一个简单的位运算及其复杂度分析(Sample)

问题:

对于任意非负整数,统计其二进制展开中数位1的总数。

方法:

将n与1位与,若结果为1则将计数器+1,之后将n向右移一位,重复上述过程直至n缩减为0;
例如:

5转换为二进制:0000 0000 0000 0000 0000 0000 0000 0101
3转换为二进制:0000 0000 0000 0000 0000 0000 0000 0011
1转换为二进制:0000 0000 0000 0000 0000 0000 0000 0001
故 5 & 3 = 1
(位与:第一个操作数的的第n位于第二个操作数的第n位如果都是1,那么结果的第n为也为1,否则为0)

代码实现:
#include <iostream>

using namespace std;

int countOnes(unsigned int n) {
	int ones = 0;
	while(n) {
		ones += n & 1;
		n >>= 1;
	}
	return ones;
}
int main() {
	int n;
	while (cin >> n)
	cout << countOnes(n) << endl;
	return 0;
}
时间复杂度:

总的循环次数为n展开为二进制后的位数,即 1 + l o g 2 n 1 + log_2n 1+log2n无论是该循环体之前、之内还是之后,均只涉及常数次(逻辑判断、位与运算、加法、右移
等)基本操作。因此,countOnes()算法的执行时间主要由循环的次数决定,亦即: O ( 1 + [ l o g 2 n ] ) = O ( [ l o g 2 n ] ) = O ( l o g 2 n ) O(1+[log_2n])=O([log_2n])=O(log_2n) O(1+[log2n])=O([log2n])=O(log2n)由大O记号定义,在用函数log r n界定渐进复杂度时,常底数r的具体取值无所谓,故通常不予专门标出而笼统地记作logn,比如,尽管此处底数为常数2,却可直接记作O(logn)。此类算法称作具有“对数时间复杂度”(logarithmic-time algorithm)。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
N皇后问题是一个经典的组合优化问题,其在计算机科学中具有重要的研究意义。常见的求解N皇后问题的算法包括回溯法、位运算和分支限界法。 1. 回溯法 回溯法是一种常见的求解组合优化问题的算法,其时间复杂度取决于搜索树的大小。对于N皇后问题,搜索树的大小为N的N次方,因此回溯法的时间复杂度为O(N^N)。回溯法的空间复杂度为O(N),即需要N个空间来存储棋盘中的皇后位置。 2. 位运算 位运算是一种优化回溯法的常见方法,可以将时间复杂度降低到O(2^N)。该算法利用位运算的特性,将棋盘中的皇后位置压缩成一个二进制数,从而快速判断是否存在冲突。该算法的空间复杂度为O(N),即需要N个空间来存储棋盘中的皇后位置。 3. 分支限界法 分支限界法是一种优化深度优先搜索的算法,其时间复杂度取决于搜索树的大小和剪枝效果。对于N皇后问题,搜索树的大小为N的N次方,但通过适当的剪枝,可以将搜索树的大小降到O(N!)。因此,分支限界法的时间复杂度为O(N!)。该算法的空间复杂度为O(N),即需要N个空间来存储棋盘中的皇后位置。 综上所述,位运算和分支限界法是比较优秀的求解N皇后问题的算法,在时间复杂度和空间复杂度上都比回溯法优秀。但是,这些算法的具体实现和优化方法还需要根据具体问题和需求进行调整和改进。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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