338. 比特位计数

给你一个整数 n ，对于 0 <= i <= n 中的每个 i ，计算其二进制表示中 1 的个数 ，返回一个长度为 n + 1 的数组 ans 作为答案。

示例 1：

输入：n = 2
输出：[0,1,1]
解释：
0 --> 0
1 --> 1
2 --> 10

示例 2：

输入：n = 5
输出：[0,1,1,2,1,2]
解释：
0 --> 0
1 --> 1
2 --> 10
3 --> 11
4 --> 100
5 --> 101

提示：

0 <= n <= 10^5

进阶：

很容易就能实现时间复杂度为 O(n log n) 的解决方案，你可以在线性时间复杂度 O(n) 内用一趟扫描解决此问题吗？
你能不使用任何内置函数解决此问题吗？（如，C++ 中的 __builtin_popcount ）

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/counting-bits
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

方法一：线性时间复杂度为O(n)的解法

设f(n)表示数字n的二进制表示中1的个数。

如果n是偶数，那么n的二进制表示中的最低位为0（有n&1=0），n右移一位之后，其二进制表示中1的个数不变，即f(n)=f(n>>1)；如果n是奇数，那么n的二进制表示中的最低位为1(有n&1=1）,n

右移一位，其二进制表示中1的个数少了1，f(n)=f(n>>1)+1。

综上，f(n)=f(n>>1)+(n&1);则可以使用动态规划算法：

class Solution {
    public int[] countBits(int n) {
        int[] ans = new int[n+1];
        for(int i=1; i<=n; i++){
            ans[i] = ans[i>>1]+(i&1);
        }
        return ans;
    }
}

方法二：时间复杂度为 O(n log n)

Brian Kernighan 算法：对于任意整数 x，令 x=x & (x−1)，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「一比特数」。

class Solution {
    public int[] countBits(int n) {
        int[] ans = new int[n+1];
        for(int i=1; i<=n; i++){
            ans[i] = count(i);
        }
        return ans;
    }

    public int count(int n){
        int num = 0;
        while(n>0){
            n &= n-1;
            num++;
        }
        return num;
    }
}