博客
关于我
Leetcode 338. 比特位计数 (二进制位dp递推,和通常的整数有区别)
阅读量:238 次
发布时间:2019-03-01

本文共 586 字,大约阅读时间需要 1 分钟。

这题的特殊之处在于采用了二进制位的递推方法,而不是传统的动态规划(dp)方式。这种方法通过对二进制位进行递推来计算数位的数量。

递推方法解释

举个例子来理解这一点可能会更清楚:比如,数字11001可以分解为1100 + 1&1。这里的1&1实际上是对最低有效位进行操作,相当于将最低有效位单独提取出来。

代码解析

以下是实现这一递推方法的C++代码:

class Solution {public:    vector
countBits(int num) { vector
dp(num + 1); for (int i = 1; i <= num; ++i) { dp[i] = dp[i >> 1] + (i & 1); } return dp; }};

递推逻辑

  • dp[i] = dp[i >> 1] + (i & 1)
  • 这里的dp[i >> 1]表示将i右移一位后的结果,相当于去掉了最低有效位。
  • (i & 1)则是提取出i的最低有效位,值为0或1。
  • 因此,dp[i]实际上是i的二进制位数,比如i=3(二进制为11),dp[3]=dp[1]+1=3

这种递推方法通过逐位处理数字,避免了传统dp的复杂性,简化了数位计算过程。

转载地址:http://scqv.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(三):基于特征匹配拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四):基于Stitcher类拼接
查看>>
OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
查看>>
OpenCV与AI深度学习 | PaddleOCR 2.9 发布, 正式开源文本图像智能分析利器
查看>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>
OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
查看>>
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>