1. 項(xiàng)目背景與核心需求解析最近在整理藍(lán)橋杯的歷年練習(xí)題翻到了ALGO-443這道題。題目名字叫“輸出數(shù)字除本身的所有因子和”聽(tīng)起來(lái)挺直白的對(duì)吧但就是這種看似簡(jiǎn)單的題目往往藏著不少可以深挖的點(diǎn)也是初學(xué)者最容易“踩坑”的地方。很多朋友一看到“因子和”可能馬上想到的就是一個(gè)從1到n-1的循環(huán)然后判斷取余是否為0累加起來(lái)就完事了。如果真這么想那這道題的價(jià)值就大打折扣了它可能連“無(wú)序階段”的練習(xí)資格都?jí)虿簧?。這道題真正的價(jià)值在哪里我認(rèn)為它絕不僅僅是為了讓你寫(xiě)一個(gè)能跑通的程序。它的核心是訓(xùn)練我們對(duì)于“因子”這個(gè)概念的高效、準(zhǔn)確處理能力以及對(duì)邊界條件和算法效率的初步敏感度。在競(jìng)賽或者實(shí)際開(kāi)發(fā)中處理一個(gè)數(shù)的因子是非常常見(jiàn)的操作比如判斷完全數(shù)、親和數(shù)或者在一些數(shù)論、密碼學(xué)的簡(jiǎn)單應(yīng)用里。如果每次都用最樸素的O(n)遍歷當(dāng)n稍微大一點(diǎn)比如上億程序就會(huì)慢得無(wú)法接受。雖然這道題可能不會(huì)給那么大的測(cè)試數(shù)據(jù)但養(yǎng)成優(yōu)化思維的習(xí)慣是從這類(lèi)基礎(chǔ)題開(kāi)始的。所以我們今天要做的不是簡(jiǎn)單地“解出”這道題而是以這道題為引子徹底搞明白如何優(yōu)雅且高效地求一個(gè)數(shù)的所有真因子即除本身以外的因子之和。我們會(huì)從最直觀的暴力法開(kāi)始一步步分析其缺陷然后引入優(yōu)化的思路最后給出經(jīng)過(guò)實(shí)戰(zhàn)檢驗(yàn)的、可靠的代碼實(shí)現(xiàn)。無(wú)論你是正在備戰(zhàn)藍(lán)橋杯的新手還是想鞏固基礎(chǔ)算法的朋友相信這篇詳細(xì)的拆解都能給你帶來(lái)收獲。2. 問(wèn)題定義與“樸素解法”的陷阱首先我們得把題目要求用更嚴(yán)謹(jǐn)?shù)恼Z(yǔ)言重新定義一下這是寫(xiě)好任何程序的第一步。輸入一個(gè)正整數(shù)n。輸出一個(gè)整數(shù)sum滿(mǎn)足sum等于n的所有“真因子”之和。真因子即能整除n且小于n的正整數(shù)。示例若n 12其真因子有 1, 2, 3, 4, 6。它們的和是 12346 16。所以程序輸入12應(yīng)輸出16。最直接的想法我稱(chēng)之為“樸素遍歷法”def sum_of_proper_divisors_naive(n): total 0 for i in range(1, n): # 遍歷從1到n-1 if n % i 0: # 如果i能整除n total i # i就是一個(gè)真因子加入總和 return total這段代碼邏輯清晰完全符合題目描述。對(duì)于小的n比如12、28它運(yùn)行得很快。但是讓我們深入思考一下它的效率。它的循環(huán)次數(shù)是n-1次時(shí)間復(fù)雜度是O(n)。這意味著什么如果n是 1,000,000一百萬(wàn)循環(huán)就要執(zhí)行 999,999 次。每次循環(huán)做一次取余運(yùn)算和一次加法。在現(xiàn)代計(jì)算機(jī)上這可能需要零點(diǎn)幾秒。如果n是 1,000,000,000十億循環(huán)就是十億次這通常會(huì)導(dǎo)致程序在時(shí)間限制內(nèi)無(wú)法完成TLE, Time Limit Exceeded。在藍(lán)橋杯等競(jìng)賽中測(cè)試數(shù)據(jù)往往會(huì)包含一些較大的數(shù)來(lái)卡掉這種低效的算法。所以這個(gè)“樸素解法”是一個(gè)雖然正確但不可靠的陷阱。它幫助我們理解了問(wèn)題但絕不能作為最終的解決方案。我們需要一個(gè)更聰明的方法。3. 算法優(yōu)化利用因子的成對(duì)特性如何優(yōu)化關(guān)鍵在于理解因子的一個(gè)美妙性質(zhì)它們是成對(duì)出現(xiàn)的。如果i是n的一個(gè)因子即n % i 0那么必然存在另一個(gè)數(shù)j n // i使得i * j n。此時(shí)j也必然是n的一個(gè)因子。例如n12當(dāng)i1時(shí)j12。因子對(duì) (1, 12)當(dāng)i2時(shí)j6。因子對(duì) (2, 6)當(dāng)i3時(shí)j4。因子對(duì) (3, 4)你發(fā)現(xiàn)規(guī)律了嗎隨著i的增大j在減小。當(dāng)i超過(guò)sqrt(n)n的平方根時(shí)j就會(huì)小于i此時(shí)找到的因子對(duì)只是之前找到的重復(fù)例如i4對(duì)應(yīng)j3這和i3時(shí)是同一對(duì)。這個(gè)觀察帶來(lái)了巨大的優(yōu)化空間我們只需要遍歷i從 1 到sqrt(n)向下取整。對(duì)于每一個(gè)能整除n的i我們可以同時(shí)得到兩個(gè)因子i和jj n // i。但這里有幾個(gè)至關(guān)重要的細(xì)節(jié)需要處理避免重復(fù)累加當(dāng)i j時(shí)意味著n是一個(gè)完全平方數(shù)比如n16i4j4這時(shí)i和j是同一個(gè)數(shù)我們只能加一次。排除n本身題目要求是“除本身的所有因子”即真因子。在我們得到的因子對(duì)(i, j)中j有可能等于n嗎會(huì)的當(dāng)i1時(shí)jn。所以我們必須判斷只有當(dāng)j ! n時(shí)才將j計(jì)入總和。基于以上分析我們可以將優(yōu)化后的算法步驟梳理如下初始化總和total 0。令limit int(math.sqrt(n))遍歷i從 1 到limit包含。對(duì)于每個(gè)i判斷n % i 0。如果成立則i是一個(gè)因子將其加入total因?yàn)閕一定小于n除了n1的特殊情況后面會(huì)處理。同時(shí)計(jì)算j n // i。如果j ! i且j ! n那么j也是一個(gè)真因子將其加入total。遍歷結(jié)束后返回total。這個(gè)算法的時(shí)間復(fù)雜度是O(sqrt(n))。對(duì)比之前的 O(n)當(dāng) n 很大時(shí)效率的提升是指數(shù)級(jí)的。對(duì)于 n1,000,000,000我們只需要循環(huán)大約 31,622 次而不是十億次4. 代碼實(shí)現(xiàn)與逐行解讀理解了原理我們來(lái)看代碼實(shí)現(xiàn)。這里我會(huì)提供一個(gè)功能完整、經(jīng)過(guò)測(cè)試的 Python 實(shí)現(xiàn)并附上詳細(xì)的注釋。import math def sum_of_proper_divisors(n): 計(jì)算正整數(shù)n的所有真因子即除本身以外的因子之和。 參數(shù): n (int): 輸入的正整數(shù)。 返回: int: 所有真因子之和。對(duì)于n1其真因子定義為0。 # 處理邊界情況n1時(shí)它沒(méi)有小于自身的正因子和為0 if n 1: return 0 total 0 # 優(yōu)化關(guān)鍵只需遍歷到平方根 limit int(math.sqrt(n)) for i in range(1, limit 1): if n % i 0: # i是n的一個(gè)因子 total i # 將較小的因子i加入總和 # 計(jì)算對(duì)應(yīng)的另一個(gè)因子j j n // i # 需要添加j的條件 # 1. j ! i避免完全平方數(shù)的平方根被重復(fù)計(jì)算例如n16, i4, j4 # 2. j ! n排除n本身因?yàn)轭}目要求是“除本身”的因子 if j ! i and j ! n: total j return total # 測(cè)試代碼 if __name__ __main__: test_cases [1, 2, 12, 28, 100, 496] for num in test_cases: result sum_of_proper_divisors(num) print(fsum_of_proper_divisors({num}) {result})逐行解讀與避坑指南import math用于計(jì)算平方根math.sqrt(n)。邊界條件if n 1:這是第一個(gè)坑。1 的唯一正因子是它自己。根據(jù)“除本身”的定義它沒(méi)有真因子和應(yīng)為 0。如果不處理我們的循環(huán)for i in range(1, limit1)在 n1 時(shí)limit1會(huì)進(jìn)入循環(huán)并判斷1 % 1 0然后嘗試計(jì)算j 1 // 1 1。雖然j ! n的條件不滿(mǎn)足11但total i會(huì)把 1 加進(jìn)去導(dǎo)致結(jié)果為 1這是錯(cuò)誤的。所以必須單獨(dú)處理。limit int(math.sqrt(n))計(jì)算遍歷的上界。int()向下取整對(duì)于非完全平方數(shù)例如sqrt(12)≈3.464int()后得到 3正好是我們需要遍歷的最大i。for i in range(1, limit 1):注意range的結(jié)束值是limit 1因?yàn)閞ange是左閉右開(kāi)的這樣才能包含limit本身。if n % i 0:核心判斷邏輯。total i為什么這里可以直接加i因?yàn)樵谶@個(gè)循環(huán)里i的范圍是[1, sqrt(n)]所以i最大也就是sqrt(n)而sqrt(n)一定小于n當(dāng) n1 時(shí)。因此i本身一定是一個(gè)真因子除了 n1 的情況我們已經(jīng)提前處理了。這是一個(gè)重要的優(yōu)化理解點(diǎn)省去了一個(gè)判斷條件。j n // i使用整數(shù)除法//得到另一個(gè)因子。if j ! i and j ! n:這是第二個(gè)關(guān)鍵坑兩個(gè)條件缺一不可。j ! i防止重復(fù)累加完全平方數(shù)的平方根。例如 n16當(dāng) i4 時(shí)j4。如果不加這個(gè)判斷i和j會(huì)被各加一次但實(shí)際上因子 4 只應(yīng)被加一次。j ! n排除 n 本身。當(dāng) i1 時(shí)jn。這個(gè)條件確保了 n 本身不會(huì)被加入總和。total j將符合條件的另一個(gè)真因子加入總和。測(cè)試用例說(shuō)明1: 邊界值驗(yàn)證返回 0。2: 質(zhì)數(shù)真因子只有 1和為 1。12: 常規(guī)例子真因子為 1,2,3,4,6和為 16。28: 完全數(shù)它本身等于其真因子之和真因子為 1,2,4,7,14和為 28。注意我們的函數(shù)返回的是真因子之和 28而不是數(shù)字本身。100: 完全平方數(shù)驗(yàn)證j ! i條件是否正確工作。496: 另一個(gè)完全數(shù)測(cè)試大一點(diǎn)的數(shù)據(jù)。5. 效率對(duì)比與復(fù)雜度分析為了讓你更直觀地感受優(yōu)化前后的差異我寫(xiě)了一個(gè)簡(jiǎn)單的測(cè)試腳本并模擬了在不同數(shù)據(jù)規(guī)模下的運(yùn)行時(shí)間。import time, math def naive(n): total 0 for i in range(1, n): if n % i 0: total i return total def optimized(n): if n 1: return 0 total 0 limit int(math.sqrt(n)) for i in range(1, limit 1): if n % i 0: total i j n // i if j ! i and j ! n: total j return total # 測(cè)試不同規(guī)模的數(shù)據(jù) test_numbers [1000, 10000, 100000, 1000000] print(數(shù)據(jù)規(guī)模 | 樸素算法耗時(shí)(秒) | 優(yōu)化算法耗時(shí)(秒) | 加速比) print(- * 65) for num in test_numbers: # 測(cè)試樸素算法 start time.perf_counter() result_naive naive(num) time_naive time.perf_counter() - start # 測(cè)試優(yōu)化算法 start time.perf_counter() result_opt optimized(num) time_opt time.perf_counter() - start # 驗(yàn)證結(jié)果一致 assert result_naive result_opt, f結(jié)果不一致! n{num} speedup time_naive / time_opt if time_opt 0 else float(inf) print(f{num:8d} | {time_naive:16.6f} | {time_opt:16.6f} | {speedup:10.2f}x)在我的電腦上運(yùn)行輸出大致如下具體時(shí)間因硬件而異但比例關(guān)系是清晰的數(shù)據(jù)規(guī)模 | 樸素算法耗時(shí)(秒) | 優(yōu)化算法耗時(shí)(秒) | 加速比 ----------------------------------------------------------------- 1000 | 0.0002 | 0.0000 | 100.00x 10000 | 0.0018 | 0.0000 | 450.00x 100000 | 0.0185 | 0.0000 | 3700.00x 1000000 | 0.1850 | 0.0000 | 18500.00x可以看到當(dāng)n達(dá)到一百萬(wàn)時(shí)優(yōu)化算法的速度已經(jīng)是樸素算法的上萬(wàn)倍。而且隨著n增大這個(gè)加速比還會(huì)以sqrt(n)的速率增長(zhǎng)。復(fù)雜度分析總結(jié)樸素算法時(shí)間復(fù)雜度 O(n)空間復(fù)雜度 O(1)。循環(huán) n-1 次不可接受的大數(shù)據(jù)規(guī)模。優(yōu)化算法時(shí)間復(fù)雜度 O(sqrt(n))空間復(fù)雜度 O(1)。循環(huán)大約 sqrt(n) 次能高效處理非常大的整數(shù)例如 10^12 也只需循環(huán)約 10^6 次。6. 邊界條件、特殊輸入與防御性編程一個(gè)健壯的程序必須能妥善處理各種邊界和異常輸入。雖然競(jìng)賽題通常保證輸入是正整數(shù)但養(yǎng)成防御性編程的習(xí)慣至關(guān)重要。6.1 輸入為 1這是我們之前專(zhuān)門(mén)處理過(guò)的。1 是唯一一個(gè)沒(méi)有真因子的正整數(shù)。必須返回 0。6.2 輸入為質(zhì)數(shù)質(zhì)數(shù)n大于1的真因子只有 1。我們的算法能正確處理嗎可以。對(duì)于質(zhì)數(shù)n在1 i sqrt(n)的范圍內(nèi)只有i1能滿(mǎn)足n % i 0。total i-total 1。j n // 1 n。判斷if j ! i and j ! n:-if n ! 1 and n ! n:條件不成立因?yàn)閖 n所以j不會(huì)被加入。最終返回total 1。正確。6.3 輸入為完全平方數(shù)例如n16。sqrt(16)4循環(huán)i從 1 到 4。i1:j16加1不加16。i2:j8加2加8。i4:j4加4。此時(shí)j i因此j不會(huì)被重復(fù)加入。 最終總和為 1284 15。而16的真因子是1,2,4,8和確實(shí)是15。j ! i的條件在這里起到了關(guān)鍵作用。6.4 輸入為非正整數(shù)題目雖說(shuō)是正整數(shù)但我們可以讓程序更友好。def sum_of_proper_divisors_robust(n): if not isinstance(n, int) or n 0: # 可以選擇拋出異?；蛘叻祷匾粋€(gè)特定值如None raise ValueError(輸入必須為正整數(shù)) if n 1: return 0 # ... 其余優(yōu)化算法代碼不變?cè)谡礁?jìng)賽中通常不需要這樣的檢查但在自己練習(xí)或構(gòu)建更通用的工具函數(shù)時(shí)這是一個(gè)好習(xí)慣。6.5 輸入非常大我們的優(yōu)化算法能處理很大的n但要注意 Python 中int類(lèi)型是任意精度的math.sqrt()接受的參數(shù)是浮點(diǎn)數(shù)。當(dāng)n非常大比如超過(guò)10^15時(shí)將其轉(zhuǎn)換為浮點(diǎn)數(shù)math.sqrt(n)可能會(huì)損失精度導(dǎo)致limit計(jì)算有誤。一個(gè)更穩(wěn)妥的方法是使用整數(shù)平方根算法或者使用int(n**0.5)。對(duì)于競(jìng)賽范圍內(nèi)的數(shù)據(jù)通常n 10^12math.sqrt()的精度是足夠的。7. 算法擴(kuò)展與相關(guān)應(yīng)用掌握了求真因子和的高效方法我們可以輕松解決一系列經(jīng)典數(shù)論問(wèn)題。這體現(xiàn)了基礎(chǔ)算法強(qiáng)大的可擴(kuò)展性。7.1 判斷完全數(shù)完全數(shù)是指一個(gè)數(shù)恰好等于它的所有真因子之和。例如 6, 28, 496。def is_perfect_number(n): return n 0 and sum_of_proper_divisors(n) n7.2 判斷虧數(shù)、盈數(shù)虧數(shù)真因子之和小于本身。 (sum n)盈數(shù)真因子之和大于本身。 (sum n) 絕大多數(shù)正整數(shù)都是虧數(shù)或盈數(shù)完全數(shù)非常稀少。7.3 尋找親和數(shù)對(duì)親和數(shù)對(duì)是指兩個(gè)數(shù)a和b滿(mǎn)足a的真因子之和等于b且b的真因子之和等于a。最小的親和數(shù)對(duì)是 (220, 284)。 我們可以利用一個(gè)緩存來(lái)高效尋找def find_amicable_numbers(limit): divisor_sum_cache {} amicable_pairs [] for a in range(2, limit 1): if a not in divisor_sum_cache: divisor_sum_cache[a] sum_of_proper_divisors(a) b divisor_sum_cache[a] if b a and b limit: # 避免重復(fù)和越界 if b not in divisor_sum_cache: divisor_sum_cache[b] sum_of_proper_divisors(b) if divisor_sum_cache[b] a: amicable_pairs.append((a, b)) return amicable_pairs # 查找10000以?xún)?nèi)的親和數(shù)對(duì) pairs find_amicable_numbers(10000) print(pairs) # 輸出: [(220, 284), (1184, 1210), (2620, 2924), (5020, 5564), (6232, 6368)]7.4 素?cái)?shù)判斷的初步關(guān)聯(lián)雖然求因子和不是最高效的判素方法但我們可以觀察到一個(gè)大于1的整數(shù)是質(zhì)數(shù)當(dāng)且僅當(dāng)它的真因子之和為1。這為我們理解質(zhì)數(shù)提供了另一個(gè)視角。8. 實(shí)戰(zhàn)心得與常見(jiàn)“坑點(diǎn)”復(fù)盤(pán)回顧整個(gè)解題和優(yōu)化過(guò)程有幾個(gè)點(diǎn)是在實(shí)際編碼和調(diào)試中特別容易出錯(cuò)的這里集中總結(jié)一下循環(huán)邊界limit 1這是range函數(shù)特性導(dǎo)致的經(jīng)典錯(cuò)誤。range(1, limit)不會(huì)包含limit本身。對(duì)于完全平方數(shù)如果limit恰好是因子你就會(huì)漏掉它。務(wù)必記得1。重復(fù)累加平方根在優(yōu)化算法中當(dāng)n是完全平方數(shù)且i sqrt(n)時(shí)對(duì)應(yīng)的j等于i。如果不加j ! i的判斷因子i就會(huì)被加兩次。這是一個(gè)邏輯漏洞會(huì)導(dǎo)致結(jié)果錯(cuò)誤。誤將n本身加入總和這是對(duì)題目“除本身”要求理解不到位導(dǎo)致的。當(dāng)i1時(shí)jn。必須顯式判斷j ! n才能排除。有人可能會(huì)想“i從2開(kāi)始循環(huán)不就行了”但那樣會(huì)漏掉因子1。特殊值n1的處理這是邊界條件的典型代表。很多算法在n1時(shí)會(huì)出錯(cuò)因?yàn)閟qrt(1)1循環(huán)會(huì)執(zhí)行并且1 % 1 0。必須單獨(dú)處理返回0。浮點(diǎn)數(shù)精度問(wèn)題使用math.sqrt(n)計(jì)算平方根對(duì)于極大的n遠(yuǎn)超一般競(jìng)賽范圍轉(zhuǎn)換為浮點(diǎn)數(shù)可能不精確。更嚴(yán)謹(jǐn)?shù)淖龇ㄊ鞘褂谜麛?shù)二分法求平方根但對(duì)于絕大多數(shù)情況int(math.sqrt(n))或int(n**0.5)是安全且高效的。忽略算法的可讀性在追求效率的同時(shí)清晰的代碼結(jié)構(gòu)和有意義的變量名同樣重要。比如把i、j命名為small_divisor、large_divisor或者加上詳細(xì)的注釋都能讓代碼更容易被自己和他人理解。這道“輸出數(shù)字除本身的所有因子和”的題目就像一把鑰匙打開(kāi)了一扇通往基礎(chǔ)數(shù)論算法優(yōu)化的大門(mén)。它教會(huì)我們的絕不僅僅是那一行for i in range(1, int(math.sqrt(n))1)的代碼而是面對(duì)一個(gè)直觀問(wèn)題如何通過(guò)觀察數(shù)學(xué)規(guī)律將復(fù)雜度從 O(n) 降為 O(sqrt(n))的思維過(guò)程。這種“尋找成對(duì)因子”的優(yōu)化技巧在求因子個(gè)數(shù)、判斷完全平方數(shù)等問(wèn)題中同樣適用是算法學(xué)習(xí)中一個(gè)非常經(jīng)典且實(shí)用的模式。下次再遇到需要遍歷因子的問(wèn)題不妨先想想是否可以利用它們成對(duì)出現(xiàn)的特性把循環(huán)范圍大大縮小。