[leetcode]397. Integer Replacement

[leetcode]397. Integer Replacement第四次周赛第二题

Given a positive integer n and you can do operations as follow:

If n is even, replace n with n/2.
If n is odd, you can replace n with either n + 1 or n - 1.
What is the minimum number of replacements needed for n to become 1?

Example 1:

Input:
8

Output:
3

Explanation:
8 -> 4 -> 2 -> 1
Example 2:

Input:
7

Output:
4

Explanation:
7 -> 8 -> 4 -> 2 -> 1
or
7 -> 6 -> 3 -> 2 -> 1

这题很多人拿到手都是觉得直接递归就好,我也是,直接写出递归算法如下:

int integerReplacement(int n) {
    if (n == 1) return 0;
    if (n % 2 == 0) return 1 + integerReplacement(n/2);
    else {
        if (n == INT_MAX) return 1 + integerReplacement(n-1);
        else return min(1+integerReplacement(n+1), 1+integerReplacement(n-1));
    }
}

可是这个是不对的,在INT_MAX上是错的,这样算出来是33步,而实际应该是32步。这里我犯的错误就是,任何数都可以加一减一,这个处理规律不应该也受到integer边界的限制。而事实上,INT一共32位,除去符号位,最大值就是31个1,也就是2^31-1,所以INT_MAX加1就是2^31,连续除以31次2,直接就是1了,一共32步,这么走才是最快的。所以这里使用递归的时候,单独处理INT_MAX可以如下:

 int integerReplacement(int n) {
    if (n == 1) {
        return 0;
    } else if (n == 2147483647) {
        return 2 + integerReplacement((n >> 1) + 1);
    }
    if (n % 2 == 0) {
        return integerReplacement(n >> 1) + 1;
    }
    else {
        return min(integerReplacement(n + 1) + 1, integerReplacement(n - 1) + 1);
    }
}

这样就对了。再没有办法先加一,可以先除二再加一,结果是一样的。同时这种讨论也让人发现,其实当n为奇数的时候,也不是非要同时计算n+1和n-1的可能后果,可以通过一些预判减少后面的计算,避免计算量指数化发展。从二进制的角度出发,考虑连续的最后两位,如果是奇数可能是01或者11,这两种情况是可以知道怎么做最快的,要点就是如何更快的做更多的除法,显然,01应该减一,11应该加一,效果不言而喻。从这一点来说,我们可以将递归调整为如下:

public:
     int integerReplacement(int n) {
        if (n == 1) {
            return 0;
        } else if (n == INT_MAX) {
            return 2 + integerReplacement((n >> 1) + 1);
        }
        if (n % 2 == 0) {
            return integerReplacement(n >> 1) + 1;
        }
        else {
            return numTrailingOnes(n) > 1 ? integerReplacement(n + 1) + 1 : integerReplacement(n - 1) + 1;
        }
    }
private: 
    int numTrailingOnes(int num) {
        int shift = 0;
        while (((num >> shift) & 1) == 1) {
            shift++;
        }
        return shift;
    }

这样的调整在时间上节省了很多的计算,十分必要。

当然这种用递归做子问题有很多重叠的时候,动态规划dynamic programming经常被拿出来用,这里也可以很方便的写出,如下:

int integerReplacement(int n) {
    int dp[n + 1];
    dp[0] = 0;
    dp[1] = 0;

    for (int i = 2; i <= n; i++) {
    if (i % 2 == 0) {
    dp[i] = dp[i / 2] + 1;
    }
    else {
       if (i == INT_MAX) dp[i] = 2 + dp[i/2+1];
    dp[i] = min(dp[i - 1], dp[(i + 1) / 2] + 1) + 1;
    }
    }

    return dp[n];
}

可这在百万千万级的时候就肯定超内存了,dp的方法不太适合这种大范围整数的问题,大家自行体会。

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