高性能计算笔记：灯泡开关问题的数学优化与常数级解法
1. 问题背景与抽象
初始有 n 个处于关闭状态的灯泡，按如下规则依次操作开关：
- 第 1 轮：切换所有灯泡的开关状态；
- 第
i轮（i ≥ 2）：每隔i-1个灯泡，切换第i、2i、3i...个灯泡的开关状态； - 执行完第
n轮操作后，求仍亮着的灯泡数量。
从实现角度，若直接模拟每一轮操作，时间复杂度约为 O(n log n)（n 轮操作，每轮最多操作 n/i 次），当 n 达到 10⁹ 等大规模时会出现显著性能瓶颈。
2. 核心数学推导
要实现常数级解法，需将"灯泡状态"转化为纯数学问题分析：
2.1 灯泡操作次数与约数的关联
第 k 个灯泡被操作的次数，等价于 k 的正约数个数。例如：
- 第 6 个灯泡的约数为 1、2、3、6，对应第 1/2/3/6 轮各操作 1 次，共 4 次；
- 灯泡初始为关闭状态，操作偶数次 则最终关闭，操作奇数次则最终亮起。
由此，问题可抽象为：求 1~n 中"正约数个数为奇数"的数字数量。
2.2 约数个数的奇偶性特征
普通正整数的约数呈"成对出现"的特征（如 6 的约数 1&6、2&3），因此约数个数为偶数；仅完全平方数 （如 4=2²、9=3²）存在"重复约数"（如 4 的约数 2 仅计数 1 次），其约数个数为奇数。
综上，原问题可进一步简化为：求 1~n 中完全平方数的数量------这是将 O(n log n) 复杂度优化为 O(1) 的核心数学依据。
3. 工程实现
基于上述推导，实现时需重点关注边界条件处理与类型转换的严谨性（面试中高频考察的工程能力点），以下是优化后的 C++ 实现：
cpp
class Solution {
public:
int bulbSwitch(int n) {
// 边界条件优先处理：无灯泡时结果为0，避免后续无效计算
if (n == 0) {
return 0;
}
// 计算n的平方根并向下取整，即为1~n中完全平方数的个数
// 显式类型转换避免double到int的隐式转换精度丢失（高性能场景的严谨性要求）
return static_cast<int>(sqrt(n));
}
};实现关键要点
- 显式类型转换：
sqrt(n)返回double类型，直接隐式转换可能因浮点数精度问题导致错误（如n=25时sqrt(25)=5.0，n=26时sqrt(26)≈5.099，向下取整为 5），显式转换更符合工程规范； - 边界条件前置：在高性能计算中，提前处理边界可避免后续无效计算，符合"最小计算成本"原则。
4. 复杂度分析
- 时间复杂度 ：
O(1)。仅执行一次平方根计算（CPU 原生指令级操作，属于常数时间），相比模拟法的O(n log n)，复杂度呈数量级降低，尤其在n趋近于无穷大时性能优势显著； - 空间复杂度 ：
O(1)。未使用任何额外辅助空间，符合"原地计算"的高性能优化思路。
5. 面试视角的思考与延伸
5.1 核心优化思路总结
高性能计算的核心并非"暴力优化代码细节"，而是"先抽象问题本质，再选择最优算法"：
- 第一步：将业务问题（灯泡开关操作）转化为数学问题（约数个数统计）；
- 第二步：挖掘数学规律（完全平方数的约数个数特征）；
- 第三步：基于规律设计常数级解法。
5.2 面试可能追问的延伸点
- 若
n=10⁹，模拟法为何不可行？
答：10⁹规模下，O(n log n)的操作次数约为10⁹×30=3×10¹⁰，远超 CPU 单次计算的处理能力（普通 CPU 每秒约执行10⁹次操作），而O(1)解法仅需 1 次平方根计算，可瞬间完成。 - 如何验证平方根向下取整的正确性？
答：举例验证，如n=10时，√10≈3.16，向下取整为 3，对应1²、2²、3²共 3 个完全平方数，与实际操作后亮着的灯泡数量一致。 - 类似的高性能优化案例？
答：如"两数之和"的哈希表优化（O(n²)→O(n)）、"斐波那契数列"的矩阵快速幂优化（O(n)→O(log n)），核心均为"问题抽象 + 算法优化"。