如何优化大数值区间内所有数对乘积的收集方案？

原代码在处理大数值区间（如1000到9999）时，核心问题是双重循环的O(n²)时间复杂度和集合存储的高内存占用：当区间包含9000个数值时，双重循环会执行8100万次运算，大量重复计算（ij与ji结果一致）浪费算力，同时集合存储所有去重后的乘积会占用极高内存，导致运行缓慢甚至程序崩溃。

以下是针对性优化方案：

1. 减少重复计算（最有效） #

利用乘法交换律，只计算i <= j的数对，直接将循环次数减半，同时避免重复计算相同乘积：

min_val = 1000
max_val = 9999
products = set()

for i in range(min_val, max_val + 1):
    # j从i开始，跳过已计算过的j < i的情况
    for j in range(i, max_val + 1):
        products.add(i * j)

此优化将循环次数从8100万次降至约4050万次，同时减少了集合的重复插入操作，大幅提升运行效率。

2. 内存优化（避免内存溢出） #

如果不需要一次性存储所有乘积（比如后续要逐个处理结果），可以用生成器边生成边处理，完全避免大集合的内存占用：

def generate_products(min_val, max_val):
    for i in range(min_val, max_val + 1):
        for j in range(i, max_val + 1):
            yield i * j

# 逐个处理乘积，无需提前存储全部结果
for product in generate_products(1000, 9999):
    # 替换为你的实际处理逻辑，如写入文件、统计分析等
    print(product)

3. 按需跳过全量计算（仅需统计信息时） #

如果只需要乘积的范围、数量等统计信息，无需生成所有乘积：

• 最小乘积：min_val * min_val
• 最大乘积：max_val * max_val
• 去重后乘积的数量：可通过集合统计，或基于区间数值的因数分布推导近似值。

内容的提问来源于stack exchange，提问作者SMEAGOL MORDOVSKIY440000