基础算法 - 位运算

龟速幂

【例题】64 位整数乘法
求 $a\times b\%p$ 的值，其中$1\le a,b,c\le 10^{18}$。
分析： 因为 $a,b$ 都可能是 $10^{18}$ 所有如果直接相乘会爆long long，不能直接相乘。
方法一：
可以利用类似快速幂的思想，把整数 $b$ 用二进制表示，即
b = ( c k − 1 c k − 2 ⋯ c 0 ) 2 = ∑ i = 0 k − 1 ( c i × 2 i ) ,   c i ∈ { 0 , 1 } b = (c_{k - 1}c_{k - 2}\cdots c_0)_2 = \sum_{i = 0}^{k - 1}(c_{i}\times{2^{i}}), ~c_i \in \{0, 1\} b=(ck−1​ck−2​⋯c0​)2​=i=0∑k−1​(ci​×2i), ci​∈{0,1}
那么式子 $a\times b$ 就等价于
a × b   m o d   p = ∑ i = 0 k − 1 ( a × c i × 2 i )   m o d   p = { ∑ i = 0 k − 1 ( a × c i × 2 i   m o d   p ) }   m o d   p a \times b ~mod~ p = \sum_{i = 0}^{k - 1}(a \times c_{i }\times{2^{i }}) ~mod~ p = \\ \{\sum_{i = 0}^{k - 1}(a \times c_{i }\times{2^{i }} ~mod~ p)\} ~mod~p a×b mod p=i=0∑k−1​(a×ci​×2i) mod p={i=0∑k−1​(a×ci​×2i mod p)} mod p
设 $f(i)=a\times 2^i$ ，可以看出 $f(i)$ 与 $f(i-1)$ 具有以下关系：
$$f(i)=f(i-1)\times 2$$
而等式则会变为：
a × b   m o d   p = { ∑ i = 0 k − 1 ( c i × f ( i )   m o d   p ) }   m o d   p a \times b ~mod~ p =\{\sum_{i = 0}^{k - 1}(c_{i }\times f(i) ~mod~ p)\} ~mod~p a×b mod p={i=0∑k−1​(ci​×f(i) mod p)} mod p
这时我们就可以对中间结果取模了，从而避免溢出。
计算代码如下：

typedef long long LL;
LL  qmul(LL a, LL b, LL p) { //求 a * b % p 
	LL res = 0;
	while(b) {
		if(b & 1) res = (a % p + res % p ) % p;
		a = (a % p + a % p ) % p;
		b >>= 1;
	}
	return res;
}

时间复杂度为 $O(log(n))$ 。

二进制状态压缩

【例题】最短 Hamilton 路径
给定一张 $n(n\le 20)$ 个点的带权无向图，点从 $0$ ~ $n-1$ 标点，求起点 $0$ 到终点 $n-1$ 的最短 $Hamilton$ 路径。

• $Hamilton$ 路径的定义是从 $0$ 到 $n-1$ 不重不漏地经过每个点恰好一次。

分析： 首先可以很容易想到一种暴力，枚举 $n$ 个点的全排列，计算路径长度的最小值，复杂度为 $O(n!)$ 。使用二进制状态压缩 DP 可以优化到 $O(n^2\times 2^n)$ 。
DP 一般是定义好状态，我们设 $F[i][j]:=$ 图上状态为 $i$时，走到点 $j$ 的最短路径长度。图上状态就是被压缩到了整数 $i$ 上了，因为 $i$ 的二进制是一列 $01$ 序列，在第 $i$ 为上的 $01$ 值就代表图上标点 $i$ 是否走过。

理清楚了状态定义后，就可以尝试推出状态转移方程。很显然 $F[1][0]=0$，即只走过标点为 $0$ 的点，目前就在点 $0$ 上，所以最短路径长度为零。而其他未知的状态可以设为无穷大，通常使用0x3f3f3f3f赋值。

对于 $F[i][j]$ 可以从语义来知道，
$$\begin{gathered} F[i][j]=\underset{i^{\prime }\&(1<<k)=1}{\min }(F[i^{\prime }][k]+weight[k][j]); \\ {i}^{\prime }=ixor(i<<j) \end{gathered}$$
其中 $i^{\prime }$状态就是 $i$ 状态在第 $j$ 个点未走过的状态，在状态 $i^{\prime }$上所有走过的点都可以到点 $j$ ，所有取它们之中的最小值。
代码如下：

int f[1 << 20][20];
memset(f, 0x3f, sizeof f);
f[1][0] = 0;
for(int i =  1; i < 1 << n; ++i ) {
   for(int j = 0; j < n; ++j) if(i >> j  & 1) 
   	for(int k = 0; k < n; ++k) if((i ^ 1 << j) >> k & 1) 
   		f[i][j] = min(f[i][j], f[i ^ 1 << j][k], weight[k][j]);
}

cout << f[(1 << n) - 1][n - 1] << endl;

【例题】起床困难综合症
有一个整数 $x$，$x$ 的取值在 $[0,m]$ 内，找出一个 $x$ 使得 $x$ 在经过 $n$ 次与数字 $t_i$ 运算后，结果最大。运算有三种 OR、 XOR、AND。
$n\le 10^5,m,t_i\le 10^9$
分析： 位运算最大的特点就是在二进制表示下不进位。因此，$x$ 的各个位上的 $01$ 是独立运算的，对于 $x$ 的二进制位我们只需看是 $0$ 优，还是 $1$ 优。对于每一次填 $1$ ，肯定是尽量从最高位选，而每一次选 $1$ ，得满足两个条件才能选：

1. 在已经构造好的前 $k$ 位的数字下加上当前的1 << k必须小于等于 $m$；
2. 选 $1$ 的运算结果大于选 $0$ ；

成对对换

对于非负整数 $n$：

• 当 $n$ 位偶数时，$nxor1$ 等于 $n+1$;
• 当 $n$ 位奇数时，$nxor1$ 等于 $n-1$;

所有，“0与1”，“2与3”，“4与5”，…就是关于 $xor1$运算构成的成对变化。

lowbit 运算

$lowbit(x):=$ 非负整数 $n$ 在二进制表示下“最低位的 $1$ 及其后边所有的 $0$ ”构成的数值。
设 $n>0$ ， $n$ 的第 $k$ 位是 $1$ ，第 $0$ ~ $k-1$ 位都是 $0$ 。
为了实现 $lowbit$ 运算，先把 $n$ 取反，那么 $n$ 的第 $k$ 位就是 $0$ ，第 $0$ ~ $k-1$ 位就是 $1$，而第 $k$ 位前的都和原来的 $n$ 是相反的，这时我们在加上 $1$ 那么一进位了后， $n$ 的第 $k$ 位是 $1$ ，第 $0$ ~ $k-1$ 位都是 $0$，且第 $k$ 位前的都和原来的 $n$ 是相反的。
把一个数取反加一，也正是补码下，把整数变化符号的操作。所以可以推出：
$$lowbit(x)=n\&(\sim x+1)=n\&(-x)$$
$lowbit$ 运算配合 $Hash$ 表可以找出整数二进制表示下所有是 $1$ 的位，时间复杂度是 $O(1)$ 的。我们只需要把 $n$ 赋值位 $n-lowbit(n)$ ，直至 $n=0$ 。这是在每一次获取 $lowbit(n)$ 时就间接的告诉了我们末尾 $1$ 的位置，使用 $Hash[2^k]=k$ 的映射，我们就可以 $O(1)$ 的得出末尾 $1$ 的位置。
代码如下：

const int N = 1 << 20;
int H[N + 1]；

for(int i = 0; i <= 20; ++i) H[1 << i] = i;

while (cin >> n) {
    while (n > 0) {
        cout << H[n & -n] << ' ';
        n -= n & -n;
    }
    cout << endl;
}

有一个数学技巧就是 $\forall k\in [0，35],2^{k}mod37$ 互不相等。这样空间就可以从 $2^{35}$ 缩减到 $37$。