优质博文：IT-BLOG-CN
一、题目
编写一个算法来判断一个数n是不是快乐数。「快乐数」定义为：对于一个正整数，每一次将该数替换为它每个位置上的数字的平方和。然后重复这个过程直到这个数变为1，也可能是无限循环但始终变不到1。如果这个过程结果为1，那么这个数就是快乐数。如果n是快乐数就返回true；不是，则返回false。
示例 1：
输入：n = 19
输出：true
解释：
12 + 92 = 82
82 + 22 = 68
62 + 82 = 100
12 + 02 + 02 = 1
示例 2：
输入：n = 2
输出：false
1 <= n <= 231 - 1
二、代码
【1】用哈希集合检测循环： 可以先举几个例子。我们从7开始。则下一个数字是49（因为7^2=49），然后下一个数字是97（因为4^2+9^2=97）。我们可以不断重复该的过程，直到我们得到1。因为我们得到了1，我们知道7是一个快乐数，函数应该返回true。再举一个例子，让我们从116开始。通过反复通过平方和计算下一个数字，我们最终得到58，再继续计算之后，我们又回到58。由于我们回到了一个已经计算过的数字，可以知道有一个循环，因此不可能达到1。所以对于116，函数应该返回false。
根据我们的探索，我们猜测会有以下三种可能：
1、最终会得到1。
2、最终会进入循环。
3、值会越来越大，最后接近无穷大。
第三个情况比较难以检测和处理。我们怎么知道它会继续变大，而不是最终得到1呢？我们可以仔细想一想，每一位数的最大数字的下一位数是多少。
| Digits | Largest | Next |
|---|---|---|
| 1 | 9 | 81 |
| 2 | 99 | 162 |
| 3 | 999 | 243 |
| 4 | 9999 | 324 |
| 13 | 9999999999999 | 1053 |
对于3位数的数字，它不可能大于243。这意味着它要么被困在243以下的循环内，要么跌到1。4位或4位以上的数字在每一步都会丢失一位，直到降到3位为止。所以我们知道，最坏的情况下，算法可能会在243以下的所有数字上循环，然后回到它已经到过的一个循环或者回到1。但它不会无限期地进行下去，所以我们排除第三种选择。
即使在代码中你不需要处理第三种情况，你仍然需要理解为什么它永远不会发生，这样你就可以证明为什么你不处理它。
class Solution {public boolean isHappy(int n) {Set<Integer> seen = new HashSet<>();while (n != 1 && !seen.contains(n)) {seen.add(n);n = getNext(n);}return n == 1;}private int getNext(int n) {int totalSum = 0;while (n > 0) {int d = n % 10;n = n / 10;totalSum += d * d;}return totalSum;}
}
时间复杂度： O(243⋅3+logn+loglogn+logloglogn)... = O(logn)。
1、查找给定数字的下一个值的成本为O(logn)，因为我们正在处理数字中的每位数字，而数字中的位数由logn给定。
2、要计算出总的时间复杂度，我们需要仔细考虑循环中有多少个数字，它们有多大。
3、我们在上面确定，一旦一个数字低于243，它就不可能回到243以上。因此，我们就可以用243以下最长循环的长度来代替243，不过，因为常数无论如何都无关紧要，所以我们不会担心它。
4、对于高于243的n，我们需要考虑循环中每个数高于243的成本。通过数学运算，我们可以证明在最坏的情况下，这些成本将是O(logn)+O(loglogn)+O(logloglogn)...。幸运的是，O(logn)是占主导地位的部分，而其他部分相比之下都很小（总的来说，它们的总和小于logn，所以我们可以忽略它们。
空间复杂度： O(logn)与时间复杂度密切相关的是衡量我们放入哈希集合中的数字以及它们有多大的指标。对于足够大的n，大部分空间将由n本身占用。我们可以很容易地优化到O(243⋅3)=O(1)，方法是只保存集合中小于243的数字，因为对于较高的数字，无论如何都不可能返回到它们。
【2】数学： 根据我们之前的分析，我们知道它必须低于243。因此，我们知道任何循环都必须包含小于243的数字，用这么小的数字，编写一个能找到所有周期的强力程序并不困难。如果这样做，您会发现只有一个循环：4→16→37→58→89→145→42→20→4。所有其他数字都在进入这个循环的链上，或者在进入1的链上。因此，我们可以硬编码一个包含这些数字的散列集，如果我们达到其中一个数字，那么我们就知道在循环中。
class Solution {private static Set<Integer> cycleMembers = new HashSet<>(Arrays.asList(4, 16, 37, 58, 89, 145, 42, 20));public boolean isHappy(int n) {while (n != 1 && !cycleMembers.contains(n)) {n = getNext(n);}return n == 1;}public int getNext(int n) {int totalSum = 0;while (n > 0) {int d = n % 10;n = n / 10;totalSum += d * d;}return totalSum;}
}
时间复杂度： O(logn)。
空间复杂度： O(1)，我们没有保留我们所遇到的数字的历史记录。硬编码哈希集的大小是固定的。
【3】快慢指针法： 通过反复调用getNext(n)得到的链是一个隐式的链表。隐式意味着我们没有实际的链表节点和指针，但数据仍然形成链表结构。起始数字是链表的头 “节点”，链中的所有其他数字都是节点。next指针是通过调用getNext(n)函数获得。意识到我们实际有个链表，那么这个问题就可以转换为检测一个链表是否有环。因此我们在这里可以使用弗洛伊德循环查找算法。这个算法是两个奔跑选手，一个跑的快，一个跑得慢。在龟兔赛跑的寓言中，跑的慢的称为 “乌龟”，跑得快的称为 “兔子”。
我们不是只跟踪链表中的一个值，而是跟踪两个值，称为快跑者和慢跑者。在算法的每一步中，慢速在链表中前进1个节点，快跑者前进2个节点（对getNext(n)函数的嵌套调用）。
1、如果n是一个快乐数，即没有循环，那么快跑者最终会比慢跑者先到达数字1。
2、如果n不是一个快乐的数字，那么最终快跑者和慢跑者将在同一个数字上相遇。
class Solution {public boolean isHappy(int n) {int slowRunner = n;int fastRunner = getNext(n);while (fastRunner != 1 && slowRunner != fastRunner) {slowRunner = getNext(slowRunner);fastRunner = getNext(getNext(fastRunner));}return fastRunner == 1;}public int getNext(int n) {int totalSum = 0;while (n > 0) {int d = n % 10;n = n / 10;totalSum += d * d;}return totalSum;}
}
时间复杂度： O(logn)。该分析建立在对前一种方法的分析的基础上，但是这次我们需要跟踪两个指针而不是一个指针来分析，以及在它们相遇前需要绕着这个循环走多少次。如果没有循环，那么快跑者将先到达1，慢跑者将到达链表中的一半。我们知道最坏的情况下，成本是O(2⋅logn)=O(logn)。一旦两个指针都在循环中，在每个循环中，快跑者将离慢跑者更近一步。一旦快跑者落后慢跑者一步，他们就会在下一步相遇。假设循环中有k个数字。如果他们的起点是相隔k−1的位置（这是他们可以开始的最远的距离），那么快跑者需要k−1步才能到达慢跑者，这对于我们的目的来说也是不变的。因此，主操作仍然在计算起始n的下一个值，即O(logn)。
空间复杂度： O(1)，对于这种方法，我们不需要哈希集来检测循环。指针需要常数的额外空间。
模型算法详解)
