给定一个非负整数 num。对于 0 ≤ i ≤ num 范围中的每个数字 i ,计算其二进制数中的 1 的数目并将它们作为数组返回。
输入: 5
输出: [0,1,1,2,1,2]
进阶:
- 给出时间复杂度为O(n*sizeof(integer))的解答非常容易。但你可以在线性时间O(n)内用一趟扫描做到吗?
- 要求算法的空间复杂度为O(n)。
相应的内置函数用于计算给定的整数的二进制表示中的 1 的数目,例如 Java 的 Integer.bitCount,C++ 的__builtin_popcount,Go 的 bits.OnesCount 等。
方法一: 算法
最直观的做法是对从 0 到 n 的每个整数直接计算该数「二进制表示中的 1 的数目」。
每个 int 型的数都可以用 32 位二进制数表示,只要遍历其二进制表示的每一位即可得到 1 的数目。
利用 Brian Kernighan 算法,可以在一定程度上进一步提升计算速度。Brian Kernighan 算法的原理是:对于任意整数 xx,令,该运算将 x 的二进制表示的最后一个 1 变成 0。因此,对 x 重复该操作,直到 x 变成 0,则操作次数即为 x的「二进制表示中的 1 的数目」。
对于给定的 n,计算从 0 到 n 的每个整数的「二进制表示中的 1 的数目」的时间都不会超过 O(logn),因此总时间复杂度为 O(nlogn) 。
时间复杂度:O(nlogn)。需要对从 0 到 n 的每个整数使用计算,对于每个整数计算的时间不会超过 O(logn)。
空间复杂度:O(1)。除了返回的数组以外,空间复杂度为常数。
二进制中1的个数:https://leetcode-cn.com/problems/er-jin-zhi-zhong-1de-ge-shu-lcof/
class Solution {
public int[] countBits(int n) {
// 基础解法
int[] oneBitsNum = new int[n + 1];
for(int i = 0; i <= n; i ++){
oneBitsNum[i] = calOneBits(i);
}
return oneBitsNum;
}
public int calOneBits(int num){
int oneBits = 0;
// 为0直接返回结果即可
while(num > 0){
num = num & (num-1);
oneBits ++;
}
return oneBits;
}
}
方法二:改进方法一中的流程,最高位分解 — 动态规划
方法一需要对每个整数使用 O(logn) 的时间计算该数「二进制表示中的 1 的数目」。如果将某些结果的值保存起来,当计算 i 的「二进制表示中的 1 的数目」时,如果存在 0≤j<i,j 的结果已知,同时 i 的二进制表示比 j 只多了一个 1,则可以快速得到 i 的结果。