leetcode：137. 只出现一次的数字 II

题目来源

• leetcode

题目描述

题目解析

哈希表

我们可以使用哈希映射统计数组中每个元素的出现次数。对于哈希映射中的每个键值对，键表示一个元素，值表示其出现的次数。

在统计完成后，我们遍历哈希映射即可找出只出现一次的元素。

class Solution {
public:
    int singleNumber(vector<int>& nums) {
        unordered_map<int, int> freq;
        for (int num: nums) {
            ++freq[num];
        }
        int ans = 0;
        for (auto [num, occ]: freq) {
            if (occ == 1) {
                ans = num;
                break;
            }
        }
        return ans;
    }
};

求和

注意，防止溢出

class Solution {
public:
    int singleNumber(vector<int>& nums) {
        long sum_total = 0, sum_single = 0;
        std::unordered_set<int> set;
        for(auto num : nums){
            sum_total += num;
            if(set.count(num)){
                continue;
            }
            set.insert(num);
            sum_single += num;
        }
        
        return (sum_single * 3 - sum_total) / 2;
    }
};

思路

如下图，考虑数字的二进制形式，对于出现三次的数字，各个二进制位出现的次数都是3的倍数。因此，统计所有数字的各二进制位中1的出现次数，并对3求余，结果则为只出现一次的数字

在具体的操作实现上，问题中给出数组中的数据在int范围之内，那么我们就可以在实现上可以对int的32个位每个位进行依次判断该位1的个数求余3后是否为1，如果为1说明结果该位二进制为1可以将结果加上去。最终得到的值即为答案。

class Solution {
public:
    int singleNumber(vector<int>& nums) {
        int ans = 0;
        for (int i = 0; i < 32; ++i) {
            int sum = 0;
            for(auto num : nums){
                if((num >> i & 1) == 1){
                    ++sum;
                }
            }
            if(sum % 3 != 0){
                ans |= (1 << i);
            }
        }
        return ans;
    }
};

统计

有限状态自动机

分析：DFA

如果我们考虑「除了某个元素只出现一次以外，其余每个元素均出现两次」的情况，那么可以使用「异或」运算。

利用相同数异或为 0 的性质，可以帮助我们很好实现状态切换：

本题是考虑「除了某个元素只出现一次以外，其余每个元素均出现三次」的情况，那么对应了「出现 0 次」、「出现 1 次」和「出现 2 次」三种状态，意味着至少需要两位进行记录，且状态转换关系为：

这是一道经典的 DFA 入门题

DFA，全称 Deterministic Finite Automaton 即确定有穷自动机：从一个状态通过一系列的事件转换到另一个状态，即 state -> event -> state。

• 确定：状态以及引起状态转换的事件都是可确定的，不存在“意外”。
• 有穷：状态以及事件的数量都是可穷举的。

计算机操作系统中的进程状态与切换可以作为 DFA 算法的一种近似理解。如下图所示，其中椭圆表示状态，状态之间的连线表示事件，进程的状态以及事件都是可确定的，且都可以穷举。

class Solution {
    public int singleNumber(int[] nums) {
        int one = 0, two = 0;
        for(int x : nums){
            one = one ^ x & ~two;
            two = two ^ x & ~one;
        }
        return one;
    }
}

具体推导过程如下

各二进制位的位运算规则相同，因此只需要考虑一位即可。如下图所示，对于所有数字中的某二进制位1的个数，存在三种状态，即对 3 余数为 0, 1, 2 。

• 若输入二进制位 1 ，则状态按照以下顺序转换；
• 若输入二进制位 0 ，则状态不变。

如下图所示，由于二进制只能表示 0, 1 ，因此需要使用两个二进制位来表示 3个状态。设此两位分别为 two , one，则状态转换变为：

接下来，需要通过 状态转换表 导出 状态转换的计算公式 。首先回忆一下位运算特点，对于任意二进制位 xx ，有：

• 异或运算：x ^ 0 = x​ ， x ^ 1 = ~x
• 与运算：x & 0 = 0 ， x & 1 = x

计算 oneone 方法：

if two == 0:
  if n == 0:
    one = one
  if n == 1:
    one = ~one
if two == 1:
    one = 0

引入 异或运算 ，可将以上拆分简化为：

if two == 0:
    one = one ^ n
if two == 1:
    one = 0

引入 与运算 ，可继续简化为：

one = one ^ n & ~two

计算 two方法：

• 由于是先计算 one，因此应在新 one 的基础上计算 two。
• 如下图所示，修改为新 one后，得到了新的状态图。观察发现，可以使用同样的方法计算 two，即：
  

返回值：

以上是对数字的二进制中 “一位” 的分析，而 int 类型的其他 31 位具有相同的运算规则，因此可将以上公式直接套用在 32 位数上。

遍历完所有数字后，各二进制位都处于状态 00 和状态 01（取决于 “只出现一次的数字” 的各二进制位是 1 还是 0 ），而此两状态是由 one来记录的（此两状态下 two 恒为 00 ），因此返回 one 即可。

• 动画演示