1的数目

1的数目

简述

给定一个十进制正整数N,返回从1开始,到N的所有整数中出现1的个数(所有出现的1,包括个位、十位、百位等)

方法

给出两种方法

  • 方法1思路:先考虑怎么计算某个整数中1出现的次数,如121,最直观的方法就是从个位开始判断,一直到最高位,再把出现1的次数加起来返回。然后有了计算某个整数出现的1的个数,就可以利用循环,把1到N出现1的个数都算出来再相加即可。时间复杂度是O(N*lgN),给出代码如下:
//method1
int countOnesInAInt(int n)
{
    int iNum = 0;
    while (n != 0)
    {
        iNum += (n % 10 == 1) ? 1 : 0;
        n /= 10;
    }
    return iNum;
}

int countOnesVersion1(int input)
{
    int iCount = 0;
    for (int i = 1; i <= input; i++)
    {
        iCount += countOnesInAInt(i);
    }
    return iCount;
}
  • 方法2思路:分别计算个位上出现1的次数、十位上出现1的次数直到最高位上出现1的次数,再加起来。而判断某位上出现1的次数可以分三种情况:如给定三个数12001,12101和12501,判断从1到N,百位上出现1的个数,当百位上的数为0的时候如12001,百位上出现1的个数为12*100 = 1200次,因为xx100到xx199一共在百位上有100个1出现,而xx从00到11一共12次,12则还没到100所以不用计算在内;当百位上的数为1的时候如12101,那么百位上出现1的个数为12*100 + 01 - 00 + 1 = 1202次,因为除了00-11的12次外,还有12100和12101两个百位上的1;当百位上的数大于1的时候,如12501,此时易得出现1的个数为13*100次。时间复杂度和给出的数的长度成正比,也即O(lgN),给出如下代码:
//method2
int countOnesVersion2(int input)
{
    //initial
    int iCount = 0;
    int iFactor = 1;
    int iLowerNum = 0;
    int iCurrNum = 0;
    int iHigherNum = 0;

    while (input / iFactor != 0)
    {
        iCurrNum = (input / iFactor) % 10;
        iHigherNum = input / (iFactor * 10);

        //three conditions
        switch (iCurrNum)
        {
            case 0:
                iCount += iHigherNum * iFactor;
                break;
            case 1:
                iLowerNum = input % iFactor;
                iCount += iHigherNum * iFactor + iLowerNum + 1;
                break;
            default:
                iCount += (iHigherNum + 1) * iFactor;
                break;
        }
        iFactor *= 10;
    }

    return iCount;
}
  • 时间对比
    这里写图片描述
    这里是随意试了几个数字,发现方法1的用时随着输入数字的增加大幅度增加,而方法2的用时并没有随着输入增加而增加。
【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)内容概要:本文介绍了基于蒙特卡洛和拉格朗日方法的电动汽车充电站有序充电调度优化方案,重点在于采用分散式优化策略应对分时电价机制下的充电需求管理。通过构建数学模型,结合不确定性因素如用户充电行为和电网负荷波动,利用蒙特卡洛模拟生成大量场景,并运用拉格朗日松弛法对复杂问题进行分解求解,从而实现全局最优或近似最优的充电调度计划。该方法有效降低了电网峰值负荷压力,提升了充电站运营效率与经济效益,同时兼顾用户充电便利性。 适合人群:具备一定电力系统、优化算法和Matlab编程基础的高校研究生、科研人员及从事智能电网、电动汽车相关领域的工程技术人员。 使用场景及目标:①应用于电动汽车充电站的日常运营管理,优化充电负荷分布;②服务于城市智能交通系统规划,提升电网与交通系统的协同水平;③作为学术研究案例,用于验证分散式优化算法在复杂能源系统中的有效性。 阅读建议:建议读者结合Matlab代码实现部分,深入理解蒙特卡洛模拟与拉格朗日松弛法的具体实施步骤,重点关注场景生成、约束处理与迭代收敛过程,以便在实际项目中灵活应用与改进。
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