剑指offer——数值的整数次方

news2024/11/29 0:40:26

目录

  • 1. 题目描述
  • 2. 一般思路
    • 2.1 有问题的思路
    • 2.2 全面但不高效的思路
    • 2.3 面试小提示
  • 3. 全面又高效的思路

1. 题目描述

  • 题目:实现函数 double Power(double base,int exponent),求base 的exponent 次方。不得使用库函数,同时不需要考虑大数问题

2. 一般思路

2.1 有问题的思路

  • 由于不需要考虑大数问题,这道题看起来很简单,可能不少应聘者在看到题目30秒后就能写出如下的代码:
#include <stdio.h>

float Power(double base, int exponent)
{
	double result = 1.0;
	for (int i = 0; i < exponent; i++)
	{
		result *= base;
	}
	return result;
}

int main()
{
	double base = 0;
	int exponent = 0;
	scanf("%lf %d", &base, &exponent);
	printf("%lf", Power(base, exponent));
	return 0;
}
  • 运行结果为:

在这里插入图片描述

  • 不过遗憾的是,写得快不一定就能得到面试官的青睐,
  • 因为面试官会问要是输入的指数(exponent)小于1
  • 即是零和负数的时候怎么办?上面的代码完全没有考虑,只包括了指数是正数的情况。

2.2 全面但不高效的思路

  • 我们知道当指数为负数的时候,可以先对指数求绝对值,然后算出次方的结果之后再取倒数。
  • 既然有求倒数,我们很自然就要想到有没有可能对0求倒数,如果对0求倒数怎么办?
  • 当底数(base)是零且指数是负数的时候,如果不做特殊处理,就会出现对0求倒数从而导致程序运行出错。怎么告诉函数的调用者出现了这种错误?
  • 前面提到我们可以采用3种方法返回值、全局代码和异常。
  • 面试的时候可以向面试官阐述每种方法的优缺点,然后一起讨论决定选用哪种方式。
  • 最后需要指出的是,由于0的0次方在数学上是没有意义的,因此无论是输出0还是1都是可以接受的,
  • 但这都需要和面试官说清楚,表明我们已经考虑到这个边界值了。
  • 有了这些相对而言已经全面很多的考虑,我们就可以把最初的代码修改如下:
#define wucha 0.00000001
#include <stdio.h>
#include <math.h>

float Power(double base, int exponent)
{
	if (abs(base) < wucha)
	{
		return 0.0;
	}//底数为0,(底数指数都为0则结果默认为0)

	if (exponent == 0)
	{
		return 1.0;
	}//指数为0
	double result = 1.0;

	if (exponent > 0)
	{
		for (int i = 0; i < exponent; i++)
		{
			result *= base;
		}
		return result;
	}//指数为正
	else if (exponent < 0)
	{
		for (int i = 0; i > exponent; i--)
		{
			result *= base;
		}
		return 1 / result;
	}//指数为负
}

int main()
{
	double base = 0;
	int exponent = 0;

	while (scanf("%lf %d", &base, &exponent) != EOF)
	{
		printf("%lf\n", Power(base, exponent));
	}
	return 0;
}
  • 运行结果为:

在这里插入图片描述

  • 一个细节值得我们注意:在判断底数base是不是等于0时,不能直接写base=-0,
  • 这是因为在计算机内表示小数时(包括 foat和 double 型小数)都有误差。判断两个小数是否相等,只能判断它们之差的绝对值是不是在一个很小的范围内。
  • 如果两个数相差很小,就可以认为它们相等。

2.3 面试小提示

  • 由于计算机表示小数(包括 foat和 double 型小数)都有误差,我们不能直接用等号(==)判断两个小数是否相等。如果两个小数的差的绝对值很小,比如小于 0.0000001,就可以认为它们相等。

3. 全面又高效的思路

  • 此时我们考虑得已经很周详了,已经能够达到很多面试官的要求了。
  • 但是如果我们碰到的面试官是一个在效率上追求完美的人,那么他有可能会提醒我们函数 Power还有更快的办法。
  • 如果输入的指数 exponent为32,我们在函数 Power的循环中需要做 31次乘法。
  • 但我们可以换一种思路考虑:我们的目标是求出一个数字的 32次方,如果我们已经知道了它的16次方,那么只要在 16 次方的基础上再平方一次就可以了。而16次方是8次方的平方。
  • 这样以此类推,我们求32次方只需要做5次乘法:先求平方,在平方的基础上求4次方,在4次方的基础上求8次方,在8次方的基础上求16次方,最后在16次方的基础上求32次方。
  • 也就是说,我们可以用如下公式求a的n次方:

在这里插入图片描述

  • 代码如下:
#include <stdio.h>

float Power2(double base, unsigned int exponent)
{
	if (exponent == 0)
	{
		return 1;
	}
	if (exponent == 1)
	{
		return base;
	}

	double result = Power2(base, exponent >> 1);
	result *= result;

	if (exponent & 1 == 1)
	{
		result *= result;
	}
	return result;
}

int main()
{
	double base = 0;
	unsigned int exponent = 0;

	while (scanf("%lf %d", &base, &exponent) != EOF)
	{
		printf("%lf\n", Power2(base, exponent));
	}
	return 0;
}
  • 但是美中不足的是这个代码只能求非负数的非负数幂

在这里插入图片描述

最后,
恭喜你又遥遥领先了别人!
在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1450320.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【AIGC】Stable Diffusion的常见错误

Stable Diffusion 在使用过程中可能会遇到各种各样的错误。以下是一些常见的错误以及可能的解决方案&#xff1a; 模型加载错误&#xff1a;可能出现模型文件损坏或缺失的情况。解决方案包括重新下载模型文件&#xff0c;确保文件完整并放置在正确的位置。 依赖项错误&#x…

树形dp 笔记

树的最长路径 给定一棵树&#xff0c;树中包含 n 个结点&#xff08;编号1~n&#xff09;和 n−1 条无向边&#xff0c;每条边都有一个权值。 现在请你找到树中的一条最长路径。 换句话说&#xff0c;要找到一条路径&#xff0c;使得使得路径两端的点的距离最远。 注意&…

什么是“感知机”?

感知机&#xff08;神经网络和支持向量机的理论基础&#xff09; 概念&#xff1a;简单来说&#xff0c;感知机就是一个旨在建立一个线性超平面对线性可分的数据集进行分类的线性模型 分类&#xff1a; 单层感知机多层感知机&#xff08; Multi-Layer Perceptron&#xff0c…

DS Wannabe之5-AM Project: DS 30day int prep day18

Q1. What is Levenshtein Algorithm? Levenshtein算法&#xff0c;也称为编辑距离算法&#xff0c;是一种量化两个字符串之间差异的方法。它通过计算将一个字符串转换成另一个字符串所需的最少单字符编辑操作次数来实现。这些编辑操作包括插入、删除和替换字符。Levenshtein距…

Redis -- 数据库管理

目录 前言 切换数据库(select) 数据库中key的数量&#xff08;dbsize&#xff09; 清除数据库&#xff08;flushall flushdb&#xff09; 前言 MySQL有一个很重要的概念&#xff0c;那就是数据库database&#xff0c;一个MySQL里面有很多个database&#xff0c;一个datab…

计算机二级数据库之数据模型(三层相关的结构)

数据模型 模型的概念 模型的介绍模型是对现实世界特征的模拟和抽象&#xff0c; 数据模型的概念&#xff1a; 数据模型是对现实世界中数据特征的抽象&#xff0c;描述的是数据的共性。 数据模型是用来在数据库中抽象、表示和处理现实世界中的数据和信凹。 其相关的共同特…

STM32CubeMX的下载和安装固件库详细步骤

年也过了&#xff0c;节也过了&#xff0c;接下来又要进入紧张的学习中来了。过完年后发现一个问题&#xff0c;就是我之前吃的降压药不太管用&#xff0c;每天的血压只降到了91/140左右&#xff0c;没有到安全范围内&#xff0c;从初三开始换了一种降压药&#xff0c;效果出奇…

问题:内存时序参数 CASLatency 是() #学习方法#微信#微信

问题&#xff1a;内存时序参数 CASLatency 是&#xff08;&#xff09; A&#xff0e;行地址控制器延迟时间 B&#xff0e;列地址至行地址延迟时间 C&#xff0e;列地址控制器预充电时间 D&#xff0e;列动态时间 参考答案如图所示

ArcgisForJS基础

文章目录 0.引言1.第一个ArcgisForJS应用程序1.1.安装部署ArcgisForJS1.2.实现ArcgisForJS应用程序 2.开发与调试工具2.1.集成开发环境2.2.调试工具2.3.Firebug 0.引言 ArcGIS API for JavaScript是一款由Esri公司开发的用于创建WebGIS应用的JavaScript库。它允许开发者通过调…

【数据库】哪些操作会导致索引失效

&#x1f34e;个人博客&#xff1a;个人主页 &#x1f3c6;个人专栏&#xff1a;数据库 ⛳️ 功不唐捐&#xff0c;玉汝于成 目录 前言 正文 结语 我的其他博客 前言 在数据库管理中&#xff0c;索引的有效性对于查询性能至关重要。然而&#xff0c;索引可能会因为各种操…

全战三国与Amadey病毒

一、疑云 某天晚&#xff0c;本人突发奇想从外网上体验一下全战三国&#xff08;全面战争&#xff1a;三国&#xff09;的可玩版本&#xff08;没玩过全战系列&#xff0c;听说三国版是个半成品&#xff0c;打算先体验一下再考虑入正版。国内网站找到的资源&#xff1a;1.53的…

论文阅读 - Non-Local Spatial Propagation Network for Depth Completion

文章目录 1 概述2 模型说明2.1 局部SPN2.2 非局部SPN2.3 结合置信度的亲和力学习2.3.1 传统正则化2.3.2 置信度引导的affinity正则化 3 效果3.1 NYU Depth V23.2 KITTI Depth Completion 参考资料 1 概述 本文提出了一种非局部的空间传播网络用于深度图补全&#xff0c;简称为…

语言与科技创新(大语言模型对科技创新的影响)

1.科技创新中的语言因素 科技创新中的语言因素至关重要&#xff0c;具体体现在以下几个方面&#xff1a; 科技文献交流&#xff1a; 英语作为全球科学研究的通用语言&#xff0c;极大地推动了科技成果的国际传播与合作。科学家们在发表论文、报告研究成果时&#xff0c;大多选…

(17)Hive ——MR任务的map与reduce个数由什么决定?

一、MapTask的数量由什么决定&#xff1f; MapTask的数量由以下参数决定 文件个数文件大小blocksize 一般而言&#xff0c;对于每一个输入的文件会有一个map split&#xff0c;每一个分片会开启一个map任务&#xff0c;很容易导致小文件问题&#xff08;如果不进行小文件合并&…

Mac终端远程访问Linux

以ubuntu为例 一、查看ubuntu的ip地址 1、下载net-tools localhostubuntu-server:~$ sudo apt install net-tools 2、查看ip地址 localhostubuntu-server:~$ ifconfig ubuntu需要下载net-tools才能使用ifconfig localhostubuntu-server:~$ sudo apt install net-tools 二…

问题:下列不属于影响职业选择的内在因素是()。 #微信#微信

问题&#xff1a;下列不属于影响职业选择的内在因素是&#xff08;&#xff09;。 A.健康 B.个性特征 C.性别 D.家庭的影响 参考答案如图所示

算法刷题day13

目录 引言一、蜗牛 引言 今天时间有点紧&#xff0c;只搞了一道题目&#xff0c;不过确实搞了三个小时&#xff0c;才搞完&#xff0c;主要是也有点晚了&#xff0c;也好累啊&#xff0c;不过也还是可以的&#xff0c;学了状态DP&#xff0c;把建图和spfa算法熟悉了一下&#…

[嵌入式AI从0开始到入土]14_orangepi_aipro小修补含yolov7多线程案例

[嵌入式AI从0开始到入土]嵌入式AI系列教程 注&#xff1a;等我摸完鱼再把链接补上 可以关注我的B站号工具人呵呵的个人空间&#xff0c;后期会考虑出视频教程&#xff0c;务必催更&#xff0c;以防我变身鸽王。 第1期 昇腾Altas 200 DK上手 第2期 下载昇腾案例并运行 第3期 官…

openGauss学习笔记-221 openGauss性能调优-确定性能调优范围-分析作业是否被阻塞

文章目录 openGauss学习笔记-221 openGauss性能调优-确定性能调优范围-分析作业是否被阻塞221.1 操作步骤 openGauss学习笔记-221 openGauss性能调优-确定性能调优范围-分析作业是否被阻塞 数据库系统运行时&#xff0c;在某些业务场景下查询语句会被阻塞&#xff0c;导致语句…

备战蓝桥杯---图论之最短路dijkstra算法

目录 先分个类吧&#xff1a; 1.对于有向无环图&#xff0c;我们直接拓扑排序&#xff0c;和AOE网类似&#xff0c;把取max改成min即可。 2.边权全部相等&#xff0c;直接BFS即可 3.单源点最短路 从一个点出发&#xff0c;到达其他顶点的最短路长度。 Dijkstra算法&#x…