为什么要使用更高的基数来实现 BigInt



我正在尝试实现 BigInt,并阅读了一些关于它的帖子和文章,其中大多数建议使用更高的基数(256 或 232 甚至 264)。

为什么更高的基数有利于这个目的?

的另一个问题是我应该如何将字符串转换为更高的基数(>16)。我读到没有标准方法,除了 base64。最后一个问题,我如何使用这些更高的基数。一些例子会很棒。

以或相加适合寄存器的数字所花费的 CPU 周期往往是相同的。因此,通过用完整个寄存器,您将获得最少的迭代次数和最佳性能。也就是说,在 32 位体系结构上,将基本单元设为 32 位,在 64 位体系结构上,将其设为 64 位。否则,如果你只填满32位寄存器的8位,你就是在浪费周期。

  1. 第一个答案最好地说明了这一点。我个人使用基数 2^16 来防止乘法溢出。这允许任何两位数乘以一次而不会溢出。

  2. 转换为更高的基数需要快速除法以及尽可能多地打包数字(假设您的 BigInt 库可以处理多个基数)。

考虑基数 10 ->基数 2。实际转换为 10 -> 10000 -> 32768 -> 2。这可能看起来很慢,但从基数 10 转换为 10000 非常快。在 10000 和 32768 之间进行转换的迭代量非常快,因为要迭代的数字很少。开箱 32768 到 2 也非常快。

因此,首先将基地打包到它可以到达的最大基地。为此,只需将数字组合在一起即可。此基数应为 <= 2^16 以防止溢出。

接下来,将数字组合在一起,直到它们>=目标基数。从这里开始,使用通常在任何其他情况下都会溢出的快速除法算法除以目标基数。

一些快速代码

if (!packed) pack()
from = remake() //moves all of the digits on the current BigInt to a new one, O(1)
loop
    addNode()
    loop
        remainder = 0
        remainder = remainder*fromBase + from.digit
        enter code here`exitwhen remainder >= toBase
        set from = from.prev
        exitwhen from.head
    if (from.head) node.digit = remainder
    else node.digit = from.fastdiv(fromBase, toBase, remainder)
    exitwhen from.head

快速除法一瞥

loop
    digit = remainder/divide
    remainder = remainder%divide
    //gather digits to divide again
    loop
        this = prev
        if (head) return remainder
        remainder = remainder*base + digit
        exitwhen remainder >= divide
        digit = 0
return remainder

最后,如果应该打开包装,请打开包装

包装只是将数字组合在一起。

基数 10

到基数 10000 的示例

4th*10 + 3rd
*10 + 2nd
*10 + 1st
  1. ???

你应该有一个基类,用于存储 toString 的字母 + 大小。如果 Base 无效,则只需在逗号分隔的列表中显示数字。

所有方法都应该使用 BigInt 的当前基数,而不是某个常量。

就这样?

从那里,您将能够执行以下操作:

BigInt i = BigInt.convertString("1234567", Base["0123456789"])

其中 [] 重载,将创建一个新基或返回已创建的基。

您还可以执行以下操作:

i.toString()
i.base = Base["0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ"]
i.base = 256
i.base = 45000

等^_^。

另外,如果您使用的是整数并且希望能够返回 BigInt 余数,则除法可能会变得有点棘手 =P,但这仍然很容易^_^。

这是我用vjass编写的BigInt库(是的,对于魔兽争霸3,哈哈,不要评判我)

TriggerEvaluate(evalBase)这样的事情只是为了防止线程崩溃(邪恶的操作限制)。

祝你好运:D

相关内容

  • 没有找到相关文章

最新更新