求第K个丑数

本文介绍了如何求解第K个只包含因子2、3和5的丑数问题。首先,通过遍历法实现,但这种方法在大数值时效率低下。接着,使用动态规划进行优化,将已知的丑数存储在表中,并通过计算每个丑数乘以2、3、5的结果来寻找第K个丑数,显著提高了效率。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


首先,我们来看下这道面试题的描述:

把只包含因子2、3和5的数称作丑数(Ugly Number)。例如6、8都是丑数,但14不是,因为它包含因子7。 习惯上我们把1当做是第一个丑数。求按从小到大的顺序的第N个丑数。


法一:遍历法

要求第K个丑数,那么根据它的性质(只含有2,3,5的因子),我们可以想到一种很直观的方法:
从1开始每次加一往后找,知道找到K个丑数,每一次判断该数是否为丑数的方法是——看该数是否能被2整除,若能则一直除2;然后再看能否被3整除,若能则一直出3;5也做同样的处理。这样看最后剩下的数是否为1,若为1则该数是丑数。

于是我们可以很快写出如下代码:

 int GetUglyNumber_Solution(int index)
  {
        if(index == 1)
            { 
                return 1;
            }
        int start = 1;
        for(int i = 2; i <= index; ++i)
            {
                start++;
                while(!IsUglyNum(start))
                    {
                        start++;
                    }
            }
        return start;
    }
    bool IsUglyNum(int num)
        {
            while(num % 2 == 0)
                {
                    num /= 2;
                }
            while(num % 3 == 0)
                {
                    num /= 3;
                }
            while(num % 5 == 0)
                {
                    num /= 5;
                }
            if(num != 1)
                {
                    return false;
                }
            return true;

        }

在本地一跑,结果一般会对着,但是当你把输入的数比较大时,如1500,那么你会发现:结果要等上个5~6秒的样子。然后在OJ上提交,会发现根本通不过,超时。显然,时间复杂度太高。那么该如何优化呢,当然是我们的空间换时间,这类的题都这样去想就OK了。下面看第二种方法。


法二:动态规划

*算法分析:*
用一个表table,把0到K-1个丑数存起来,然后求第K个丑数时,可以用前面求出来的丑数,做一个遍历,分别计算该丑数乘以2,3,5是否大于第K-1个丑数的值,取最小的那个大于K-1的数,必定为第K个丑数。

但是这一块的难点在于:在table中找min时的逻辑处理,这一块很难讲清楚,需要看官自己去理清楚。举个例子,在求第4个丑数时,按照算法,我们会先求得1X2,1X3, 1X5,然后这时候5已经大于第3个丑数了;但是我们会发现这时候还不能出循环,因为 接下来2X2也大于第3个丑数,而且4小于5。那么在得到的min为某个丑数乘以3或者5得到时我们还要继续往后找,看是否下一个丑数乘以2,或3 比它更小。 代码如下:

    int GetUglyNumber_Solution(int index)
     {   
        vector<int> table;
        table.push_back(1);
        if(index == 1)
            {
                return 1;
            }

        for(int k  = 2; k <= index; ++k )
        {   
            int min = INT_MAX;
            for(int i = 0; i < k-1; ++i)  //table 的下标
                {
                    if(table[i] * 2 > table[k-2])
                        {
                            if(table[i] * 2 < min)
                                {
                                    min = table[i] * 2;
                                }
                            break;
                        }
                    else if(table[i] * 3 > table[k - 2])
                        {
                            if(table[i] * 3 < min)
                                {
                                    min = table[i] * 3;
                                }
                        }
                    else if(table[i] * 5 > table[k -2])
                        {
                            if(table[i] * 5 < min)
                                {
                                    min = table[i] * 5;
                                }
                        }
                }
            table.push_back(min);
         }
        return table[index-1];
    }

当我们输入1500时大概只要4ms就可出结果了。

要用小顶堆实现第n个丑数值,可以按照以下步骤进行: 1. 定义一个小顶堆(PriorityQueue)来存储丑数。 2. 初始化小顶堆,将1作为第一个丑数放入小顶堆中。 3. 循环n-1次(因为第一个丑数已经被放入堆中),每次取出小顶堆的堆顶元素(最小的丑数)。 4. 分别将该丑数乘以2、3和5,得到三个新的丑数,将它们放入小顶堆中(如果已经在堆中存在了,则不再重复添加)。 5. 循环结束后,堆顶元素即为第n个丑数。 下面是Java代码实现: ```java import java.util.*; public class UglyNumber { public static int getNthUglyNumber(int n) { PriorityQueue<Long> heap = new PriorityQueue<Long>(); Set<Long> set = new HashSet<Long>(); int[] primes = new int[]{2, 3, 5}; // 三个质因数 heap.offer(1L); // 将1作为第一个丑数放入小顶堆中 set.add(1L); // 将1加入set中 long currUgly = 1L; for (int i = 0; i < n; i++) { currUgly = heap.poll(); // 取出小顶堆的堆顶元素(最小的丑数) // 将该丑数乘以2、3和5,得到三个新的丑数,将它们放入小顶堆中 for (int prime : primes) { long newUgly = currUgly * prime; if (!set.contains(newUgly)) { heap.offer(newUgly); set.add(newUgly); } } } return (int)currUgly; } public static void main(String[] args) { System.out.println(getNthUglyNumber(10)); // 输出第10个丑数,应为12 } } ``` 在上面的代码中,为了防止整型溢出,我们将丑数存储在一个长整型中。同时,为了避免重复添加丑数,我们使用了一个HashSet来存储已经加入堆中的丑数
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