50. Pow(x,n)

2024-09-07 14:58
文章标签 50 pow

本文主要是介绍50. Pow(x,n),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

题目:

解答:

主要是求 n > 0 n > 0 n>0 的情况的计算,其他时候,可以通过转换得到。

n > 0 n > 0 n>0 的情况下,

n = a 0 2 0 + a 1 2 1 + a 2 2 2 … a m 2 m n = a_0 2^0 + a_1 2^1 + a_2 2^2 \ldots a_m 2^m n=a020+a121+a222am2m

x n = x a 0 2 0 + a 1 2 1 + a 2 2 2 … a m 2 m x^n = x^{a_0 2^0 + a_1 2^1 + a_2 2^2 \ldots a_m 2^m} xn=xa020+a121+a222am2m

​ 故可以拆开递归求解

代码:

class Solution {
public:double myPow(double x, int n) {if( n == 0 )    return 1;else if( n > 0 )    {double ans = 1.0;while( n > 0 )  {if( n % 2 == 1 ) ans *= x;x = x * x;n = n / 2;}return ans;}else if( n == -2147483648 )return 1.0 / ( myPow( x,2147483647 ) * x );else return 1.0 / myPow( x,-n );}
};

更新会同步在我的网站更新(https://zergzerg.cn/notes/webnotes/leetcode/index.html)

这篇关于50. Pow(x,n)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1145376

相关文章

【附答案】C/C++ 最常见50道面试题

文章目录 面试题 1:深入探讨变量的声明与定义的区别面试题 2:编写比较“零值”的`if`语句面试题 3:深入理解`sizeof`与`strlen`的差异面试题 4:解析C与C++中`static`关键字的不同用途面试题 5:比较C语言的`malloc`与C++的`new`面试题 6:实现一个“标准”的`MIN`宏面试题 7:指针是否可以是`volatile`面试题 8:探讨`a`和`&a`

day-50 求出最长好子序列 I

思路 二维dp,dp[i][h]表示nums[i] 结尾,且有不超过 h 个下标满足条件的最长好子序列的长度(0<=h<=k),二维数组dp初始值全为1 解题过程 状态转换方程: 1.nums[i]==nums[j],dp[i,h]=Math.max(dp[i,h],dp[j,h]+1) 2.nums[i]!=nums[j],dp[i,h]=Math.max(dp[i,h],dp[j,h-1

pow函数的性能测试

昨天在PKU上做了一题2187,限时3s。 算法主要耗时在多次求不同整数的平方。 当用pow函数求时,超时; 而直接乘才232ms。 相差也太大了吧。 于是就写了一段代码来测试pow的性能 首先产生10000个随机整数,然后重复1000次求整数的平方 #include <iostream>#include <cmath>#include <ctime>using Namespace std

50个实用的jquery案例

1. 如何创建嵌套的过滤器: //允许你减少集合中的匹配元素的过滤器,   //只剩下那些与给定的选择器匹配的部分。在这种情况下,   //查询删除了任何没(:not)有(:has)   //包含class为“selected”(.selected)的子节点。   .filter(":not(:has(.selected))")  2. 如何重用元素搜索 var allI

【深度学习 卷积】利用ResNet-50模型实现高效GPU图片预测

本文介绍了如何使用训练好的ResNet-50模型进行图片预测。通过详细阐述模型原理、训练过程及预测步骤,帮助读者掌握基于深度学习的图片识别技术。 一、引言 近年来,深度学习技术在计算机视觉领域取得了显著成果,特别是卷积神经网络(CNN)在图像识别、分类等方面表现出色。ResNet-50作为一种经典的CNN模型,以其强大的特征提取能力和较高的预测准确率,在众多领域得到了广泛应用。本文将介绍如何使

王立铭脑科学50讲后续10,自己从课程中提起自己所需的知识,安放到自己的知识体系中。

王立铭脑科学50讲后续10,自己从课程中提起自己所需的知识,安放到自己的知识体系中。 1、大脑功能是由先天、后天两方便共同决定,先天有一堆带电量的开关,后天通过学习不断电量这些开关。 这部分知识放在整个体系中,在需求和动机之内,每个人还有自己不同程度的动机偏好,围绕着动机,产生的一些列奖惩机制、预设的情绪处理算法、语言能力、预测未来的能力等,每个人都有不同程度的差别,同时提醒自己,像价值观、人

NVIDIA RTX 50系列大爆料:功耗飙升600W,性能直逼RTX 4090 1.?倍,你准备好了吗?

在科技圈的万众瞩目下,知名硬件爆料大神Kopite7kimi再次为我们揭开了NVIDIA下一代GeForce RTX系列——“Blackwell”阵容的神秘面纱。这次,关于新显卡的功耗信息不再是模糊的概念,而是实实在在的数字,让人不禁对即将到来的性能飞跃充满期待。 功耗飙升,性能也要飞? 据Kopite7kimi确认,RTX 50系列中的旗舰型号RTX 5090将拥有惊人的功耗表现,其最高功

pow(x, n).

Implement pow(x, n). 思路:只用判断n的情况,0,1,-1,然后判断n的奇偶,和符号; class Solution {public double myPow(double x, int n) {if(n == 0) return 1.0;if(n == 1) return x;if(n == -1) return 1.0 / x;double half = myPow(x

Super Pow

Your task is to calculate ab mod 1337 where a is a positive integer and b is an extremely large positive integer given in the form of an array. Example1: a = 2b = [3]Result: 8 Example2: a = 2

王立铭脑科学50讲后续6,自己从课程中提起自己所需的知识,安放到自己的知识体系中。

王立铭脑科学50讲后续6,自己从课程中提起自己所需的知识,安放到自己的知识体系中。 1、对比计算机,脑部有不同,脑有目的,脑有情感 这个知识点怎么放? 暂时将脑有目的,与繁衍结合起来,跟奖惩机制放一起,放在预期差后面的链条上 人有目的:繁衍->计算预期差->通过奖惩机制,调节多巴胺和激素->让动物围绕着激素,展开活动。 情感怎么放,情感暂且放到第四层,是人类第一级的整个输入信息的综合信息