news 2026/4/16 3:55:34

计算2的n次方(大整数乘法)

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
计算2的n次方(大整数乘法)

题目

计算2的n次方,n<=10000。

思路

由于计算的结果可能非常大,甚至 long long 都存不下,所以我们考虑用数组存储结果的每一位,前面的存低位,后面存高位,比如说a[0]存的是个位,然后a[1]存十位等。

我们用 size 记录当前计算的结果的位数,并初始化为1。将 a[0] 设置为1,一方面是 2^0=1,另一方面是我们算乘法,一个数 * 1 = 本身,适合乘法的初始化,同理加法的初始化我们应该初始化为0。

基本工作做好了以后,就是接下来是关键步骤了。

计算n次乘法,每次都对数组进行更新。首先定义一个进位 t,并初始化为 0,然后进行一次乘法,这里其实模拟的是笔算乘法,我们用 t 暂时存放更新前当前位*2+进位 t 的结果,然后更新后当前位= t % 10,就是取最低位,然后进位 t 更新为 t / 10,由于是十进制,所以除以10,然后整数除法,若为达到10,则 / 10 的结果是 0,否则就是进位,都符合进位的定义。然后如果处理后还有进位,那么说明 size 得扩大一位了,而且该位的结果就是进位 t 。

最后就是输出结果了,记得我们存的是由低位到高位,所以我们需要逆序输出。

代码

#include<iostream>constintN=1e4;usingnamespacestd;intmain(){inta[N],size=1,n;a[0]=1;cin>>n;while(n--){intt=0;for(inti=0;i<size;i++){t+=a[i]*2;a[i]=t%10;t/=10;}if(t)a[size++]=t;}for(inti=size-1;i>=0;i--)cout<<a[i];cout<<endl;return0;}

优化

我们发现代码里面采用了 while(n–),当 n 非常大的时候,可能会超时,所以我们想到了快速幂来进行优化,所谓快速幂,其实是巧妙地利用二进制分解指数,举个很简单的例子,比如说计算 25,我们将 5变换为1+4,那么就是计算21+4,也就是2101,计算变成了1 * 20+ 0 * 21+ 1 * 22

  1. 把指数n拆成二进制(比如 n=5=101,对应 2⁵=2¹ × 2⁴);
  2. 维护一个大整数(数组存储)表示当前的 “平方项”(初始为 2¹);
  3. 遍历 n 的二进制位,若当前位为 1,则把结果(初始为 1)乘以这个平方项;
  4. 每轮循环把平方项自身平方(比如 2¹→2²→2⁴→2⁸…),直到处理完所有二进制位。

另外一个版本

  1. 拆解指数:把要计算的指数 n(比如 10)拆成「最大的 2 的幂次之和」(10=8+2),而非逐次减 1;
  2. 批量计算:每个 2 的幂次对应 “批量乘 2^step 次”(比如 step=8 就一次性乘 8 次 2),减少循环判断的次数;
  3. 高效循环:循环次数从原来的 n 次(比如 10 次)骤降到 log₂n 次(比如 10 次→2 次),这是快速幂 “快” 的核心。

快速幂模板

求 m^k mod p,时间复杂度O(logk)intqmi(intm,intk,intp){intres=1%p,t=m;while(k){if(k&1)res=res*t%p;t=t*t%p;k>>=1;}returnres;}

优化后代码

#include<iostream>constintN=1e4;voidmulti(inta[],int&size){intt=0;for(inti=0;i<size;i++){t+=a[i]*2;a[i]=t%10;t/=10;}if(t)a[size++]=t;}usingnamespacestd;intmain(){inta[N],size=1,n;a[0]=1;cin>>n;while(n){intstep=1;while(step*2<=n)step*=2;for(inti=0;i<step;i++)multi(a,size);n-=step;}for(inti=size-1;i>=0;i--)cout<<a[i];cout<<endl;return0;}

变式

计算 bn,n <= 10000 。

变式基本代码

#include<iostream>constintN=1e4;usingnamespacestd;intmain(){inta[N],size=1,n,b;a[0]=1;cin>>b>>n;while(n--){intt=0;for(inti=0;i<size;i++){t+=a[i]*b;a[i]=t%10;t/=10;}if(t)a[size++]=t;}for(inti=size-1;i>=0;i--)cout<<a[i];cout<<endl;return0;}

变式优化代码

#include<iostream>constintN=1e4;voidmulti(inta[],intb,int&size){intt=0;for(inti=0;i<size;i++){t+=a[i]*b;a[i]=t%10;t/=10;}if(t)a[size++]=t;}usingnamespacestd;intmain(){inta[N],size=1,n,b;a[0]=1;cin>>b>>n;while(n){intstep=1;while(step*2<=n)step*=2;for(inti=0;i<step;i++)multi(a,b,size);n-=step;}for(inti=size-1;i>=0;i--)cout<<a[i];cout<<endl;return0;}
版权声明: 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。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/4 4:10:07

javaSE,对于异常层面的认识

我们知道&#xff0c;代码是运行在jvm里面的。但是要让接口能顺利运行下去&#xff0c;不会因为报错&#xff0c;而中断&#xff0c;或者报错了有给前端返回对应的问题。 我们来认识一下&#xff0c;java的异常体系&#xff0c;以及如何处理异常 1.java中有哪些类型的异常 2…

作者头像 李华
网站建设 2026/4/11 17:29:11

Llama3-8B健身计划定制:运动建议系统部署案例

Llama3-8B健身计划定制&#xff1a;运动建议系统部署案例 1. 引言&#xff1a;为什么用Llama3-8B做个性化健身助手&#xff1f; 你有没有这样的经历&#xff1a;想开始健身&#xff0c;但不知道从哪练起&#xff1f;网上搜了一堆计划&#xff0c;结果要么太难坚持不了&#x…

作者头像 李华
网站建设 2026/4/15 21:08:26

为什么推荐LoRA微调?Qwen2.5-7B实战告诉你答案

为什么推荐LoRA微调&#xff1f;Qwen2.5-7B实战告诉你答案 1. 引言&#xff1a;从“我是谁”说起 你有没有试过问一个大模型&#xff1a;“你是谁开发的&#xff1f;” 如果它回答&#xff1a;“我是阿里云开发的……”&#xff0c;那说明它是原版 Qwen2.5-7B-Instruct。 但如…

作者头像 李华
网站建设 2026/4/16 13:08:17

fft npainting lama日志级别调整:debug模式开启教程

fft npainting lama日志级别调整&#xff1a;debug模式开启教程 1. 调试模式的重要性与使用场景 在进行图像修复系统的二次开发或排查问题时&#xff0c;经常会遇到模型加载失败、推理卡顿、输出异常等情况。默认情况下&#xff0c;系统只输出关键状态信息&#xff0c;比如“…

作者头像 李华
网站建设 2026/4/16 13:07:58

OpCore Simplify:5步完成Hackintosh自动化配置终极方案

OpCore Simplify&#xff1a;5步完成Hackintosh自动化配置终极方案 【免费下载链接】OpCore-Simplify A tool designed to simplify the creation of OpenCore EFI 项目地址: https://gitcode.com/GitHub_Trending/op/OpCore-Simplify 对于想要体验macOS但预算有限的用户…

作者头像 李华