
本文详细介绍了如何使用数位动态规划(digit dp)算法,高效计算在给定大范围 `[1, n]` 内,其数位和小于或等于特定值 `x` 的整数数量。针对 `n` 值可达 `10^12` 的情况,传统遍历方法效率低下,数位dp通过递归分解问题并结合记忆化搜索,将时间复杂度优化至对数级别,有效解决了大规模数据下的计数挑战。
在程序设计中,我们经常需要处理关于数字性质的计数问题。一个常见的问题是:给定一个整数 n 和一个最大数位和 x,我们需要找出在范围 [1, n] 内,有多少个整数的数位之和小于或等于 x。
例如,如果 n = 112 且 x = 5,我们需要统计 0 到 112 之间(通常包含 0,如果问题要求从 1 开始,最后减去 0 的情况即可)数位和小于等于 5 的数字。
对于较小的 n 值,一个简单的遍历方法是可行的:
def digitsums_lower_than_x_naive(x_limit, n_upper_bound):
"""
计算 [1, n_upper_bound] 范围内数位和小于等于 x_limit 的数字数量。
此方法对于大 n_upper_bound 效率低下。
"""
digit_sum_func = lambda y: sum(int(digit) for digit in str(y))
count = 0
for i in range(1, n_upper_bound + 1):
if digit_sum_func(i) <= x_limit:
count += 1
return count然而,当 n 的值非常大,例如达到 10^12 时,上述方法的时间复杂度为 O(n * log n)(计算每个数的数位和需要 log n 时间),这将导致计算时间过长,无法满足性能要求。这时,我们需要一种更高效的算法,数位动态规划(Digit DP)便是解决此类问题的理想选择。
数位DP的核心思想是将一个大数的计数问题分解为子问题,通过递归地考虑数字的每一位来构建解决方案,并利用记忆化搜索(memoization)避免重复计算。
我们定义一个函数 count_numbers(upper_bound_str, sum_limit),它返回小于或等于 upper_bound_str 所代表的数字,且数位和小于或等于 sum_limit 的整数数量。
考虑一个数字 N(作为字符串 upper_bound_str 表示)和允许的最大数位和 x_limit。我们的目标是计算 [0, N] 范围内满足条件的数字个数。
算法的递归结构如下:
让我们通过计算 DS(112, 5)(即 N=112,数位和限制 x=5)来理解这个过程。
DS(upper_bound, sum_limit) 表示在 [0, upper_bound] 范围内,数位和小于等于 sum_limit 的数字数量。
DS(112, 5)
计算 DS(99, 5)
计算 DS(12, 4)
最终结果:
以下是基于上述数位DP思想的Python实现。函数 D 是核心的递归函数,它接受当前数字的字符串表示(x_str,即 N 的剩余部分),允许的剩余数位和 n_sum_limit,以及一个缓存 cache。
def count_with_digit_sum_limit(upper_bound_str, sum_limit, cache):
"""
递归函数,计算小于或等于 upper_bound_str 且数位和小于等于 sum_limit 的数字数量。
参数:
upper_bound_str (str): 当前处理的上限数字的字符串表示。
sum_limit (int): 允许的剩余数位和上限。
cache (dict): 记忆化搜索的缓存,存储 (upper_bound_str, sum_limit) -> 结果。
返回:
int: 符合条件的数字数量。
"""
# 基本情况:如果 sum_limit 小于 0,说明已经超出了允许的数位和,返回 0。
if sum_limit < 0:
return 0
# 基本情况:如果只剩一位数字
if len(upper_bound_str) == 1:
# 这一位可以取 0 到 min(sum_limit, int(upper_bound_str[0]))
# 例如,upper_bound_str='5', sum_limit=3, 那么可以取0,1,2,3 (4个)
# 例如,upper_bound_str='2', sum_limit=5, 那么可以取0,1,2 (3个)
return min(sum_limit, int(upper_bound_str[0])) + 1
# 检查缓存,避免重复计算
state = (upper_bound_str, sum_limit)
if state in cache:
return cache[state]
# 获取当前最高位数字
top_digit = int(upper_bound_str[0])
# 构造一个由 '9' 组成的字符串,长度比当前数字少一位,用于表示“无上限”的子问题
nines_suffix = '9' * (len(upper_bound_str) - 1)
current_count = 0
# 遍历当前位可能取的值 d
# d 从 0 开始,直到 min(sum_limit, top_digit)
for d in range(min(sum_limit, top_digit) + 1):
if d < top_digit:
# 如果当前位 d 小于 top_digit,则后续位可以取 0-9,不受 upper_bound_str 限制
# 递归调用,处理由 '9' 组成的后缀,剩余数位和为 sum_limit - d
current_count += count_with_digit_sum_limit(nines_suffix, sum_limit - d, cache)
else: # d == top_digit
# 如果当前位 d 等于 top_digit,则后续位仍受 upper_bound_str 的剩余部分限制
# 递归调用,处理 upper_bound_str 的剩余部分,剩余数位和为 sum_limit - d
current_count += count_with_digit_sum_limit(upper_bound_str[1:], sum_limit - d, cache)
# 将结果存入缓存
cache[state] = current_count
return current_count
def calculate_digit_sum_count(n_upper_bound, x_limit):
"""
主函数,计算 [0, n_upper_bound] 范围内数位和小于等于 x_limit 的数字数量。
参数:
n_upper_bound (int): 范围上限。
x_limit (int): 允许的最大数位和。
返回:
int: 符合条件的数字数量。
"""
# 将 n_upper_bound 转换为字符串以便按位处理
n_str = str(n_upper_bound)
# 初始化缓存
cache = {}
return count_with_digit_sum_limit(n_str, x_limit, cache)
# 示例调用
print(f"DS(112, 5) = {calculate_digit_sum_count(112, 5)}") # 预期输出 29
print(f"DS(9, 2) = {calculate_digit_sum_count(9, 2)}") # 预期输出 3 (0, 1, 2)
print(f"DS(19, 2) = {calculate_digit_sum_count(19, 2)}") # 预期输出 6 (0,1,2,10,11,12) -> 0(0),1(1),2(2),10(1),11(2),12(3) -> 0,1,2,10,11
# DS(9,2) + DS(9,1) = 3 + 2 = 5 (0-99) + DS(9,2) + DS(0,1)
# DS(9,2) = 3 (0,1,2)
# DS(9,1) = 2 (0,1)
# DS(19,2) = DS(9,2) + DS(9,1) = 3 + 2 = 5
# Let's re-verify DS(19,2) = DS(9,2) + DS(9,1)
# DS(19,2) = count_numbers('19', 2, cache)
# d=0: count_numbers('9', 2, cache) = 3 (0,1,2)
# d=1: count_numbers('9', 2-1=1, cache) = 2 (0,1) -> (10, 11)
# Total = 3 + 2 = 5. Correct for 0-19.数位动态规划是解决涉及数字位数的计数问题的强大工具,特别适用于处理大范围 N 的情况。通过将问题分解为更小的、具有重叠子结构的问题,并结合记忆化搜索,它能够将指数级或线性级的朴素算法优化到多项式或对数级别。理解其核心思想——如何根据当前位与上限数字的关系来递归地构建子问题,以及如何有效地利用缓存——是掌握数位DP的关键。
以上就是利用数位DP高效计算指定范围内数位和小于等于X的整数数量的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号