位运算的巧妙运用

    先看一道题：对于一个字节的无符号整形变量，求其二进制表示中 “ 1 “的个数，要求算法的执行效率尽可能高。
    看到题目，估计很多人的第一反应跟我一样，很简单啊，初始化一个counter 为0 ，循环除2取余，余数为1，则counter 自增操作，很容易写出以下代码：
解法1

int Count(int n)
{
	int counter=0;
	while(n)
	{
		if(n%2==1)
		{
			counter++;
		}
		n=n/2;
	}
	return counter;
}

仔细分析一下，上面的算法的时间复杂度为 O（log2(n)） ,看着也不是很高，上面的代码除以2 ，就等于二进制位右移一位，不难写出下面的代码：
解法2

int Count(int n)
{
	int counter=0;
	while(n)
	{
		counter+=n&0x01;
		n>>=1;
	}
	return counter;
}

解法2 中利用位操作，比除、余操作效率自然是高了不少，不过分析一下，解法2的时间复杂度仍然是O（ log2(n) ），有没有什么方法再降低它的复杂度呢？答案自然是有的。**一个很不错的思想：**加入某个数的二进制位表示只有1位上是1 ，比如 0100 0000 ，我们会如何判断这个数中只有一个位上 是 1 呢？通过判断这个数是不是2的 x 次方就行了，另外，如果只 和这一个 1 进行判断，这波操作该如何设计呢？我们知道，如果要进行这个操作，结果为 0 或者 1 ，就可以得到我们想要的结论。 假如我们希望操作后的结果为 0 ，0100 0000 可以和 0011 1111进行 ” 与 “操作，不难发现 0100 0000 减去1 就等于 0011 1111 ，下面请看解法3：

解法3

int Count(int n)
{
	int counter=0;
	while(n)
	{
		//每经过一次与操作，n中的 1 就少一位，注意，是每次都可以 
		n=n&(n-1); 
		counter++;
	}
	return counter;
}

好，现在我们来分析一下解法3的时间复杂度，发现复杂度为 Q（counter）即是n 二进制位中 1 的个数，解到这里，想必大家 应该觉得这个效率应该不错了吧，确实还行，但是，其实还有更快的 ，这里只介绍思路，就不敲出来了：
这里是 8 位嘛，可以表示 0 - 255的数，直接开个大小为 256 的数组，存储这些数字的 二进制位中 1 的个数 ，假设数组为 arr[256] ，我们输入n ,那答案就是 arr[n] 啊 ，时间复杂度为 O （1），达到极致了啊，但是这样做其实是一种空间换时间的做法，而且，写出这个程序太浪费时间了，你得敲 256 个数进数组啊，还得脑中计算每个数的二进制位表示 ，虽然算几个就发现规律能很快写出来了，但是感觉还是太浪费时间了。

    下面我们再看到一个题目 ：有一组存放 ID 的数据。并且 ID 取值为 0 - (N-1) 之间，其中只有一个 ID 出现的次数为 1，其他的 ID 出现的次数都等于 2，问如何找到这个次数为 1 的 ID ?

当然对于这道题，还是能够一眼看出来直接用数组下标就能求解出来的 ，直接开个数组 arr[N] ，然后遍历 ID 数据 ,
arr[ ID] ++ 即可。然后遍历数组 ，当arr[n]==1时 返回数组下标 n 。不难发现，这种方法 的时间复杂度为 O（n) ,空间复杂度也为 O(n) 。显然，我们要遍历数组，时间复杂度自然时无法降低的了O（n） ，那究竟有没办法让空间复杂度在最坏的情况下也是 O(1) 呢？
    答案是有的，就是采用异或运算。异或运算有个特点：相同的两个数异或之后，结果为 0，任何数与0异或运算，其结果不变并且，异或运算支持结合律。所以，我们可以把所有的 ID 进行异或运算，由于那些出现两次的 ID 通过异或运算之后，结果都为 0，而出现一次的 ID 与 0 异或之后不变，又因为异或支持结合律，所以，把所有 ID 进行异或之后，最后的结果便是我们要找的 ID。这个方法的空间复杂度为 O(1)，巧妙利用了位运算，而且运算的效率是非常高效的。