Nano Hash - криптовалюты, майнинг, программирование

Самый эффективный способ получить количество цифр произвольно большого числа

Каков наиболее эффективный способ получить цифры числа?

Начнем с примера:

Представьте себе последовательность Фибоначчи. Теперь предположим, что мы хотим знать, какое число Фибоначчи первым имеет 1000 цифр (в представлении с основанием 10). До 308 цифр (1476-е число Фибоначчи) мы можем легко сделать это, используя logBase 10 <number>. Если число больше 1476-го числа Фибоначчи, logBase вернет Infinity, и расчет завершится ошибкой. Проблема в том, что 308 несколько далеко от 1000, что было нашей первоначальной целью.

Возможное решение состоит в том, чтобы преобразовать число, количество цифр которого мы хотим узнать, в строку и использовать ее длину для определения количества цифр. Это немного неэффективно для моих целей, потому что попытка этого с 10000 требует сладкого времени.

Наиболее эффективный метод показан в других вопросах. жестко кодирует все возможные случаи, которые я на самом деле не хочу делать, особенно потому, что количество цифр превышает 10, как это необходимо в предлагаемых решениях.

Итак, чтобы вернуться к моему вопросу: каков наилучший (наиболее эффективный) способ определить количество цифр в базе 10 чисел? Действительно ли он преобразует его в строку и использует его длину, или есть какие-то «хакерские» трюки, такие как 0x5f3759df?

Примечание. Я ценю решения на любом языке, даже если он помечен как «haskell».

28.07.2014

  • ~ 308 цифр звучит как 64-битный двойной лимит. 29.07.2014
  • @ user2864740 Да, действительно, это максимально возможное значение 64-битного двойника. Однако Haskell поддерживает произвольно длинные числа (с использованием Integer), поэтому мой вопрос включает еще большие числа. 29.07.2014

Ответы:


1

Почему бы не использовать div, пока оно не превысит 10?

digitCount :: Integer -> Int
digitCount = go 1 . abs
    where
        go ds n = if n >= 10 then go (ds + 1) (n `div` 10) else ds

Это сложность O(n), где n — количество цифр, и вы можете легко ускорить ее, сравнив 1000, затем 100, затем 10, но этого, вероятно, будет достаточно для большинства применений.


Для справки, на моем не очень хорошем ноутбуке, работающем только в GHCi и использующем ужасно неточный флаг статистики :set +s:

> let x = 10 ^ 10000 :: Integer
> :force x
<prints out 10 ^ 10000>
> digitCount x
10001
it :: Int
(0.06 secs, 23759220 bytes)

Таким образом, он кажется довольно быстрым, он может обрабатывать 10001-значное число менее чем за 10-ю долю секунды без оптимизации.


Если вам действительно нужна сложность O(log(n)), я бы порекомендовал написать свою собственную версию, в которой вы каждый раз делите на 2, но это немного сложнее и сложнее, чем деление на 10. Для ваших целей эта версия легко вычислит количество цифр. примерно до 20000 цифр без проблем.

28.07.2014
  • Забыл об этом методе, возможно, вчера было слишком поздно :D В любом случае, как бы вы сделали это для чисел даже больше, чем 10^10000 в последовательности Фибоначчи? Нет ли способа легко определить log10 функции вида a^x, где для чисел Фибоначчи a равно золотому сечению? 29.07.2014
  • @ThreeFx Я думаю, вы немного запутались, потому что phi ^ x не будет числом Фибоначчи. Связь золотого сечения с числами Фибоначчи заключается в том, что отношение между соседними элементами последовательности Фибоначчи приближается к phi по мере приближения к бесконечности. Если вы хотите ускорить его, вероятно, лучшее, что вы получите, это выяснить точные детали, чтобы знать, что digitCount n приблизительно равно 2 * digitCount (2 * sqrt n), и вместо того, чтобы делить несколько миллионов раз, вы просто получите квадратный корень из a несколько сотен вместо этого. 29.07.2014
  • В качестве оптимизации вместо деления на 10 каждый раз вы можете разделить на 10^300, и как только вы получите что-то меньшее, чем 10^300, используйте logBase 10. Я не знаю, будет ли это быстрее, я думаю, это зависит от того, насколько быстрой является функция logBase. 29.07.2014

  • 2

    Если вы просто хотите найти первое число, содержащее не менее digitCount цифр в списке, вы можете проверить каждое число в O(1), проверив, соответствует ли fibBeingTested >= 10digitCount - 1. Это работает, поскольку 10digitCount - 1 — это наименьшее число, состоящее как минимум из digitCount цифр:

    import Data.List (find)
    
    fibs :: [Integer]
    -- ...
    
    findFib :: Int -> Integer
    findFib digitCount =
      let Just solution = find (>= tenPower) fibs
      in
      solution
      where
        tenPower = 10 ^ (digitCount - 1)
    

    Мы используем digitCount - 1, потому что, например, 10^1 — это 10, состоящее из двух цифр.

    В результате O(1) сложности, которую имеет это сравнение, вы можете очень быстро найти числа Фибоначчи. На моей машине:

    λ> :set +s
    λ> findFib 10000
    [... the first Fibonacci number with at least 10,000 digits ...]
    (0.23 secs, 121255512 bytes)
    

    Если список из fibs уже был рассчитан до 10,000th цифры Фибоначчи (например, если вы запускаете findFib 10000 дважды), он выполняется даже быстрее, что показывает, что при вычислении каждого числа Фибоначчи выполняется больше вычислений, чем при нахождении того, которое вы ищете. находясь в поиске:

    λ> findFib 10000   -- Second run of findFib 10000
    [... the first Fibonacci number with at least 10,000 digits ...]
    (0.04 secs, 9922000 bytes)
    
    29.07.2014

    3

    Чтобы просто получить число Фибоначчи, которое состоит из более чем 1000 цифр, достаточно length . show (на Integer).

    GHCi> let fibs = Data.Function.fix $ (0:) . scanl (+) 1
    GHCi> let digits = length . (show :: Integer -> String)
    GHCi> :set +t +s
    GHCi> fst . head . dropWhile ((1000>) . digits . snd) $ zip [0..] fibs
    4782
    it :: Integer
    (0.10 secs, 149103264 bytes)
    

    Для чисел с плавающей запятой (чтобы вы могли использовать logBase) за пределами диапазона Double посмотрите на пакет numbers. Они очень медленные, но за такую ​​точность приходится платить.

    29.07.2014

    4

    Вы всегда можете попробовать двоичный поиск, чтобы найти количество цифр n: сначала найдите k такое, что 10^2^k ≥ n, а затем последовательно разделите n на 10. ^2^(к-1), 10^2^(к-2),..., 10^2^0:

    numDigits n = fst $ foldr step (1,n) tenToPow2s
      where
        pow2s = iterate (*2) 1
        tenToPow2s = zip pow2s . takeWhile (<=n) . iterate (^2) $ 10
        step (k,t) (d,n) = if n>=t then (d+k, n `div` t) else (d,n)
    

    Для конкретного случая чисел Фибоначчи вы также можете просто попробовать математику: n-е число Фибоначчи F(n) находится между (φ^n-1)/√5 и (φⁿ+1)/ √5, поэтому для логарифма по основанию 10 имеем:

    log(F(n)) - n log(φ) + log(√5) ∈ [log(1 - 1/φⁿ), log(1 + 1/φⁿ)]

    Этот интервал сразу становится крошечным.

    29.07.2014
    Новые материалы

    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..