位运算及相关面试题汇总

本文目录：

1）位运算基础

2）使用位运算交换两个整数

3）理解并使用位运算

4）判断字符串是否包含重复字符

5）Bitmap应用

6）布隆过滤器(Bloom Filter)

 

1.位运算符基础

四个位运算符：与&  或 ||   非 ~   异或^

设二进制数 a= 0101  b = 1101

则 a&b(位与运算：两个位都为1，结果才为1):

1 2 3 4

0101    & 1101 ———————————      0101

a||b(或运算：只要有任意一个位为1结果即为1):

1 2 3 4

0101 || 1101 ———————————      1101

~a（按位取反）:

1 2 3

~ 0101 ———————————      1010

a^b(异或运算：两个位相异为1):

1 2 3 4

0101    ^ 1101 ———————————      1000

 实例1：使用位运算交换两个整数

问题：写一个函数，完成两个整数的交换。（要求：不使用额外变量）

解答：

1 2 3 4 5 6

int swap ( int * x , int * y ) {      * y = * x ^ * y ;      * x = * x ^ * y ;      * y = * x ^ * y ; }

 实例2：数组反转

问题：如下程序完成数组的反转功能。其中用到的swap()函数如实例1所示。请问，下列程序能否正常工作？如果有问题该如何改正？

1 2 3 4 5 6

void reverse_array ( int a [ ] , int cnt ) {      int first , last ;      for ( first = 0 , last = cnt - 1 ; first <= last ; first ++ , last -- )          swap ( & a [ first ] , & a [ last ] ) ; }

解答：

当输入数组的元素个数为偶数个时，函数revers_array能够正常工作，但如果数组元素个数为奇数时，则最中间的那个元素将会变为0.

例如，当输入数组为[1,2,3,4]时，得到的结果为[4,3,2,1]

当输入数组为[1,2,3,4,5]时，得到的结果为[5,4,0,2,1]

修改方案：将for循环中判断条件first<= last 改为first<last即可。

实例3：理解并使用位运算

问题：给定两个函数bis()、bic()，通过调用者两个函数，实现位或运算和异或运算。

函数bis()、bic()功能说明如下：输入参数为一个数字x和一个掩码字m，他们生成一个结果z，z是由根据掩码m的位来修改x的位得到。

int bis(int x,int m)；//通过掩码m将x的对应位置1

int bic(int x,int m)；//通过掩码m将x的对应位清零

仅通过调用上述两个函数实现以下两个功能函数：

int bool_or(int x,int y);//返回x和y的或运算结果

int bool_xor(int x,int y);//返回x和y的异或运算结果

解答：

1 2 3 4 5 6 7 8 9

int bool_or ( int x , int y ) {      return bis ( x , y ) ; }   int bool_xor ( int x , int y ) {      return bis ( bic ( x , y ) , bic ( y , x ) ) ; }

实例4：判断字符串是否包含重复字符

问题：实现一个算法来判断一个字符串中的字符是否唯一(即没有重复).不能使用额外的数据结构。 (即只使用基本的数据结构)

解答：若字符为ASCII字符集合。则一个时间复杂度为O(n)的解法如下。

我们还可以通过位运算来减少空间的使用量。 用每一位表征相应位置字符的出现。对于ASCII字符，我们需要256位，即一个长度为8的int 数组a即可。这里的关键是要把字符对应的数字，映射到正确的位上去。比如字符’b’对应的 代码是98，那么我们应该将数组中的哪一位置为1呢？用98除以32，得到对应数组a的下标： 3。98对32取模得到相应的位：2。相应代码如下：

1 2 3 4 5 6 7 8 9 10 11 12 13 14

bool isUnique2 ( string s ) {      int a [ 8 ] ;      memset ( a , 0 , sizeof ( a ) ) ;      int len = s . length ( ) ;      for ( int i = 0 ; i < len ; ++ i )      {          int v = ( int ) s [ i ] ;          int idx = v / 32 , shift = v % 32 ;          if ( a [ idx ] & ( 1 << shift ) ) return false ;          a [ idx ] |= ( 1 << shift ) ;      }      return true ; }

更详细的关于字符串判重的解析见：1.1 判断一个字符串中的字符是否唯一

 实例5：Bitmap应用

所谓的Bit-map就是用一个bit位来标记某个元素对应的Value， 而Key即是该元素。由于采用了Bit为单位来存储数据，因此在存储空间方面，可以大大节省。

问题实例：

1)已知某个文件内包含一些电话号码，每个号码为8位数字，统计不同号码的个数。

    8位最多99 999 999，大概需要99m个bit，大概10几m字节的内存即可。 （可以理解为从0-99 999 999的数字，每个数字对应一个Bit位，所以只需要99M个Bit==1.2MBytes，这样，就用了小小的1.2M左右的内存表示了所有的8位数的电话）

2)2.5亿个整数中找出不重复的整数的个数，内存空间不足以容纳这2.5亿个整数。

    将bit-map扩展一下，用2bit表示一个数即可，0表示未出现，1表示出现一次，2表示出现2次及以上，在遍历这些数的时候，如果对应位置的值是0，则将其置为1；如果是1，将其置为2；如果是2，则保持不变。或者我们不用2bit来进行表示，我们用两个bit-map即可模拟实现这个2bit-map，都是一样的道理。

 更详细的关于bitmap解析请见：海量数据处理面试题集锦

实例6：布隆过滤器(Bloom Filter)

Bloom Filter是一种空间效率很高的随机数据结构，它的原理是，当一个元素被加入集合时，通过K个Hash函数将这个元素映射成一个位阵列（Bit array）中的K个点，把它们置为1。检索时，我们只要看看这些点是不是都是1就（大约）知道集合中有没有它了：如果这些点有任何一个0，则被检索元素一定不在；如果都是1，则被检索元素很可能在。这就是布隆过滤器的基本思想。

但Bloom Filter的这种高效是有一定代价的：在判断一个元素是否属于某个集合时，有可能会把不属于这个集合的元素误认为属于这个集合（false positive）。因此，Bloom Filter不适合那些“零错误”的应用场合。而在能容忍低错误率的应用场合下，Bloom Filter通过极少的错误换取了存储空间的极大节省。

问题实例：

给你A,B两个文件，各存放50亿条URL，每条URL占用64字节，内存限制是4G，让你找出A,B文件共同的URL。如果是三个乃至n个文件呢？

根据这个问题我们来计算下内存的占用，4G=2^32大概是40亿*8大概是340亿，n=50亿，如果按出错率0.01算需要的大概是650亿个bit。 现在可用的是340亿，相差并不多，这样可能会使出错率上升些。另外如果这些urlip是一一对应的，就可以转换成ip，则大大简单了。

更详细的关于布隆过滤器的解析请见：海量数据处理之Bloom Filter详解

本文链接：http://www.cricode.com/3193.html