LeetCode 2044.统计按位或能得到最大值的子集数目

给你一个整数数组 nums ，请你找出 nums 子集 按位或 可能得到的 最大值 ，并返回按位或能得到最大值的 不同非空子集的数目 。

如果数组 a 可以由数组 b 删除一些元素（或不删除）得到，则认为数组 a 是数组 b 的一个 子集 。如果选中的元素下标位置不一样，则认为两个子集 不同 。

对数组 a 执行 按位或 ，结果等于 a[0] OR a[1] OR … OR a[a.length - 1]（下标从 0 开始）。

示例 1：

输入：nums = [3,1]
输出：2
解释：子集按位或能得到的最大值是 3 。有 2 个子集按位或可以得到 3 ：

• [3]
• [3,1]
  示例 2：

输入：nums = [2,2,2]
输出：7
解释：[2,2,2] 的所有非空子集的按位或都可以得到 2 。总共有 23 - 1 = 7 个子集。
示例 3：

输入：nums = [3,2,1,5]
输出：6
解释：子集按位或可能的最大值是 7 。有 6 个子集按位或可以得到 7 ：

• [3,5]
• [3,1,5]
• [3,2,5]
• [3,2,1,5]
• [2,5]
• [2,1,5]

提示：

1 <= nums.length <= 16
1 <= nums[i] <= 105

法一：通过位运算求出所有子集，然后计算每个子集按位或的结果：

class Solution {
public:
    int countMaxOrSubsets(vector<int>& nums) {
        int maxOrRes = 0;
        int maxOrResNum = 0;
        int maxSubsetNum = pow(2, nums.size());
        for (int i = 0; i < maxSubsetNum; ++i)
        {
            int orRes = 0;
            for (int j = 0; j < nums.size(); ++j)
            {
                if ((1 << j) & i)
                {
                    orRes |= nums[j];
                }
            }

            if (orRes > maxOrRes)
            {
                maxOrRes = orRes;
                maxOrResNum = 1;
            }
            else if (orRes == maxOrRes)
            {
                ++maxOrResNum;
            }
        }

        return maxOrResNum;
    }
};

如果nums中有n个元素，此算法时间复杂度为O(n2${}^n$)，空间复杂度为O(1)。

法二：同法一，但通过递归来找所有子集：

class Solution {
public:
    int countMaxOrSubsets(vector<int>& nums) {
        int ans = 0;
        findSubsets(nums, 0, ans, 0);

        return ans;
    }

private:
    int curOrRes = 0;
    int curMaxSubsetOrRes = 0;

    void findSubsets(const vector<int> &nums, 
        int index, 
        int &ans,
        int curSubsetOrRes
    )
    {
        if (index == nums.size())
        {
            if (curSubsetOrRes > curMaxSubsetOrRes)
            {
                curMaxSubsetOrRes = curSubsetOrRes;
                ans = 1;
            }
            else if (curSubsetOrRes == curMaxSubsetOrRes)
            {
                ++ans;
            }

            return;
        }

        findSubsets(nums, index + 1, ans, curSubsetOrRes);
        findSubsets(nums, index + 1, ans, curSubsetOrRes | nums[index]);
    }
};

如果nums中有n个元素，此算法时间复杂度为O(n2${}^n$)，空间复杂度为O(n)。

法三：类似法一，我们用数字中值为1的位来表示nums中被选中到该数字表示的子集中的数在nums中的下标，但这次我们用动态规划来实现：

class Solution {
public:
    int countMaxOrSubsets(vector<int>& nums) {
        int subsetNum = 1 << nums.size();
        vector<int> dp(subsetNum);
        // 处理子集中只有1个数字时的按位或，此时按位或为该数字本身
        for (int i = 0; i < nums.size(); ++i)
        {
            dp[1 << i] = nums[i];
        }

        int ans = 0;
        int max = 0;
        for (int i = 1; i < subsetNum; ++i)
        {
            int lowbit = i & -i;
            // dp[i - lowbit]就是去除lowbit后的数字表示的子集
            // dp[lowbit]是lowbit表示的子集，显然lowbit只有一位
            // 结果就是i - lowbit表示的子集与lowbit表示的子集的与
            dp[i] = dp[i - lowbit] | dp[lowbit];

            if (dp[i] > max)
            {
                max = dp[i];
                ans = 1;
            }
            else if (dp[i] == max)
            {
                ++ans;
            }
        }

        return ans;
    }
};

如果nums中有n个元素，此算法时间复杂度为O(2${}^n$)，空间复杂度为O(2${}^n$)。相比法一，是用空间换时间。