这是一道很简单的题目,这里我要介绍对它的优化解题方案。
法一:
直接遍历32位,利用位运算找到有1的位,然后利用oneNums来维护。
class Solution {
public:
int hammingWeight(uint32_t n) {
int oneNums = 0;
for(int i = 0; i < 32; ++i){ //直接遍历n的每一位
if((n >> i) & 1) //如果该位为1
oneNums++;
}
return oneNums;
}
};
法二:
这是一种最直接也是最简单的方法,它的时间复杂度是O(N) (虽然是遍历32次,可以当作O(1),但是为了和下面的方法区分,这里认为是O(N)),空间复杂度是O(1)。
我们还有优化方案。
这里要介绍一个小技巧,Brian Kernighan 算法。利用n & (n - 1)会将n的最后一位1变成0.利用这个技巧,我们只需要不断的n & n-1,直到n等于0。而这里n变成0所经历的次数就是1的个数.
class Solution {
public:
int hammingWeight(uint32_t n) {
// 法二: 利用n & (n - 1) 会将n的最后一位1变成0
int oneNums = 0;
while(n){
n &= n - 1; //消除一位0,直到n == 0
oneNums++;
}
return oneNums;
}
};
时间复杂度是O(K),K是n中为1的个数。空间复杂度为O(1)。
而我们还有更高级的方法。
法三:
这种方法类似于二分法,二进制中的每一位都没有别的含义。而我们要做的就是赋予每一位别的含义:二进制中的每一位都代表1个计数器,而我们要做的就是想方设法把这些计数器加起来,这就是我们的答案。
- 解释:
考虑3这个无符号整数,3的二进制序列有多少个1呢?

基于这个想法,就有了下面这种方法。
class Solution {
public:
int hammingWeight(uint32_t n) {
//法三:将每一位看作计数器
n = (n & 0x55555555) + ((n >> 1) & 0x55555555);
n = (n & 0x33333333) + ((n >> 2) & 0x33333333);
n = (n & 0xf0f0f0f) + ((n >> 4) & 0xf0f0f0f);
n = (n & 0xff00ff) + ((n >> 8) & 0xff00ff);
n = (n & 0xffff) + ((n >> 16) & 0xffff);
return n;
}
};
- 你可能完全不懂这段代码在干什么,别急。我们来看看这些数字的特征。

n & 0x55555555 就是统计出每隔两位的低位的1的个数。
(n >> 1) & 0x55555555 就是统计出每隔两位的高位的1的个数。
相加就得到了每隔两位中1的个数。
然后n & 0x33333333 就是统计每隔4位中低两位中的1的个数。
(n >> 2) & 0x33333333就是统计出每隔4位中高两位中的1的个数。
剩下的同理即可。
时间复杂度为O(1),空间复杂度也是O(1)。
法四:(娱乐法)
这种方法是我在一本书中发现的,使用的手法是模板元编程。只不过不能用于这道题,纯粹娱乐。
template<int N>
struct OneInBinary {
enum {value = N % 2 + OneInBinary<N/2>::value };
};
template<>
struct OneInBinary<0> {
enum {value = 0};
};
//调用方法
OneInBinary<45>::value;
本文介绍了LeetCode第191题的四种解决方案,包括直接遍历、Brian Kernighan算法以及高效位操作技巧。详细解析了代码逻辑,特别是位运算在统计32位无符号整数中1的个数上的应用,提供了时间复杂度和空间复杂度的分析。

521

被折叠的 条评论
为什么被折叠?



