本文主要是介绍完全平方数的判定及整数平方根的快速求解，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！
在上个星期的“有道难题”网络预赛中，某些Group的第二题涉及到了完全平方数的判定问题。相信大多数人的判定语句都差不多是这样写的：if(sqr((int)sqrtl(n))==n){...}，把这条语句整理一下，大概是这样：
inline int directSqrt( int n)
{
int root = static_cast< int>(sqrtl(n)); //求n的开方，但是double类型的
if (sqr(root+ 1) <= n)
{
return root + 1;
}
else return root;
}
inline bool isSquareNumber( int n)
{
int root = directSqrt(n);
return sqr(root) == n;
}
这个判定方法主要是利用标准库的sqrt函数来求整数平方根（integer square root），正确性不用怀疑，效率也足够。但是如果想要更快呢？通常来说，要判定任意一个数是否是完全平方数，求根的过程在所难免。但是，标准库的sqrt函数是求浮点平方根的，而我们只需要获取整数平方根即可，所以在这里肯定还有性能提升的空间。于是接下来就列举一些计算整数平方根的方法（后两个算法不是我写的），按照计算速度从慢到快依次排列，其中最后一个算法的效率大概是上述直接利用sqrtl的方法的四倍。
1. 线性搜索，直接从小到大依次取数试探，最原始的办法，代码如下：
{
int i = 0;
while (sqr(i) <= n) ++i;
return i- 1;
}
2. 二分法寻找根
{
int l = 0, r = n/ 2 + 1;
while (r - l > 1)
{
int m = (l+r)/ 2;
__int64 sqrm = sqr(m);
if (sqrm == n)
{
return m;
}
else if (sqrm > n) r = m;
else l = m;
}
if (sqr(r) == n)
{
return r;
}
else return l;
}
3. 牛顿迭代法，令方程 x^2 - n = 0，则求sqrt(n)也即是求这个方程的根，根据牛顿法的迭代公式有：x' = x - (x^2-n)/(2x) = (x^2+n)/(2x)，选定合适的初始值迭代，很快就能收敛到根。另外，这个迭代其实也就是不动点迭代的松弛形式，由 x^2= n => x = n/x, 得不动点迭代x' = n/x，加上松弛系数1/2（算数平均），得x'= 1/2 * (x + n/x)，即 x' = (x^2+n)/(2x)，与前面牛顿法的迭代公式相同。算法的代码如下：
{
static int table[ 16] = {
1, 1<< 2, 1<< 4, 1<< 6, 1<< 8, 1<< 10, 1<< 12, 1<< 14, 1<< 16,
1<< 18, 1<< 20, 1<< 22, 1<< 24, 1<< 26, 1<< 28, 1<< 30,
};
unsigned i = 0, x0 = 0, x1 = 0;
while (table[i] < n && i!= 16) ++i; x0 = 1 << i; //寻找迭代的初识值
while (x0 != 0)
{
x1 = static_cast< int>((sqr(x0) + n)/ ( 2*x0));
if (x1 >= x0)
{
break;
}
x0 = x1;
}
return x0;
}
4. 逐位确定法，从高到低依次确定根的各个二进制位。见下面这个代码，看起来似乎很飘逸，但实际上算法很简单明晰，具体的解释可以搜索James Ulery的论文:"Computing Integer Square Roots".
{
int temp, nHat = 0, b = 0x8000, bshft = 15;
do
{
if (n >= (temp = (((nHat<< 1)+b)<<bshft--)))
{
nHat += b;
n -= temp;
}
} while (b >>= 1);
return nHat;
}
5.建表+牛顿迭代，这个算法号称是要用来替代java数学包中的(int)(java.lang.Math.sqrt(integer))函数的，速度奇快，首先建立了一张强大的表来确定初值，然后最多经过两次牛顿迭代后就得到精确解。
{
static int table[ 256] = {
0, 16, 22, 27, 32, 35, 39, 42, 45, 48, 50, 53, 55, 57,
59, 61, 64, 65, 67, 69, 71, 73, 75, 76, 78, 80, 81, 83,
84, 86, 87, 89, 90, 91, 93, 94, 96, 97, 98, 99, 101, 102,
103, 104, 106, 107, 108, 109, 110, 112, 113, 114, 115, 116, 117, 118,
119, 120, 121, 122, 123, 124, 125, 126, 128, 128, 129, 130, 131, 132,
133, 134, 135, 136, 137, 138, 139, 140, 141, 142, 143, 144, 144, 145,
146, 147, 148, 149, 150, 150, 151, 152, 153, 154, 155, 155, 156, 157,
158, 159, 160, 160, 161, 162, 163, 163, 164, 165, 166, 167, 167, 168,
169, 170, 170, 171, 172, 173, 173, 174, 175, 176, 176, 177, 178, 178,
179, 180, 181, 181, 182, 183, 183, 184, 185, 185, 186, 187, 187, 188,
189, 189, 190, 191, 192, 192, 193, 193, 194, 195, 195, 196, 197, 197,
198, 199, 199, 200, 201, 201, 202, 203, 203, 204, 204, 205, 206, 206,
207, 208, 208, 209, 209, 210, 211, 211, 212, 212, 213, 214, 214, 215,
215, 216, 217, 217, 218, 218, 219, 219, 220, 221, 221, 222, 222, 223,
224, 224, 225, 225, 226, 226, 227, 227, 228, 229, 229, 230, 230, 231,
231, 232, 232, 233, 234, 234, 235, 235, 236, 236, 237, 237, 238, 238,
239, 240, 240, 241, 241, 242, 242, 243, 243, 244, 244, 245, 245, 246,
246, 247, 247, 248, 248, 249, 249, 250, 250, 251, 251, 252, 252, 253,
253, 254, 254, 255
};
int xn;
if (n >= 0x7FFEA810) return 0xB504;
if (n >= 0x10000) {
if (n >= 0x1000000) {
if (n >= 0x10000000) {
if (n >= 0x40000000) {
xn = table[n>> 24] << 8;
} else {
xn = table[n>> 22] << 7;
}
} else {
if (n>= 0x4000000) {
xn = table[n>> 20] << 6;
} else {
xn = table[n>> 18] << 5;
}
}
xn = (xn + 1 + (n/ xn)) >> 1;
xn = (xn + 1 + (n/ xn)) >> 1;
return ((xn * xn) > n) ? --xn : xn;
} else {
if (n>= 0x100000) {
if (n>= 0x400000) {
xn = table[n>> 16] << 4;
} else {
xn = table[n>> 14] << 3;
}
} else {
if (n>= 0x40000) {
xn = table[n>> 12] << 2;
} else {
xn = table[n>> 10] << 1;
}
}
xn = (xn + 1 + (n/ xn)) >> 1;
return ((xn * xn) > n) ? --xn : xn;
}
} else {
if (n>= 0x100) {
if (n>= 0x1000) {
if (n>= 0x4000) {
xn = (table[n>> 8]) + 1;
} else {
xn = (table[n>> 6] >> 1) + 1;
}
} else {
if (n>= 0x400) {
xn = (table[n>> 4] >> 2) + 1;
} else {
xn = (table[n>> 2] >> 3) + 1;
}
}
return ((xn * xn) > n) ? --xn : xn;
} else {
if (n>= 0) {
return table[n] >> 4;
}
}
}
return - 1;
}
依次计算从1到1000000的每个数的整数平方根，下面分别是上面6个算法所用的时间：
0. 利用标准库sqrtl, directSqrt : 610 ms
1. 线性搜索, linearSqrt : 81256 ms
2. 二分法, bisectionSqrt : 2734 ms
3. 牛顿迭代法， newtonSqrt : 691 ms
4. 逐位确定法， fastIntSqrt : 301 ms
5. 建表+牛顿迭代， javaIntSqrt : 150 ms
可见牛顿迭代法与利用标准库sqrtl的方法速度相当，逐位确定法的速度大概是牛顿迭代法的两倍。当然，最快的还是建表+牛顿迭代，看来以其来替代(int)(java.lang.Math.sqrt(integer))也不是没有道理的。另，以上测试数据相对来说都比较小，可以想象，若是计算接近于2^31这样的大数的整数平方根，逐位确定法和建表+牛顿迭代应该更占据优势。
这篇关于完全平方数的判定及整数平方根的快速求解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！
