每天一道LeetCode-----计算整型数二进制中1的个数/返回二进制翻转后的结果

Reverse Bits

原题链接Reverse Bits

给定一个32位无符号整型数,将它的二进制逆序,返回结果

从字符串的角度观察二进制逆序,只需要从两端开始两两交换即可。当然,完全可以不将二进制转为字符串,而是模拟字符串的逆序操作

代码如下

class Solution {
public:
    uint32_t reverseBits(uint32_t n) {
        uint32_t res = 0;
        uint32_t first = (1 << 31);
        uint32_t last = 1;
        int diff = 31;
        while(first > last)
        {
            res |= ((first & n) >> diff);
            res |= ((last & n) << diff);
            diff -= 2;
            first >>= 1;
            last <<= 1;
        }
        return res;
    }
};

此外,利用std::bitset也可以解决本题

class Solution {
public:
    uint32_t reverseBits(uint32_t n) {
        auto s = std::bitset<32>(n).to_string();
        std::reverse(s.begin(), s.end());
        return std::bitset<32>(s).to_ulong();
    }
};

Number of 1 Bits

原题链接Number of 1 Bits

计算给定32位无符号整型数的二进制中1的个数,方法比较多

虽然本题明确指出n是无符号数,但是大多数问题中n都是可正可负

第一种方法,一位一位计算

class Solution {
public:
    int hammingWeight(uint32_t n) {
        int res = 0;
        /* 使用cnt作为循环次数的原因是n如果是负数,那么高位会全是1,导致无限循环 */
        int cnt = 32;
        while(cnt--)
        {
            if(n & 1)
                ++res;
            n >>= 1;
        }
        return res;
    }
};

如果n是负数,之所以会造成死循环是因为改变了n的值,导致右移时高位补1而不是补0

第二种方法,不移动n

class Solution {
public:
    int hammingWeight(uint32_t n) {
        int res = 0;
        uint32_t flag = (1 << 32);
        while(flag)
        {
            if(n & flag)
                ++res;
            flag >>= 1;
        }
        return res;
    }
};

第三种方法,不移动n

class Solution {
public:
    int hammingWeight(uint32_t n) {
        int res = 0;
        while(n)
        {
            ++res;
            n &= (n - 1);
        }
        return res;
    }
};

最后一种方法,利用std::bitset

class Solution {
public:
    int hammingWeight(uint32_t n) {
        return std::bitset<32>(n).count();
    }
};
### 回答1: 好的,我来用文回复这个链接: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。由于其成熟的学理论和强大的实用效果,动态规划在计算机科学、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,动态规划也广泛应用于各种优化算法,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,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间值,例如动态规划求解斐波那契列问题时,就可以定义一个二维组f[i][j],代表第i项斐波那契,第j个元素的值。 在LeetCode,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。这个问题的解法非常简单,只需要维护一个长度为n的组,记录到达每一级楼梯的方案即可。类似的问题还有“零钱兑换”、“乘积最大子组”、“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,或者状态转移方程存在多个参,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