• 第2章 数字之魅——1的数目


    1的数目

    问题描述

      给定一个十进制正整数N,写下从1开始,到N的所有整数,然后数一下其中出现的所有"1"的个数。

    例如:

      N= 2,写下1,2。这样只出现了1个"1"。

      N= 12,我们会写下1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12。这样,1的个数是5。

    问题是:

      1. 写一个函数f(N),返回1到N之间出现的"1"的个数,比如f(12)=5。

      2. 在32位整数范围内,满足条件"f(N)= N"的最大的N是多少?

    分析与解法

    【问题1的解法一】

    这个问题看上去并不是一个困难的问题,因为不需要太多的思考,我想大家都能找到一个最简单的方法来计算f(N),那就是从1开始遍历到N,将其中每一个数中含有"1"的个数加起来,自然就得到了从1到N所有"1"的个数的和。写成程序如下:

     1 package chapter2shuzizhimei.countof1;
     2 /**
     3  * 1的数目
     4  * 【问题1的解法一】
     5  * @author DELL
     6  *
     7  */
     8 public class CountOfone {
     9     //计算一个整数中1的个数
    10     public static long count1InAInt(int n){
    11         long count = 0;
    12         while(n!=0){
    13             if(n%10==1){
    14                 count++;
    15             }
    16             n /= 10;
    17         }
    18         return count;
    19     }
    20     //统计从1到N所有整数中1的个数
    21     public static long f(int N){
    22         long countAll = 0;
    23         for(int i=1;i<=N;i++){
    24             countAll += count1InAInt(i);
    25         }
    26         return countAll;
    27     }
    28     public static void main(String[] args) {
    29         int n = 12;
    30         System.out.println("从1到"+n+"中所有1的个数为:"+f(n));
    31 
    32     }
    33 
    34 }

    程序运行结果如下:

    从1到12中所有1的个数为:5

      这个方法很简单,只要学过一点编程知识的人都能想到,实现也很简单,容易理解。但是这个算法的致命问题是效率,它的时间复杂度是O(N)×计算一个整数数字里面"1"的个数的复杂度 = O(N * log2 N)

      如果给定的N比较大,则需要很长的运算时间才能得到计算结果。比如在笔者的机器上,如果给定N=100 000 000,则算出f(N)大概需要40秒的时间,计算时间会随着N的增大而线性增长。

      看起来要计算从1到N的数字中所有1的和,至少也得遍历1到N之间所有的数字才能得到。那么能不能找到快一点的方法来解决这个问题呢?要提高效率,必须摈弃这种遍历1到N所有数字来计算f(N)的方法,而应采用另外的思路来解决这个问题。

    【问题1的解法二】

      仔细分析这个问题,给定了N,似乎就可以通过分析"小于N的数在每一位上可能出现1的次数"之和来得到这个结果。让我们来分析一下对于一个特定的N,如何得到一个规律来分析在每一位上所有出现1的可能性,并求和得到最后的f(N)。

      先从一些简单的情况开始观察,看看能不能总结出什么规律。

    先看1位数的情况。

      如果N = 3,那么从1到3的所有数字:1、2、3,只有个位数字上可能出现1,而且只出现1次,进一步可以发现如果N是个位数,如果N>=1,那么f(N)都等于1,如果N=0,则f(N)为0。

    再看2位数的情况。

      如果N=13,那么从1到13的所有数字:1、2、3、4、5、6、7、8、9、10、11、12、13,个位和十位的数字上都可能有1,我们可以将它们分开来考虑,个位出现1的次数有两次:1和11,十位出现1的次数有4次:10、11、12和13,所以f(N)=2+4=6。要注意的是11这个数字在十位和个位都出现了1,但是11恰好在个位为1和十位为1中被计算了两次,所以不用特殊处理,是对的。再考虑N=23的情况,它和N=13有点不同,十位出现1的次数为10次,从10到19,个位出现1的次数为1、11和21,所以f(N)=3+10=13。通过对两位数进行分析,我们发现,个位数出现1的次数不仅和个位数字有关,还和十位数有关:如果N的个位数大于等于1,则个位出现1的次数为十位数的数字加1;如果N的个位数为0,则个位出现1的次数等于十位数的数字。而十位数上出现1的次数不仅和十位数有关,还和个位数有关:如果十位数字等于1,则十位数上出现1的次数为个位数的数字加1;如果十位数大于1,则十位数上出现1的次数为10。

    f(13) = 个位出现1的个数 + 十位出现1的个数 = 2 + 4 = 6;

    f(23) = 个位出现1的个数 + 十位出现1的个数 = 3 + 10 = 13;

    f(33) = 个位出现1的个数 + 十位出现1的个数 = 4 + 10 = 14;

    f(93) = 个位出现1的个数 + 十位出现1的个数 = 10 + 10 = 20;

    接着分析3位数。

      如果N = 123:

      个位出现1的个数为13:1, 11, 21, …, 91, 101, 111, 121

      十位出现1的个数为20:10~19, 110~119

      百位出现1的个数为24:100~123

      f(23)= 个位出现1的个数 + 十位出现1的个数 + 百位出现1的次数 = 13 + 20 + 24 = 57;

      同理我们可以再分析4位数、5位数。读者朋友们可以写一写,总结一下各种情况有什么不同。

      根据上面的一些尝试,下面我们推导出一般情况下,从N得到f(N)的计算方法:

      假设N=abcde,这里a、b、c、d、e分别是十进制数N的各个数位上的数字。如果要计算百位上出现1的次数,它将会受到三个因素的影响:百位上的数字,百位以下(低位)的数字,百位(更高位)以上的数字。

      如果百位上的数字为0,则可以知道,百位上可能出现1的次数由更高位决定,比如12 013,则可以知道百位出现1的情况可能是100~199,1 100~1 199,2 100~2 199,…,11 100~11 199,一共有1 200个。也就是由更高位数字(12)决定,并且等于更高位数字(12)×当前位数(100)。

      如果百位上的数字为1,则可以知道,百位上可能出现1的次数不仅受更高位影响,还受低位影响,也就是由更高位和低位共同决定。例如对于12 113,受更高位影响,百位出现1的情况是100~199,1 100~1 199,2 100~2 199,…,11 100~11 199,一共1 200个,和上面第一种情况一样,等于更高位数字(12)×当前位数(100)。但是它还受低位影响,百位出现1的情况是12 100~12 113,一共114个,等于低位数字(113)+1。

      如果百位上数字大于1(即为2~9),则百位上可能出现1的次数也仅由更高位决定,比如12 213,则百位出现1的可能性为:100~199,1 100~1 199,2 100~2 199,…,11 100~11 199,12 100~12 199,一共有1 300个,并且等于更高位数字+1(12+1)×当前位数(100)。

      通过上面的归纳和总结,我们可以写出如下的更高效算法来计算f(N):

     1 package chapter2shuzizhimei.countof1;
     2 /**
     3  * 1的数目
     4  * 【问题1的解法二】
     5  * @author DELL
     6  *
     7  */
     8 public class CountOfone2 {
     9     
    10     //统计从1到N所有整数中1的个数
    11     public static long f(int n){
    12         long iCount = 0;  //1的个数
    13         int iFactor = 1; //分位
    14         int iLowerNum = 0; //当前位以下的数
    15         int iCurrNum = 0;  //当前位的值
    16         int iHigherNum = 0;  //当前位上面的数大小
    17         while(n/iFactor!=0){
    18             iLowerNum = n - (n/iFactor)*iFactor;
    19             iCurrNum = (n/iFactor)%10;
    20             iHigherNum = n/(iFactor*10);
    21             switch(iCurrNum){
    22             case 0:
    23                 iCount += iHigherNum*iFactor;
    24                 break;
    25             case 1:
    26                 iCount += iHigherNum*iFactor + iLowerNum + 1;
    27                 break;
    28             default:
    29                 iCount += (iHigherNum + 1) * iFactor;
    30                 break;
    31             }
    32             iFactor *= 10;
    33         }    
    34         return iCount;
    35     }
    36     public static void main(String[] args) {
    37         int n = 12;
    38         System.out.println("从1到"+n+"中所有1的个数为:"+f(n));
    39 
    40     }
    41 
    42 }

    程序运行结果如下:

    从1到12中所有1的个数为:5

      这个方法只要分析N就可以得到f(N),避开了从1到N的遍历,输入长度为Len的数字N的时间复杂度为O(Len),即为O(ln(n)/ln(10)+1)。在笔者的计算机上,计算N=100 000 000,相对于第一种方法的40秒时间,这种算法不到1毫秒就可以返回结果,速度至少提高了40 000倍。

    【问题2的解法】

    要确定最大的数N,满足f(N)=N。我们通过简单的分析可以知道(仿照上面给出的方法来分析):


      因此,问题转化为如何证明上界N确实存在,并估计出这个上界N。
    容易从上面的式子归纳出:f(10n-1)= n * 10n-1。通过这个递推式,很容易看到,当n = 9时候,f(n)的开始值大于n,所以我们可以猜想,当n大于某一个数N时,f(n)会始终比n大,也就是说,最大满足条件在0~N之间,亦即N是最大满足条件f(n)= n的一个上界。如果能估计出这个N,那么只要让n从N往0递减,每个分别检查是否有f(n)= n,第一个满足条件的数就是我们要求的整数。

      证明满足条件f(n)= n的数存在一个上界

      首先,用类似数学归纳法的思路来推理这个问题。很容易得到下面这些结论(读者朋友可以自己试着列举验证一下):

    当n增加10时,f(n)至少增加1;

    当n增加100时,f(n)至少增加20;

    当n增加1 000时,f(n)至少增加300;

    当n增加10 000时,f(n)至少增加4 000;

    ……

    当n增加10k时,f(n)至少增加k*10k-1。

      首先,当k>=10时,k*10 k-1> 10 k,所以f(n)的增加量大于n的增加量。

      其次,f(1010-1)=1010>1010-1。如果存在N,当n = N时,f(N)-N>1010-1成立时,此时不管n增加多少,f(n)的值将始终大于n。

      具体来说,设n的增加量为m:当m小于1010-1时,由于f(N)-N>1010-1,因此有f(N + m)> f(N)> N + 1010-1 > N + m,即f(n)的值仍然比n的值大;当m大于等于1010-1时,f (n)的增量始终比n的增量大,即f(N + m)- f(N)>(N+m)- N,也就是f(N + m)> f(N)+ m > N + 1010-1+ m > N + m,即f(n)的值仍然比n的值大。

      因此,对于满足f(N)- N > 1010-1成立的N一定是所求该数的一个上界。

      求出上界N:

    又由于f(1010-1)= n *1010-1,不妨设N = 10K-1,有f(10K-1)-(10K-1)> 1010-1,即K*10K-1 -(10K-1)> 1010-1,易得K > =11时候均满足。所以,当K = 11时,N=1011-1即为最小一个上界。

    计算这个最大数n

    令N = 1011-1=99 999 999 999,让n从N往0递减,每个分别检查是否有f(n)= n,第一满足条件的就是我们要求的整数。很容易解出n = 1 111 111 110是满足f(n)= n的最大整数。

    代码如下:

     1 package chapter2shuzizhimei.countof1;
     2 /**
     3  * 1的数目
     4  * 【问题二的解法】
     5  * @author DELL
     6  *
     7  */
     8 public class CountOfone3 {
     9     
    10     //统计从1到N所有整数中1的个数
    11     public static long f(long n){
    12         long iCount = 0;  //1的个数
    13         long iFactor = 1; //分位
    14         long iLowerNum = 0; //当前位以下的数
    15         int iCurrNum = 0;  //当前位的值
    16         long iHigherNum = 0;  //当前位上面的数大小
    17         while(n/iFactor!=0){
    18             iLowerNum = n - (n/iFactor)*iFactor;
    19             iCurrNum = (int) ((n/iFactor)%10);
    20             iHigherNum = n/(iFactor*10);
    21             switch(iCurrNum){
    22             case 0:
    23                 iCount += iHigherNum*iFactor;
    24                 break;
    25             case 1:
    26                 iCount += iHigherNum*iFactor + iLowerNum + 1;
    27                 break;
    28             default:
    29                 iCount += (iHigherNum + 1) * iFactor;
    30                 break;
    31             }
    32             iFactor *= 10;
    33         }    
    34         return iCount;
    35     }
    36     public static void main(String[] args) {
    37         long n = (long) (1e11-1);
    38         long i;
    39         for(i=n;i>0;i--){
    40             if(f(i)==i)
    41                 break;
    42         }
    43         System.out.println("在32位整数范围内,满足条件"f(n)=n"的最大n为:"+n);
    44 
    45     }
    46 
    47 }

    程序运行结果如下:

    在32位整数范围内,满足条件"f(n)=n"的最大n为:1111111110
  • 相关阅读:
    Atitit.auto complete 自动完成控件的实现总结
    Atitit. .net c# web 跟客户端winform 的ui控件结构比较
    Atitit.实现继承的原理and方法java javascript .net c# php ...
    Atitit.javascript 实现类的方式原理大总结
    Atitit. BigConfirmTips 控件 大数据量提示确认控件的原理and总结O9
    Atitit..组件化事件化的编程模型--(2)---------Web datagridview 服务器端控件的实现原理and总结
    c#类库中使用Session
    Oracle和Redhat下载地址
    IIS (HTTP Error 500.21
    浅淡Windows7 32位与64位/x86与x64的区别
  • 原文地址:https://www.cnblogs.com/gaopeng527/p/4616201.html
Copyright © 2020-2023  润新知