338. 比特位计数 ------ BK(Brian Kernighan算法)算法去一化、动态规划(奇偶分类)...

给你一个整数 n ,对于 0 <= i <= n 中的每个 i ,计算其二进制表示中 1 的个数 ,返回一个长度为 n + 1 的数组 ans 作为答案。

示例 1:

输入:n = 2
输出:[0,1,1]
解释:
0 --> 0
1 --> 1
2 --> 10
示例 2:

输入:n = 5
输出:[0,1,1,2,1,2]
解释:
0 --> 0
1 --> 1
2 --> 10
3 --> 11
4 --> 100
5 --> 101

提示:

0 <= n <= 105

进阶:

很容易就能实现时间复杂度为 O(n log n) 的解决方案,你可以在线性时间复杂度 O(n) 内用一趟扫描解决此问题吗?
你能不使用任何内置函数解决此问题吗?(如,C++ 中的 __builtin_popcount )

class Solution {
public:
    int countOnes(int x) { // 利用Brian Kernighan算法进行比特位计数
        int ones = 0;
        while (x > 0) {
            x &= (x - 1); // 去1化处理,直到0.
            ones++;
        }
        return ones;
    }

    vector<int> countBits(int n) {
        vector<int> bits(n + 1);
        for (int i = 0; i <= n; i++) {
            bits[i] = countOnes(i); // 对每一个数进行比特位计数
        }
        return bits;
    }
};

 巧妙奇偶:

class Solution {
public:
    vector<int> countBits(int n) {
        vector<int> result(n+1);
        result[0] = 0;
        for(int i = 1; i <= n; i++)
        {
            if(i % 2 == 1) //奇数的1位数目 = 前一位(偶数)的1位数目+1
            {
                result[i] = result[i-1] + 1;
            }
            else // 偶数的1位数目 = 右移一位后的1位数目
            {
                result[i] = result[i>>1];
            }
        }       
        return result;
    }
};

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Kernighan-Lin算法是一种图划分算法,用于将一个图分割成两个部分,使得两个部分内的边权重之和达到最小。该算法通过迭代的方式不断优节点的划分,最终得到一个具有最小切割代价的划分结果。 Kernighan-Lin算法的主要思想是贪心策略。首先,随机选择一种初始划分,将图中的节点分为两部分。然后,计算两个部分的切割代价,即两个部分之间所有边的权重之和。接下来,对于每个节点,计算将其移动到另一个部分所能带来的切割代价的变量。选择能够得到最大变量的节点移动,并更新两个部分的切割代价。 为了避免遍历所有节点的组合,节省计算时间,Kernighan-Lin算法使用了一种基于顶点移动的启发式策略。首先,将节点按照某种顺序排列。然后,通过逐个移动两个部分的节点,计算切割代价的变量。每次移动选取能够使切割代价变量达到最大的节点,直到切割代价无法进一步改善为止。 Kernighan-Lin算法的步骤如下: 1. 初始划分:将节点随机分成两个部分。 2. 计算切割代价:计算两个部分之间边的权重之和。 3. 按照某种顺序排列节点。 4. 选择最大变量的节点移动:逐个移动两个部分的节点,计算切割代价的变量,并选择最大变量的节点移动。 5. 更新划分和切割代价:更新节点的划分情况,并更新两个部分的切割代价。 6. 重复步骤4和步骤5,直到切割代价无法进一步改善。 Kernighan-Lin算法的时间复杂度为O(n^3),其中n为图中节点的数量。实际应用中,也有一些优的改进算法,如Fiduccia-Mattheyses算法和Spectral Bi-Partitioning算法,用于提高计算效率和切割质量。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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