标签：lfloor le frac 开始 欧几里得 rfloor 算法 这个
从欧几里得开始（三）
前篇小结
上篇文章用java完成了下面这幅算法流程图的实现，这个算法是判断一个整数\(a\)是不是一个自然数\(N\)是不是一个自然数的约数。
我们再次看一下这幅图：
好了，又回顾了一下。
注意到，这幅图里面起点和终点都被我矩形表示出来了，一个算法需要一个起点和至少一个终点，中间可能加一些判定过程，迭代过程。
思考方向
在分析一些算法问题的时候，最近我在一本叫《算法》的书上，看到了一个有意思的步骤，这个叫做科学方法，分成四步，大概是这样：
1，算法的实现和调试（implement，debugging）；
2，算法的基本性质（这句话不好理解，但实际过程中就是算法的稳定性，有什么特点，比如面对随机输入会怎么样子，这些性质也可以说影响着算法的性能表现。）
3，算法的性能表现（performance）；
4，算法的测试用例；（test-case）‘
我用java完成了一份实现，算是完成了第一步。我比较感兴趣的还是第三步，分析一个算法的性能。
就拿我这副算法流程图来说，我们需要分析它的性能表现，要从哪里开始入手。所谓的性能表现，就是对于输入，这个过程会多快产出结果。我们知道了，一个算法，就是一个输入口，中间循环时夹着许多判定过程，有时候，还会涉及数据操作。
所以这个分析简单的来说就是：数数（Counting），因为判定过程，数据操作都是有限的，只要把这个算法运行时，这些过程的具体数字数清楚，那么最后，做总和的时候，比如判定过程一共执行了a次，数据操作b次。
现在假如我们有一台机器，它进行一次判定过程需要消费时间\(t_1\)(单位判定时间)；它进行一次数据操作需要消费时间\(t_2\)（单位数据操作时间）。
那么这台机器用到的总时间就是：\(at_1+bt_2\) ，这是一个十分简单的和。而且现在性能强大的计算机，在进行判定过程，数据操作这两项动作用的时间都是十分微小的，你说等同起来也行。所以，进一步来说，去统计 \(a+b\)这个值更加便捷，也就是直接数数就行。
正如我们上篇文章里面说到的，在我用到的算法流程图里面，
判断过程有4个：
1,\(a=N?\)
2,\(a\le \lfloor \frac{N}{2} \rfloor\)?
3,\(ak=N?\)
4,\(k=\lfloor \frac{N}{a} \rfloor?\)
这四个过程对于每一次特定的输入，必然会产生一个确定的结果值。
比如对于\(a=1,n=28\), \(a=N\)?必定先判断一次;然后才考虑\(a\le \lfloor \frac{N}{2} \rfloor\)? 这个也判断一次；接下来才进入循环;
\(a=2,n=28\), \(a=N\)?判断一次;然后才考虑\(a\le \lfloor \frac{N}{2} \rfloor\)? 这个也判断一次;接下来才进入循环;
\(a=17,n=28 ,a=N\)?判断一次;后才考虑\(a\le \lfloor \frac{N}{2} \rfloor\)? 这个也判断一次, 这时候也完结了；
\(a=28,n=28\),\(a=N\)?判断一次;然后这个流程走完了，没有接下来的事情了；
所以实际上产生废时间的是在接下来的循环里面的判断，对于任意的\(a，N\)组合来说真正需要考虑时间耗费的是在
$1\le a \le \lfloor \frac{N}{2} \rfloor $时，只有这个范围才进入到循环里面，才会积累时间的消耗。
\(a\)是在这个区间之内的情况
这个的输入的组合有：
\((1,N),(2,N),(3,N)...( \lfloor\frac{N}{2} \rfloor,N)\)一共是$\lfloor \frac{N}{2} \rfloor $种组合。
这个就是说一共有这么多种输入的组合，然后我们知道，这里每一种组合，来跑一遍这个算法，需要进行的判定流程
\(ak=N?\)的数目是不一样的，但是可以被数出来。\(k=\lfloor \frac{N}{a} \rfloor?\)的数目和\(ak=N?\)的数目只会差1个，这两个判断是连在一起的，只要一个完结，另外一个也会完结，但是总数会相差1，我觉得不需要进行如此细致地分辨。
在统计上，我们只统计其中一个就行了。
下面举个例子：
对于（1，N) 这个组合，我们需要进行N次判断；（这是一个这个算法缺陷，因为我们知道1是任何自然数的约数，这里实际执行却还需要进行N次判断，所以这又找到了一个改进的地方）
对于（2，N）这个组合，我们需要进行$ \lfloor\frac{N}{2} \rfloor$次判断；
对于（3，N) 这个组合，需要进行$ \lfloor\frac{N}{3} \rfloor$次判断；
....
那么对于\((a,N)\)这个组合，需要进行\(\lfloor\frac{N}{a} \rfloor\)次判断；
对于$ \lfloor\frac{N}{a} \rfloor$这个魔法一般的数字怎么来的，你会感到困扰吗？但是实际上它出现在算法中迭代的结束判定里面，这个就是边界，超出边界，算法就终止，得出结果，如果没有结束，算法自然在运行，累计来超过这个边界。
实际中，也可以考虑具体的数字，比如（5,28）作为输入，那么一步一步地走，你发现还是$ \lfloor\frac{28}{5} \rfloor=5$次内结束，得到false值。
现在实际上这个算法已经分析完了，结论就是这条：对于\((a,N)\)这个组合，需要进行$ \lfloor\frac{N}{a} \rfloor$次判断，然后计算机消费进行这么多判断的时间。
但是这个算法有多快呢？这个是一个统计问题了，比如我任意给一个自然数N，然后我要找出所有的约数。
那么自然我们只要把这种组合加起来得到一个总的次数S：
\[S=\lfloor\frac{N}{1} \rfloor+ \lfloor\frac{N}{2} \rfloor + \lfloor\frac{N}{3} \rfloor.. + \lfloor\frac{N}{a} \rfloor+... \lfloor\frac{N}{\lfloor \frac{N}{2} \rfloor} \rfloor \]这是用这个算法去找自然数N的所有约数需要进行的总的判断次数，这个和式可以通过一些推理进行化简：
\[\begin{align*} S=&\lfloor\frac{N}{1} \rfloor+ \lfloor\frac{N}{2} \rfloor + \lfloor\frac{N}{3} \rfloor.. + \lfloor\frac{N}{a} \rfloor+... \lfloor \frac{N}{\lfloor \frac{N}{2} \rfloor} \rfloor\\ = & \sum_{1\le a \le \lfloor \frac{N}{2} \rfloor}{\lfloor \frac{N}{a} \rfloor} \\ = & \sum_{a}{[1\le a \le \lfloor \frac{N}{2} \rfloor]\lfloor \frac{N}{a} \rfloor} \end{align*} \]从第二步到第三步，需要一个用到一个断言函数：记号就是一对方括号[],
就是说\([1\le a \le \lfloor \frac{N}{2} \rfloor]\) 表示\(1\le a \le \lfloor \frac{N}{2} \rfloor\) 这个条件成立的时候，这个函数取值是1，不成立取值是0，这就是像是一个人在决断一样，被决断的就是 方括号里面的内容。
这个函数的好处是，解放\(a\)，让\(a\)从限定在 \(1\le a \le \lfloor \frac{N}{2} \rfloor\)里面解放出来，因为不在这个范围内的被这个函数用0值干掉了，只有在这个方位内的和式统计。
现在需要处理的部分是\(\lfloor \frac{N}{a} \rfloor\);
\[\lfloor \frac{N}{a} \rfloor=\sum_{j}[1 \le aj \le N] \]这个可能一眼看不到这个，但是仔细想一下，不超过N除以a的最大整数，这个整数怎么形成的，就是用一个一个的a从N里面减掉，最多能够减多少次。那么反过来，我用一次一次的a加起来，每一次加起来后，只要不超过N，这个情况统计1次，那么最大整数就是在不超过N下这些情况的积累，也就是上面那么式子。
\[\begin{align*} S=&\lfloor\frac{N}{1} \rfloor+ \lfloor\frac{N}{2} \rfloor + \lfloor\frac{N}{3} \rfloor.. + \lfloor\frac{N}{a} \rfloor+... \lfloor \frac{N}{\lfloor \frac{N}{2} \rfloor} \rfloor\\ = & \sum_{1\le a \le \lfloor \frac{N}{2} \rfloor}{\lfloor \frac{N}{a} \rfloor} \\ = & \sum_{a}{[1\le a \le \lfloor \frac{N}{2} \rfloor]\lfloor \frac{N}{a} \rfloor}\\ = & \sum_{a}{[1\le a \le \lfloor \frac{N}{2} \rfloor] }\sum_{j}[1 \le aj \le N] \\ = & \sum_{a,j}{[1\le a \le \lfloor \frac{N}{2} \rfloor] }[1 \le aj \le N] \end{align*} \]最后这一步就是分配律：
$ a(b+c)= ab+ac$
所以最后
$ S = \sum_{a,j}{[1\le a \le \lfloor \frac{N}{2} \rfloor] }[1 \le aj \le N]$
这个形式就是我想要的结果，首先变量\(a，j\)两个都被解放了，从限定范围解放了，当然\(a，j\)都还是整数啊，因为所有的情况都是一个一个去统计，而不是用连续变量在描述问题，一定要给个名称，\(a，j\)都是离散变量，而且是离散整数变量。
那么对于所有a，j的组合，就是一个二维坐标轴中的整点，就是说这个坐标系被栅格化，只有整数点。
这样看的话，\(S=\sum_{a,j}{[1\le a \le \lfloor \frac{N}{2} \rfloor] }[1 \le aj \le N]\)这个式子意味着什么呢？
如果一不习惯a，j做变量，那么你把a换成x，j换成y；
\(S=\sum_{x,y}{[1\le x \le \lfloor \frac{N}{2} \rfloor] }[1 \le xy\le N]\)
我们有两个断言，整数x在1到$ \lfloor \frac{N}{2} \rfloor $之间，整数y满足xy在1，N之间；
画出一个整点坐标系，用x作为横轴，y作为纵轴；
红色这些是这个整点坐标里面实际的点，然后两个断言告诉我们，我们只要去数加载两根蓝色曲线，以及两根蓝色竖线之间的所有红色点的数目，这就是我们的和S。
恩，这是一个精确的做法，但是我们希望忽视一些，那么我们可以这么做，把没有红色的点用一个单位面积为1的小的正方形代替那么所有在图中蓝色框内的红色点的数目，近似用一个锯齿状的图形的面积替代，锯齿状图形的面积可以用微积分估算的，把这条曲线这个上移1个单位，得到 \(xy=N+1\)这条曲线，这是为了考虑整数点刚好落曲线上，这些点的变成面积为1的正方形后不会被\(xy=N\)截取太多。那么尽管这么做之后，还是有误差。
如果接受这样的近似，那么用\(xy=N+1\) 和\(xy=1\)这两条曲线，$$x=1，x=\lfloor \frac{N}{2} \rfloor+1$$这两条直线围成的曲面图形的面积与我们的和S是十分接近的。
我们来计算一下这个积分：
\[\begin{align*} &\int_{1}^{\lfloor \frac{N}{2} \rfloor+1} (\frac {N+1}{x}-\frac {1}{x})dx\\ =&N\int_{1}^{\lfloor \frac{N}{2} \rfloor+1} \frac {1}{x}dx \\ =&N \ln(\lfloor \frac{N}{2} \rfloor+1) \end{align*} \]这个结果就是我们稍微有些误差的S，而且不是一个整数，这说明这就是一个精确的近似值。但是我们可以用来估算，这个值的意义就是，用这个算法去找N的所有约数，总共需要实行这么多次判断过程，当然，可能有更好的计算方法和近似方法。
到这里，我对于一个自然数约数的说明就到一个段落了，然后可以开始就说一下欧几里得对于公约数是怎么计算的了。
标签：lfloor,le,frac,开始,欧几里得,rfloor,算法,这个 来源： https://www.cnblogs.com/mtcode/p/14283903.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。