本文详解 project euler 第 1 题（求小于 n 的所有 3 或 5 的倍数之和）的纯数学解法，重点揭示原实现中因浮点运算导致的大数精度丢失问题，并提供完全基于整数运算的安全优化方案。
本文详解 project euler 第 1 题（求小于 n 的所有 3 或 5 的倍数之和）的纯数学解法，重点揭示原实现中因浮点运算导致的大数精度丢失问题，并提供完全基于整数运算的安全优化方案。
Project Euler 第 1 题要求计算所有小于正整数 n 的、能被 3 或 5 整除的自然数之和。暴力遍历虽直观，但时间复杂度为 O(n)，面对 n = 10⁹ 甚至更大的输入时效率低下。最优解应利用等差数列求和公式 + 容斥原理，将时间复杂度降至 O(1)：
- 小于 n 的 3 的倍数构成等差数列：3, 6, 9, ..., last_3，其中 last_3 = 3 × ⌊(n−1)/3⌋
- 同理，5 的倍数和 15 的倍数（用于去重）也可快速确定末项
- 等差数列和公式为：和 = (首项 + 末项) × 项数 ÷ 2
原始代码正是基于此思路，但关键缺陷在于使用了浮点除法 / 2 和 math.floor() 混合运算，例如：
sums_of_3 = ((3 + last_num_3) / 2) * math.floor(last_num_3 / 3)
该写法在 n 较大（如 n = 183785194）时会因 Python 默认的双精度浮点（53 位有效精度）溢出而丢失最低有效位——例如 sums_of_3 + sums_of_5 正确值为 9007199317793343，但浮点表示为 9007199317793344.0，误差已达 ±1，最终结果整体偏移。
✅ 正确做法是全程使用整数运算，通过代数变形将除法 ÷2 与其它整数因子合并，确保每一步都保持精确性：
import math
def sum_multiples_of_3_or_5(n):
if n <blockquote>
<p>? <strong>关键技巧说明</strong>： </p>
<ul>
<li>last_3 = (n-1) // 3 * 3 比 (n-1) - ((n-1) % 3) 更简洁且语义清晰； </li>
<li>sum_3 = (3 + last_3) * last_3 // 6 等式成立，因为项数 k = last_3 // 3，所以和 = (3 + 3k) × k // 2 = 3k(k+1)//2，而 (3 + last_3) × last_3 = 3(k+1) × 3k = 9k(k+1)，再 //6 得 3k(k+1)//2，完全等价； </li>
<li>所有除法均使用 //（整数除法），且分母（6/10/30）已预先与公式整合，确保中间结果始终为整数，彻底规避浮点误差。</li>
</ul>
</blockquote><p>? <strong>验证示例</strong>： </p><pre class="brush:php;toolbar:false;">print(sum_multiples_of_3_or_5(10)) # → 23 （3+5+6+9）
print(sum_multiples_of_3_or_5(1000)) # → 233168 （Project Euler 标准答案）
print(sum_multiples_of_3_or_5(10**12)) # ✅ 精确结果，无精度损失总结：在算法题中追求 O(1) 数学解时，务必警惕浮点运算的隐式精度陷阱。优先采用整数代数变形，善用 // 和可整除性分析，是保障大数计算正确性的核心原则。
