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 | 基于图像处理的火焰检测算法(颜色+边缘)
查看>>
OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
查看>>
OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>