Leetcode-338. Counting Bits

我的解法:

这道题是看了hinks然后才做出来的,而且还很慢,还是要多练习。

1.题意要素:

(1)正整数

(2)时间复杂度O(n), 空间复杂度O(n), 不使用C++ builtin函数。

2.关键技巧:

划分区间,找规律。

3.具体解法:

先把1-15的二进制和其对应的1的个数列出来

0    0000    0
-------------
1    0001    1
-------------
2    0010    1
3    0011    2
-------------
4    0100    1
5    0101    2
6    0110    2
7    0111    3
-------------
8    1000    1
9    1001    2
10   1010    2
11   1011    3
12   1100    2
13   1101    3
14   1110    3
15   1111    4

从1开始观察,可以看到有相邻连续的重复序列。可以考虑划分区间找规律。按2的幂次2^0, [2^1~2^2), [2^2, 2^3) 的规律来划分区间,每个区间内整数的个数是上一个区间的2倍,将序列划分为 1, [2,3), [4,7) , [8,15) 。。。然后可以看到,下一个区间,前半部分1的个数的值序列和上一个区间的1的个数的值序列一样,后半部分为上一个区间的1的个数的值序列+1。比如[2,3)区间的1个数序列为{1,2}, 那么[4,7)区间的1个数序列就为 {1,2, (1+1), (2+1)} 即 {1, 2, 2, 3}。也就是说,上一个区间的序列会作为下一个区间的前半部,下一个区间的前半部分序列+1会作为该区间的后半部分。


找到这个规律问题就变成了,如何用确定给定的数字n在哪个区间,是这个区间的前一部分还是后一部分。如何将前后区间的序列对应起来。

如何判断n属于哪个区间:

前面说了,我们是按照幂次来划分的,那么我们就可以用一个变量p来记录当前n所属区间最小值对应的2的幂次。每次循环前,将n与下一个区间的最小值( 即2^(p+1) )比较,如果n比下一个区间的最小值大,则代表n属于下一个区间,将p+1让其能正确指示当前的区间。

如何判断n落在这个区间的前面部分还是后面部分:

除了第一个点1,其余每个区间的最小值是2^p, 上限是2^(p-1), 左闭右开。中值为 2^p + 2^(p-1)即 3/2(2^p)。以中点作为前后区间划分的依据。

如何将前后区间的序列对应起来:

前面提到,上一个区间的序列会作为下一个区间的前半部,下一个区间的前半部分序列+1会作为该区间的后半部分。那这就是一个平移的对应关系。下一个区间的前半部分的相对上一个区间,下一个区间的后半部分相对于该区间的前半部分的位移量都是是上一个区间的大小,即2^(p-1)

#include <iostream>
#include <vector>
#include <cmath>
using namespace std;

vector<int> countBits(int num) ;

int main(){
	int num = 5;
	vector<int> v = countBits(num);
	for(int i = 0; i < v.size(); i++){
		cout << " " << v[i];
	}
	return 0;
}


vector<int> countBits(int num){
	vector<int> bitV;
	bitV.push_back(0);
	if(num >= 1){
		bitV.push_back(1);
	}
	
	int p = 1;
	for (int i = 2; i < num+1; i++){
		if(i >= pow(2, p+1)) 
			p++;
		if(i < 3 * pow(2,p) / 2){
			bitV.push_back(bitV[i - pow(2,p-1)]);
		}
		else{
			bitV.push_back(bitV[i - pow(2,p-1)] + 1);
		}
	}
	return bitV;
}


论坛的一种很帅的解法:来自 https://discuss.leetcode.com/topic/40262/four-lines-c-time-o-n-space-o-n/4

hint里面有一句话“You should make use of what you have produced already.”。这表明我们需要找到一个由前面结果生成后面结果的关系,第一种解法是一种前后结果关系,而n&(n-1)可以很巧妙的得到另一种前后关系。n&(n-1) 可以消灭n的二进制表示最右边的的一个1,也就是说,n的二进制表示相比于n&(n-1) 的二进制表示,最右边少了一个1。

    vector<int> countBits(int num ) {
        vector<int> ret(num+1, 0);
        for (int i = 1; i <= num; ++i)
            ret[i] = ret[i&(i-1)] + 1; 
        return ret;
    }









Python网络爬虫与推荐算法新闻推荐平台:网络爬虫:通过Python实现新浪新闻的爬取,可爬取新闻页面上的标题、文本、图片、视频链接(保留排版) 推荐算法:权重衰减+标签推荐+区域推荐+热点推荐.zip项目工程资源经过严格测试可直接运行成功且功能正常的情况才上传,可轻松复刻,拿到资料包后可轻松复现出一样的项目,本人系统开发经验充足(全领域),有任何使用问题欢迎随时与我联系,我会及时为您解惑,提供帮助。 【资源内容】:包含完整源码+工程文件+说明(如有)等。答辩评审平均分达到96分,放心下载使用!可轻松复现,设计报告也可借鉴此项目,该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的。 【提供帮助】:有任何使用问题欢迎随时与我联系,我会及时解答解惑,提供帮助 【附带帮助】:若还需要相关开发工具、学习资料等,我会提供帮助,提供资料,鼓励学习进步 【项目价值】:可用在相关项目设计中,皆可应用在项目、毕业设计、课程设计、期末/期中/大作业、工程实训、大创等学科竞赛比赛、初期项目立项、学习/练手等方面,可借鉴此优质项目实现复刻,设计报告也可借鉴此项目,也可基于此项目来扩展开发出更多功能 下载后请首先打开README文件(如有),项目工程可直接复现复刻,如果基础还行,也可在此程序基础上进行修改,以实现其它功能。供开源学习/技术交流/学习参考,勿用于商业用途。质量优质,放心下载使用。
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值