我的Java开发学习之旅------>计算从1到N中1的出现次数的效率优化问题

有一个整数n,写一个函数f(n),返回0到n之间出现的"1"的个数。比如f(1)=1；f(13)=6,问一个最大的能满足f(n)=n中的n是什么？

例如：f(13)=6, 因为1,10,11,12,13.正好是6个1。

解析：这题关键在效率上，在没有发现很科学、快速地计算出个数的情况下，可以采取缓存的机制。因为就2000000来说，计算时间就已经无法忍受了，因此，可以把以前的计算结果缓存起来，把每次的结果保存好，就不用每次都重新计算，从而可提高效率。

例如：计算101，只需要把1~100的结果与101相加就行了。

代码如下：

public class FnTest {
	public static void main(String[] args) {
		long start=System.currentTimeMillis();
		//从n=2开始算
		int n = 2;
		//n=2时，getOnly(2)=1,因此缓存初始化为1
		int res = 1;
		//如果数字n中1的个数加上n之前所有数字中1的个数的和不等于n
		while ((getOnly(n) + res) != n) {
			res += getOnly(n);  //缓存机制  缓存每次把当前数字中1的个数加起来
			++n;
		}
		System.out.println("满足f(n)=n的最大n值是："+n);
 
		long end=System.currentTimeMillis();
		System.out.println("用时："+(end-start)+"毫秒");
	}
	/**
	 * 判断每个数字包含1的个数
	 * @param num 要判断的数字
	 * @return 该数字中1的个数
	 */
	public static int getOnly(int num) {
		int number = 0;
		String s = num + "";
		int len = s.length();
		if (len != 0) {
			for (int i = 0; i < len; i++) {
				char a = s.charAt(i);
				if (a == '1') {
					number++;
				}
			}
		}
		return number;
	}
}

运行结果为：

满足f(n)=n的最大n值是：199981
用时：92毫秒

以下内容转载于：

http://www.nowamagic.net/algorithm/algorithm_CountOccurrencesOfOne.php

给定一个十进制整数N，求出从1到N的所有整数中出现"1"的个数。

例如：N=2，1,2出现了1个"1"。

N=12，1,2,3,4,5,6,7,8,9,10,11,12。出现了5个"1"。

最直接的方法就是从1开始遍历到N，将其中每一个数中含有"1"的个数加起来，就得到了问题的解。

01	public long CountOne3(long n)

02

{

03	long i = 0,j = 1;

04	long count = 0;

05	for (i = 0; i <= n; i++)

06

{

07

j = i;

08	while (j != 0)

09

{

10	if (j % 10 == 1)

11

count++;

12	j = j / 10;

13

}

14

}

15	return count;

16

}

此方法简单，容易理解，但它的问题是效率，时间复杂度为O（N * lgN），N比较大的时候，需要耗费很长的时间。

我们重新分析下这个问题，对于任意一个个位数n，只要n>=1,它就包含一个"1"；n<1，即n=0时，则包含的"1"的个数为0。于是我们考虑用分治的思想将任意一个n位数不断缩小规模分解成许多个个位数，这样求解就很方便。

但是，我们该如何降低规模？仔细分析，我们会发现，任意一个n位数中"1"的个位可以分解为两个n-1位数中"1"的个数的和加上一个与最高位数相关的常数C。例如，f(12) = f(10 - 1) + f(12 - 10) + 3,其中3是表示最高位为1的数字个数，这里就是10,11,12；f(132)=f(100 -1) + f(132 - 100) + 33，33代表最高位为1的数字的个数，这里就是100~132；f(232) = 2*f(100 - 1) + f(32) + 100，因为232大于199，所以它包括了所有最高位为1的数字即100~199，共100个。

综上，我们分析得出，最后加的常数C只跟最高位n1是否为1有关，当最高位为1时，常数C为原数字N去掉最高位后剩下的数字+1，当最高位为1时，常数C为10bit，其中bit为N的位数-1，如N=12时，bit=1，N=232时，bit=2。

于是，我们可以列出递归方程如下：

if(n1 == 1) 

f(n) = f(10^bit-1) + f(n - 10^bit) + n - 10^bit+ 1; 

else 

f(n) = n1*f(10^bit-1) + f(n – n1*10^bit) + 10^bit; 

递归的出口条件为：

1	if(1<n<10)  return 1;

2	else if (n == 0) return 0;

基于此，编写如下代码：

01	public long CountOne(long n)

02

{

03	long count = 0;

04	if (n == 0)

05	count = 0;

06	else if (n > 1 && n < 10)

07	count =  1;

08

else

09

{

10	long highest = n;//表示最高位的数字

11	int bit = 0;

12	while (highest >= 10)

13

{

14	highest = highest / 10;

15

bit++;

16

}

17

18	int weight = (int)Math.Pow(10, bit);//代表最高位的权重，即最高位一个1代表的大小

19	if (highest == 1)

20

{

21	count = CountOne(weight - 1)

22	+ CountOne(n - weight)

23	+ n - weight + 1;

24

}

25

else

26

{

27	count = highest * CountOne(weight - 1)

28	+ CountOne(n - highest * weight)

29

+ weight;

30

}

31

}

32	return count;

33

}

此算法的优点是不用遍历1~N就可以得到f(N)。经过我测试，此算法的运算速度比解法一快了许多许多，数字在1010内时，算法都可以在毫秒级内结束，而解法一在计算109时，时间超过了5分钟。但此算法有一个显著的缺点就是当数字超过1010时会导致堆栈溢出，无法计算。

还有就是，我尝试了许久也没有计算出此算法的时间复杂度到底是多少，似乎是O（lg2N），我并不确定，希望知道的高手能给予解答。

解法二告诉我们1~ N中"1"的个数跟最高位有关，那我们换个角度思考，给定一个N，我们分析1~N中的数在每一位上出现1的次数的和，看看每一位上"1"出现的个数的和由什么决定。

1位数的情况：在解法二中已经分析过，大于等于1的时候，有1个，小于1就没有。

2位数的情况：N=13,个位数出现的1的次数为2，分别为1和11，十位数出现1的次数为4，分别为10,11,12,13，所以f(N) = 2+4。N=23,个位数出现的1的次数为3，分别为1，11，21，十位数出现1的次数为10，分别为10~19，f(N)=3+10。

由此我们发现，个位数出现1的次数不仅和个位数有关，和十位数也有关，如果个位数大于等于1，则个位数出现1的次数为十位数的数字加1；如果个位数为0，个位数出现1的次数等于十位数数字。而十位数上出现1的次数也不仅和十位数相关，也和个位数相关：如果十位数字等于1，则十位数上出现1的次数为个位数的数字加1，假如十位数大于1，则十位数上出现1的次数为10。

3位数的情况：

N=123，个位出现1的个数为13:1,11,21，…，91,101,111,121。十位出现1的个数为20:10~19,110~119。百位出现1的个数为24:100~123。

我们可以继续分析4位数，5位数，推导出下面一般情况： 假设N，我们要计算百位上出现1的次数，将由三部分决定：百位上的数字，百位以上的数字，百位一下的数字。

如果百位上的数字为0，则百位上出现1的次数仅由更高位决定，比如12013，百位出现1的情况为100~199,1100~1199,2100~2199，…，11100~11199，共1200个。等于更高位数字乘以当前位数，即12 * 100。

如果百位上的数字大于1，则百位上出现1的次数仅由更高位决定，比如12213，百位出现1的情况为100~199,1100~1199,2100~2199，…，11100~11199，12100~12199共1300个。等于更高位数字加1乘以当前位数，即（12 + 1）*100。

如果百位上的数字为1，则百位上出现1的次数不仅受更高位影响，还受低位影响。例如12113，受高位影响出现1的情况：100~199,1100~1199,2100~2199，…，11100~11199，共1200个，但它还受低位影响，出现1的情况是12100~12113，共114个，等于低位数字113+1。

综合以上分析，写出如下代码：

01	public long CountOne2(long n)

02

{

03	long count = 0;

04	long i = 1;

05	long current = 0,after = 0,before = 0;

06	while((n / i) != 0)

07

{

08	current = (n / i) % 10;

09	before = n / (i * 10);

10	after = n - (n / i) * i;

11

12	if (current > 1)

13	count = count + (before + 1) * i;

14	else if (current == 0)

15	count = count + before * i;

16	else if(current == 1)

17	count = count + before * i + after + 1;

18

19	i = i * 10;

20

}

21	return count;

22

}

此算法的时间复杂度仅为O(lgN)，且没有递归保存现场的消耗和堆栈溢出的问题。

==================================================================================================

  作者：欧阳鹏  欢迎转载，与人分享是进步的源泉！

  转载请保留原文地址：http://blog.csdn.net/ouyang_peng

==================================================================================================