再来讲讲模板里面的部分内容:


第一部分:

while (t) {
    C.push_back(t % 10);
    t /= 10;
}



这一部分就是在处理进位,因为运算结束之后,很可能还有进位没有处理。所以循环结束需要额外处理一下。


第二部分

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


乘法也是会出现前导 0 0 0 的,比如任何一个数和 0 0 0 相乘结果都会是 0 0 0,所以这里也需要去一下前导 0 0 0 。



2、代码实现


链接793. 高精度乘法


描述:

给定两个非负整数(不含前导 0 0 0 ) A A A 和 B B B ,请你计算 A × B A×B A×B 的值。


输入格式:

共两行,第一行包含整数 A A A ,第二行包含整数 B B B 。


输出格式:

共一行,包含 A × B A×B A×B 的值。


数据范围:

1 ≤ A 的长度 ≤ 100000 1≤A的长度≤100000 1≤A的长度≤100000

0 ≤ B ≤ 10000 0≤B≤10000 0≤B≤10000


输入样例

2
3


输出样例

6


由于上面我们基本上已经把代码讲过了,所以直接上代码,高精度乘法其实思路十分简单:


82e9ada4c14b13c7dfb2214098bfd092.png






五、高精度除法


1、思路及模板


我们这里讲的高精度除法为大整数 / / / 小整数,大整数长度不超过 1 0 6 10^{6} 106,小整数数据范围不超过 1 0 9 10^{9} 109。



我们人在做除法时,会先看第一位,如果第一位大于除数,则在结果相应位置写下除以除数之后的数据,否则看下一位,这样以此类推。所以人算除法第一位都是有效数据位。


但是对于计算机不是这样,计算机则会默认从第一位算起,举个例子,比如 1234 / 11 1234 / 11 1234/11 :如果以人的角度,第一位肯定为 1 1 1 ,但是计算机会从第一位开始看,第一位为 0 0 0 。


而 除法可能产生余数 ,所以还需要一个变量来记录余数。


有了这个概念,我们先看模板:


我们的模板是倒着存数据的,但是高精度除法是可以正着存的,因为除法需要从第一位开始除,所以正着存完全没有问题,但是之后可能会有高精度的混合运算,所以我们这边保持一致,也是倒着存。



vector<int> div(vector<int> &A, int b, int &r)
{
    vector<int> C;
    r = 0;
    for (int i = A.size() - 1; i >= 0; i--) {
        r = r * 10 + A[i];
        C.push_back(r / b);
        r %= b;
    }
    reverse(C.begin(), C.end());
    while (C.size() > 1 && C.back() == 0) {
        C.pop_back();
    }
    return C;
}


看完模板之后,我们对里面的一些代码进行讲解


第一块

for (int i = A.size() - 1; i >= 0; i--) {
    r = r * 10 + A[i];
    C.push_back(r / b);
    r %= b;
}


首先看这一步,高精度除法比另外三个算法难的原因就是出在这一步上,因为运算规则可能不太好理解。


我们知道,如果要做除法运算,那么就需要一定的 补位 ,r * 10 + A[i] 就是在补位,因为下一次的需要被除的数据,就是第一次相除后的余数 × 10 \times 10 ×10 ,然后加上当前元素 A[i] 。


而除之后的结果就是 r / b r / b r/b ,每次除完都有相应的余数,所以 r %= b 。下面我们就用一张图演示一下:


7bd54127f0304a6bb43c2fd3c598b089.png


通过这张图,我们就可以完美的解释代码究竟在干什么,实际上这就是一个计算的过程,过程涉及补位,相除,得余数等操作…


而最后,在进行完所有的操作之后 r r r 其实就是最终的余数。



第二块

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


这两步就是在去前导 0 0 0 ,上面的图中我们也可以发现,高精度除法也是有前导 0 0 0 的,但是对于顺序表来说,前导 0 0 0不太好去,所以就逆置一下再去前导 0 0 0 。


最后倒着输出 c c c 即可。



2、代码实现


链接794. 高精度除法


描述:


给定两个非负整数(不含前导 0 0 0 ) A , B A,B A,B 请你计算 A / B A/B A/B 的商和余数。

输入格式:

共两行,第一行包含整数 A A A ,第二行包含整数 B B B 。


输出格式:

共两行,第一行输出所求的商,第二行输出所求余数。


数据范围:

1 ≤ A 的长度 ≤ 100000 1≤A的长度≤100000 1≤A的长度≤100000

1 ≤ B ≤ 10000 1≤B≤10000 1≤B≤10000

B B B 一定不为 0 0 0


输入样例

7
2



输出样例

3
1


思路我们说过了,接下来我把 倒着存正着存 的两个版本都贴上来。

倒着存

4a893f7ed2bb4d6da69cb982cbac3aa4.jpeg



正着存

e6e4e471e68f280f8a94b4f2c9217934.png



六、结语



到这里,本篇文章就到此结束了,实际上高精度算法这一块还是很容易理解的,因为我们可以模拟它们计算的过程,所以对于一些细节不太了解的小伙伴们可以下去模拟一下。

一般来说,只要背过模板做这类问题就信手拈来了。所以不必担心嘿嘿。


当然,小伙伴们最好也找两道高精度问题练练手。我们不仅要看懂,还要会写。

如果觉得 a n d u i n anduin anduin 写的还不错的话,可以点赞 + 评论 + 收藏支持一下,我们下期见~





相关文章
|
1月前
|
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。
33 1
|
1月前
|
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。
57 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)
|
1月前
|
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。
13 0
|
1月前
|
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)
30 0
|
24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。
|
8天前
|
算法 数据挖掘 数据安全/隐私保护
基于FCM模糊聚类算法的图像分割matlab仿真
本项目展示了基于模糊C均值(FCM)算法的图像分割技术。算法运行效果良好,无水印。使用MATLAB 2022a开发,提供完整代码及中文注释,附带操作步骤视频。FCM算法通过隶属度矩阵和聚类中心矩阵实现图像分割,适用于灰度和彩色图像,广泛应用于医学影像、遥感图像等领域。
|
10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。
|
10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。
|
10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。
|
10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。
26 3