优选算法|【双指针】|202.快乐数

简介: 优选算法|【双指针】|202.快乐数



题目描述

202. 快乐数

编写一个算法来判断一个数 n 是不是快乐数。

「快乐数」 定义为:

  • 对于一个正整数,每一次将该数替换为它每个位置上的数字的平方和。
  • 然后重复这个过程直到这个数变为 1,也可能是 无限循环 但始终变不到 1。
  • 如果这个过程 结果为 1,那么这个数就是快乐数。

如果 n快乐数 就返回 true ;不是,则返回 false

示例 1:

输入:n = 19

输出:true

解释:

12 + 92 = 82

82 + 22 = 68

62 + 82 = 100

12 + 02 + 02 = 1


示例 2:

输入:n = 2

输出:false


提示:

  • 1 <= n <= - 1

题目解析

       题目告诉我们从n开始每一次取每个数的每一位先平方在和,和完的数再进行平方和,一直进行这样的操作,如果能等于1就是快乐数,返回 true;如果陷入死循环就不是快乐数,返回false;

例如:19

19先进行平方和1+81=82

82再进行平方和64+4=68

68在进行平方和36+64=100

100在进行平方和1+0+0=1

所以19就是快乐数

例如:2

2先进行平方和4

4在进行平方和16

16在进行平方和1+36=37

37在进行平方和9+49=58

58在进行平方和25+64=89

89在进行平方和64+81=145

145在进行平方和1+16+25=42

42在进行平方和16+4=20

20在进行平方和4+0=4

4在进行平方和..

.

.

.

我们算到4的时候,前面已经出现过4了,所以回陷入无限循环。因此2就不是快乐数

实际上在是快乐数的时候,也进入了循环,只不过是1的循环。

算法原理讲解  

       根据上面的题目解析,可以看出两种情况都陷入了循环,快乐数的时候是一的循环,不是快乐数的时候不是一个循环。因此,我们可以采用快慢指针的办法。

普通双指针

       因为两种情况肯定都会陷入循环的,如果是快乐数,环里面的数就一定是1,所以我们只需要判断循环里面的数是不是1就行。示意图如下所示:

       这里利用双指针的办法,是定义两个快慢指针。快的指针走两步,慢的指针走一步。它们要是相遇,一定会在环的位置相遇,判断相遇的点是否是1就行。

       这里补充一下为什么快的指针走两步,慢的指针走一步就一定会相遇,我们假设slow刚进入循环的时候fast跟slow的差距为N,每运动一次这个差距就减少1,(下次运动后,fast于slow的差距为N-1,下下次fast于slow的差距为N-2),到最后这个差距总会减小为0。当差距减小为0的时候,也就是fast和slow相遇的时候,此时的点也就是相遇的点。

       大家要是有兴趣的话也可以尝试推一下当慢的指针走一步,快的指针走三步会相遇吗?走四部,走五步呢?

优化

       我们在进行优化一下,上面那个会借用数组,但是我们也可以只利用两个数,当这两个数相等的时候就是相遇的时候,接着判断是否等于1,就可以分别快乐数。

    我们定义两个数fastnum,slownum;刚开始我们让这两个数都等于n,fastnum的变化,之前是走两步,在这里,我们可以进行两次平方和 的操作,来模拟走两步的过程,同理slownum的变化就是进行一次平方和的操作。每次操作完之后,判断fastnum==slownum,相等就是快乐数且等于1,就是快乐数,相等但不等于1就不是快乐是数。不相等就是继续进行操作。

19:

fastnum=19,slownum=19

fastnum=68,slownum=82

fastnum=1,slownum=68

fastnum=1,slownum=100

fastnum=1,slownum=1

如果是2

fastnum=2,slownum=2

fastnum=16,slownum=4

fastnum=58,slownum=16

fastnum=145,slownum=37

fastnum=20,slownum=58

fastnum=16,slownum=89

fastnum=58,slownum=145

fastnum=145,slownum=42

fastnum=20,slownum=20

为什么一定会进入循环(鸽巢原理)

       鸽巢原理也叫抽屉原理,原理内容:有n个巢穴,有n+1个鸽子?,可以得出结论,至少有一个巢穴的鸽子数是大于1的。

       我们先看一下数据范围,最大是 ,也就是2 147 483 648,我们只用看有几位数就行,一共是有10位数,我们再看一下,经过一次平方和之后的最大数是多少,是4+1+16+49+16+64+9+36+16+64=257,显然不是这个数,因为1999999999他的平方和肯定比257大,因此我们索性让这个十个数字都最大那就是9999999999这个数的平方和,81+81+81+81+81+81+81+81+81+81=810,所以任何一个数在第一次经过平方和之后都是在【1,810】这个范围内的。

在这范围内随随便选一个数x,让这个x进行811次平方和的操作,这个范围就相当于鸽巢,每次进行平方和之后的数就相当于格子,【1,810】只有810个数,而进行811次操作之后,肯定会得到811个数,那么肯定至少会有一个数重复。

代码

每位数分离的代码

while(n!=0)
    {
        //拿到最后一位
        int t=x%10;
        //把最后一位干掉
        x/=10;
    }

快乐数代码

bool isHappy(int n) 
{
    int slow=n,fast=everynum(n);
    while(slow!=fast)
    {
        slow=everynum(slow);
        fast=everynum(everynum(fast));
    }
    return slow==1;
    
}
int everynum(int n)
{
    int sum=0;
    while(n!=0)
    {
        //拿到最后一位
        int t=n%10;
        sum+=t*t;
        //把最后一位干掉
        n/=10;
    }
    //每次返回进行平方和后的数
    return sum;
}
相关文章
|
4天前
|
存储 算法 容器
算法:双指针
算法:双指针
13 3
|
4天前
|
算法 前端开发 JavaScript
< 每日算法:一文带你认识 “ 双指针算法 ” >
`双指针`并非指的是一种具体的公式或者范式。而是一种运算思路,用于节省逻辑运算时间的`逻辑思路`!双指针算法通常用于`优化时间复杂度`!
< 每日算法:一文带你认识 “ 双指针算法 ” >
|
4天前
|
算法
优选算法|【双指针】|611.有效三角形的个数
优选算法|【双指针】|611.有效三角形的个数
|
4天前
|
算法
优选算法|【双指针】283.移动零
优选算法|【双指针】283.移动零
|
4天前
|
算法
优选算法|【双指针】|1089.复写零
优选算法|【双指针】|1089.复写零
|
4天前
|
算法 数据安全/隐私保护 计算机视觉
基于二维CS-SCHT变换和LABS方法的水印嵌入和提取算法matlab仿真
该内容包括一个算法的运行展示和详细步骤,使用了MATLAB2022a。算法涉及水印嵌入和提取,利用LAB色彩空间可能用于隐藏水印。水印通过二维CS-SCHT变换、低频系数处理和特定解码策略来提取。代码段展示了水印置乱、图像处理(如噪声、旋转、剪切等攻击)以及水印的逆置乱和提取过程。最后,计算并保存了比特率,用于评估水印的稳健性。
|
1天前
|
算法
m基于BP译码算法的LDPC编译码matlab误码率仿真,对比不同的码长
MATLAB 2022a仿真实现了LDPC码的性能分析,展示了不同码长对纠错能力的影响。短码长LDPC码收敛快但纠错能力有限,长码长则提供更强纠错能力但易陷入局部最优。核心代码通过循环进行误码率仿真,根据EsN0计算误比特率,并保存不同码长(12-768)的结果数据。
19 9
m基于BP译码算法的LDPC编译码matlab误码率仿真,对比不同的码长
|
2天前
|
算法
MATLAB|【免费】融合正余弦和柯西变异的麻雀优化算法SCSSA-CNN-BiLSTM双向长短期记忆网络预测模型
这段内容介绍了一个使用改进的麻雀搜索算法优化CNN-BiLSTM模型进行多输入单输出预测的程序。程序通过融合正余弦和柯西变异提升算法性能,主要优化学习率、正则化参数及BiLSTM的隐层神经元数量。它利用一段简单的风速数据进行演示,对比了改进算法与粒子群、灰狼算法的优化效果。代码包括数据导入、预处理和模型构建部分,并展示了优化前后的效果。建议使用高版本MATLAB运行。
|
4天前
|
算法 计算机视觉
基于高斯混合模型的视频背景提取和人员跟踪算法matlab仿真
该内容是关于使用MATLAB2013B实现基于高斯混合模型(GMM)的视频背景提取和人员跟踪算法。算法通过GMM建立背景模型,新帧与模型比较,提取前景并进行人员跟踪。文章附有程序代码示例,展示从读取视频到结果显示的流程。最后,结果保存在Result.mat文件中。
http://www.vxiaotou.com