Leetcode -- Sqrt(x)

本文介绍LeetCode中平方根问题的求解方法,重点讨论了二分查找法的应用,并对比了牛顿迭代法。针对不同输入类型,提供了整型和浮点型的解决方案。

https://oj.leetcode.com/problems/sqrtx/

Implement int sqrt(int x).

Compute and return the square root of x.


这一题曾经有一个非常牛逼的做法,叫做牛顿迭代法。大家可以自行谷歌或者百度,大致上就是给一个估计值,然后不停通过某个既定的公式进行迭代最终得到答案。然后我onsite亚马逊的时候被问到过,然后我说:牛顿数学法可以用么?人家第一反应就是:尼玛是做过吧?(当然没有直说)。人家就说不能。。当时,我还不知道别的方法,于是乎...我用了大概六七分钟想到了这个,绝妙的!标准答案.....咳咳。其实也就是二分。在这里,我强烈不推荐牛顿迭代法去应付面试。你不是牛顿,一个面试的时间能够想到牛顿迭代法你就不是在这里被面试了,大概是在某个研究院里面数着自己有几个诺贝尔奖了。只有二分才是正常人类能够在面试的时间内能够想到的做法。Leetcode其实非常仁慈,包括之前的pow,都是整型数作为input和output的格式。所以我们可以以(1, x)范围来作二分查找。小于1的直接返回0。


    public int sqrt(int x) {
        if(x < 1)
            return 0;
        int left = 1, right = x;
        while(left < right){
            int mid = (left + right) / 2;
            if(x / mid >= mid && x / (mid + 1) < mid + 1)//本身应该是mid * mid == x 作判断的,之所以这样做的原因是防止溢出
                return mid; //另外在之所以同时作mid和mid + 1的判断是因为存在精度流失的情况。所以譬如3的话,本来应该返回1的,但是不判断mid + 1的话就没办法了
            else if(x / mid > mid)
                left = mid + 1;
            else
                right = mid - 1;
        }
        return left;
    }

另外,这一题当时我在面试的时候,input和output都是double,这样小于1的时候处理的方式就不是这样了。大家可以思考一下。


2017-12-09 Updated

下面是input output都是double的情况。因为是double,误差值是肯定有的。所以除了x作为input之外,可以延展出一个误差的threshold,以此作为判断的依据。

之前我在这里就提示过,小于1的时候处理的方式和大于1处理的方式并不是一样的。因为大于1的时候sqrt(x)必然是小于x的。但是小于1的时候sqrt(x)就必然是大于x的。所以这个时候二分法用0作为lowerbound和x作为upperbound就不是很合适了。大于1的时候我们是以1为lowerbound,x为upperbound。小于1的时候,我们就可以以x为lowerbound,1为upperbound了。下面给出代码:

    public static double sqrt(double x, double threshold) {
        double left, right;
        if (x >= 1.0) {
            left = 1.0;
            right = x;
        } else {
            left = x;
            right = 1.0;
        }
        
        while (left < right) {
            double mid = (left + right) / 2;
            double candidate = mid * mid;
            if (Math.abs(candidate - x) <= threshold) {
            		return mid;
            } else if(candidate > x) {
            		right = mid;
            } else {
            		left = mid;
            }
        }
        
        return left;
    }


成都市作为中国西部地区具有战略地位的核心都市,其人口的空间分布状况对于城市规划、社会经济发展及公共资源配置等研究具有基础性数据价值。本文聚焦于2019年度成都市人口分布的空间数据集,该数据以矢量格式存储,属于地理信息系统中常用的数据交换形式。以下将对数据集内容及其相关技术要点进行系统阐述。 Shapefile 是一种由 Esri 公司提出的开放型地理空间数据格式,用于记录点、线、面等几何要素。该格式通常由一组相互关联的文件构成,主要包括存储几何信息的 SHP 文件、记录属性信息的 DBF 文件、定义坐标系统的 PRJ 文件以及提供快速检索功能的 SHX 文件。 1. **DBF 文件**:该文件以 dBase 表格形式保存与各地理要素相关联的属性信息,例如各区域的人口统计数值、行政区划名称及编码等。这类表格结构便于在各类 GIS 平台中进行查询与编辑。 2. **PRJ 文件**:此文件明确了数据所采用的空间参考系统。本数据集基于 WGS84 地理坐标系,该坐标系在全球范围内广泛应用于定位与空间分析,有助于实现跨区域数据的准确整合。 3. **SHP 文件**:该文件存储成都市各区(县)的几何边界,以多边形要素表示。每个多边形均配有唯一标识符,可与属性表中的相应记录关联,实现空间数据与统计数据的联结。 4. **SHX 文件**:作为形状索引文件,它提升了在大型数据集中定位特定几何对象的效率,支持快速读取与显示。 基于上述数据,可开展以下几类空间分析: - **人口密度评估**:结合各区域面积与对应人口数,计算并比较人口密度,识别高密度与低密度区域。 - **空间集聚识别**:运用热点分析(如 Getis-Ord Gi* 统计)或聚类算法(如 DBSCAN),探测人口在空间上的聚集特征。 - **空间相关性检验**:通过莫兰指数等空间自相关方法,分析人口分布是否呈现显著的空间关联模式。 - **多要素叠加分析**:将人口分布数据与地形、交通网络、环境指标等其他地理图层进行叠加,探究自然与人文因素对人口布局的影响机制。 2019 年成都市人口空间数据集为深入解析城市人口格局、优化国土空间规划及完善公共服务体系提供了重要的数据基础。借助地理信息系统工具,可开展多尺度、多维度的定量分析,从而为城市管理与学术研究提供科学依据。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛选模型(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛选模型(Matlab代码实现)》的技术资源,重点围绕电力系统中连锁故障的传播路径展开研究,提出了一种N-k多阶段双层优化模型,并结合故障场景筛选方法,用于提升电力系统在复杂故障条件下的安全性与鲁棒性。该模型通过Matlab代码实现,具备较强的工程应用价值和学术参考意义,适用于电力系统风险评估、脆弱性分析及预防控制策略设计等场景。文中还列举了大量相关的科研技术支持方向,涵盖智能优化算法、机器学习、路径规划、信号处理、电力系统管理等多个领域,展示了广泛的仿真与复现能力。; 适合人群:具备电力系统、自动化、电气工程等相关背景,熟悉Matlab编程,有一定科研基础的研究生、高校教师及工程技术人员。; 使用场景及目标:①用于电力系统连锁故障建模与风险评估研究;②支撑高水平论文(如EI/SCI)的模型复现与算法验证;③为电网安全分析、故障传播防控提供优化决策工具;④结合YALMIP等工具进行数学规划求解,提升科研效率。; 阅读建议:建议读者结合提供的网盘资源,下载完整代码与案例进行实践操作,重点关注双层优化结构与场景筛选逻辑的设计思路,同时可参考文档中提及的其他复现案例拓展研究视野。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值