int function(unsigned int n) {
if (n == 1) return 0;
if (n%2 == 0) return 1 + function(n/2);
return 2 + min(function((n + 1)/2), function((n - 1)/2));
}
在递归过程中,每个节点可以引出一条或两条分支,递归深度为 logn ,所以总节点数为 n 级别的,但为何还说此递归本身是非常高效的呢?
理解了动态规划的思想,就很容易理解这里面的问题。因为动态规划本质上就是保存运算结果的递归,虽然递归算法经常会有指数级别的搜索节点,但这些节点往往重复率特别高,当保存每次运算的节点结果后,在重复节点的计算时,就可以直接使用已经保存过的结果,这样就大大提高了速度(每次不仅减少一个节点,而且同时消灭了这个节点后面的所有分支节点)。
在这个问题里是什么情况呢?仔细分析就会发现,在整个搜索数中,第 k 层的节点只有两种可能性 n>>k 和 n>>k−1 。这意味着整个搜索树事实上只有 2logn 个节点。所以这个递归算法本质上的运算复杂度只有 O(logn) 。这已经是最优的了。
原创部分:
以上为O(logn)复杂度。
方法二:
思路:对于偶数,除以2,(向右移动一位),对于奇数,减去1再右移一位,即:求取二进制中1的个数和n用二进制表示的位数之和。
时间复杂度为二进制中1的个数。
转自:http://www.matrix67.com/blog/archives/3985#more-3985
下面这个位运算小技巧可以迅速给出一个数的二进制表达中末尾有多少个 0 。比如, 123 456 的二进制表达是 1 11100010 01000000 ,因此这个程序给出的结果就是 6 。
unsigned int v; // find the number of trailing zeros in 32-bit v
int r; // result goes here
static const int MultiplyDeBruijnBitPosition[32] =
{
0, 1, 28, 2, 29, 14, 24, 3, 30, 22, 20, 15, 25, 17, 4, 8,
31, 27, 13, 23, 21, 19, 16, 7, 26, 12, 18, 6, 11, 5, 10, 9
};
r = MultiplyDeBruijnBitPosition[((uint32_t)((v & -v) * 0x077CB531U)) >> 27];
#include <iostream>
using namespace std;
int deep=0;
static const int MultiplyDeBruijnBitPosition[32] =
{
0, 1, 28, 2, 29, 14, 24, 3, 30, 22, 20, 15, 25, 17, 4, 8,
31, 27, 13, 23, 21, 19, 16, 7, 26, 12, 18, 6, 11, 5, 10, 9
};
int cal(int n);
int cal1(int n);
int main()
{
int n=15;
cout<<cal(n)<<endl;
cout<<cal1(n)<<endl;
cout<<deep<<endl;
return 0;
}
int cal(int n)
{
int sum=-1;
int number=0;
while (n)
{
number++;
int r= MultiplyDeBruijnBitPosition[((unsigned int)((n & -n) * 0x077CB531U)) >> 27];
n>>=r;
sum+=r;
n &=n-1;
sum+=1;
}
cout<<number<<endl;
return sum;
}
int cal1(int n)
{
deep++;
if (n==1)
return 0;
int m=1;
if (n%2)
m++;
return cal1(n>>1)+m;
}
还没有仔细看递归的时间复杂度计算方法,以后再仔细研究一下。