338. 比特位计数(动态规划)
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?
解题思路:
对于常规解法,我们可以遍历0到n,计算当前i的「一比特数」,「一比特数」的定义为x = x&(x-1),直到x为0,得出的累加数即为「一比特数」。例如:n=3,「一比特数」求法为:n= 3(11)& 2(10)=1, n = 1(1)& 0 (0)=0。3的「一比特数」即为 2,而3的二进制中 1 的个数也为 2 ,这题便迎刃而解。
class Solution {
public int[] countBits(int n) {
int[] bits = new int[n + 1];
for (int i = 0; i <= n; i++) {
bits[i] = countOnes(i);
}
return bits;
}
public int countOnes(int x) {
int ones = 0;
while (x > 0) {
x &= (x - 1);
ones++;
}
return ones;
}
}
想要将时间复杂度压到n的话,我们便要用到动态规划,通过最高有效位永远只有一个 1 ,即「一比特数」为 1的规律,我们可知,当一个数递增到最高有效位时,递增的「一比特数」也被重置为1,,而最高有效位的特征为:y & (y−1)=0 ,如图:
上代码:
class Solution {
public int[] countBits(int n) {
int[] bits = new int[n + 1];
int highBit = 0;
for (int i = 1; i <= n; i++) {
if ((i & (i - 1)) == 0) {//当i为最高有效位时
highBit = i;//将i设为当前最高有效位
}
bits[i] = bits[i - highBit] + 1;//最高有效位时为0+1 = 1,其余的都是递增
}
return bits;
}
}