LeetCode- 137.Single Number II (位运算)

LeetCode-137

链接: 137. Single Number II

大概题意:
给定一组整数, 除某个数出现 p 次外, 其他数 均出现 k 次. 找到这个出现 p 次的数.
LeetCode-137 中, k = 3, p = 1

Solution1:
不合题意的解法.

  1. 循环遍历每个数的每一位(32 bit).
  2. 将所有数的某一位 (第 i 位) 加起来, 得到的总和为 sum.
  3. sum % 3 得到这个单独数的第 i 位.
  4. 通过位运算将这个第 i 位移到正确位置, 遍历完所有位得到最终结果.

Code:

class Solution {    // 找到只出现一次的数. (其他都出现三次.)
public:
    int singleNumber(vector<int>& nums) {
        // 将所有数的 32bit 中的一位加起来, %3 得到只出现一次的 bit.
        int res = 0, sum;
        for(int i = 0; i < 32; i++) {
            sum = 0;
            for(int num : nums) {
                sum += ((num >> i) & 1);
            }
            res |= (sum % 3) << i;
        }
        return res;
    }
};

Solution2:
一次遍历.

Code

class Solution {    // k = 3, p = 1
public:             // mask = "11".
    int singleNumber(vector<int>& nums) {
        int x2 = 0, x1 = 0, mask;
        for(int num : nums) {
            x2 ^= x1 & num;
            x1 ^= num;
            mask = ~(x2 & x1);
            x2 &= mask;
            x1 &= mask;
        }
        return x1;
    }
};

分析:
考虑一个数 num 进行运算.(实际上所有数按照不同顺序进行运算, 结果是一样的)

  1. 注意上面这条事项.
  2. 考虑 num 出现一次. 则有 x2 = 0, x1 = num.
  3. num 出现第二次, 则有 x2 = num, x1 = 0.
  4. num 出现第三次
    4.1 先有 x2 = num, x1 = num.
    4.2 mask 将变成 0, 则 x2 = 0, x1 = 0

该算法中的各个变量的含义:

  1. x1 用于记录 num 出现一次. x2 用于记录 num 出现两次.

  2. 当 x2 = num, x1 = num, mask = ~(x2 & x1) 为零.

  3. 由于 k = 3, 因此, 当 num 的次数达到三次, 则应将 x2, x1 清零, 因此, mask 的构造形式根据 k 的值来定. 例如:
    3.1 k = 2. 对应二进制 “10”. 则应在 x2 = num, x1 = 0 时清零. 得到 mask = ~(x2 & ~x1).
    3.2 k = 4. 对应二进制"100"有三位, 则应在 x3 = num, x2 = 0, x1 = 0 时进行清零. 得到 mask = ~(x3 & ~x2 & ~x1). (多加一个用于记录的 x3)

  4. 因此, 最终某个数 x 只出现一次时, 将会由 x1 记录.

  5. 假如 p = 2. 则(x2 = x, x1 = 0), 则因返回 x2.

总结:
将 x2,x1 视为二进制中位, x2 权重为 2, 记录 num 出现两次. x1 权重为 1, 记录 num 出现一次.
根据 k 的值, 构造 mask 的形式, 并根据需要使用足够的变量(Xn, Xn-1, … x2, x1).
这里使用一个数进行分析, 但实际上, 所有数一起运算, 不定的顺序, 结果均是一样的

贴几个其他情况的代码:

// k = 2, p = 1. 无需构造 mask.
public int singleNumber(int[] nums) {
    int x1 = 0;

    for (int i : nums) {
        x1 ^= i;
    }

    return x1;
}
// k = 5, p = 3.
// k = 5 => "101" => 构造 mask = ~(x1 & ~x2 & x3).
public int singleNumber(int[] nums) {
    int x1 = 0, x2 = 0, x3  = 0, mask = 0;

    for (int i : nums) {
        x3 ^= x2 & x1 & i;
        x2 ^= x1 & i;
        x1 ^= i;
        mask = ~(x1 & ~x2 & x3);
        x3 &= mask;
        x2 &= mask;
        x1 &= mask;
    }

    return x1;  // Since p = 3, in binary form p = '011', then p1 = p2 = 1, so we can return either x1 or x2. 
    // If p = 4, in binary form p = '100', only p3 = 1, which implies we can only return x3.
    // Or alternatively we can simply return (x1 | x2 | x3).
    }

参考的是 LeetCode 的 Discuss

Detailed explanation and generalization of the bitwise operation method for single numbers
### 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