最近做的题,明眼人一看都能知道大都和动态规划 DP 有关,因为就是从动态规划分类下抽取的简单题,有的题在剑指 offer 系列中是简单题,但是在力扣主列表里确实中等难度的题目。
简单与难,也并非是绝对的,每个人的感受都会不同。更重要的是,通过这些题构建基础的算法思路,建立信心。
动态规划在查找有很多重叠子问题的情况的最优解时有效。它将问题重新组合成子问题。为了避免多次解决这些子问题,它们的结果都逐渐被计算并被保存,从简单的问题直到整个问题都被解决。因此,动态规划保存递归时的结果,因而不会在解决同样的问题时花费时间。
动态规划 => 子问题 => 复用计算结果(通常伴随比较得值) => 递归(通常一遍循环即可)
OK,简单温故思路,再开始本篇题目:前 n 个数字二进制中 1 的个数
给定一个非负整数
n
,请计算0
到n
之间的每个数字的二进制表示中 1 的个数,并输出一个数组。
示例 1:
输入: n = 2 输出: [0,1,1] 解释: 0 --> 0 1 --> 1 2 --> 10
示例 2:
输入: n = 5 输出: [0,1,1,2,1,2] 解释: 0 --> 0 1 --> 1 2 --> 10 3 --> 11 4 --> 100 5 --> 101
第一反应
n=2,就要写出 0、1、2 的二进制,分别是 0 、1、10,分别有1的个数:0、1、1
n=3,就要写出 0、1、2、3 的二进制,分别是0、1、10、11,分别有1的个数:0、1、1、2
同理 n=4 => [0,1,1,2,1]
n=5 => [0,1,1,2,1,2]
......
设结果数组 res = []
暴力解法,算出每一个数字的二进制有几个1,然后 push 进数组;
第二反应
怎么算出二进制有几个 1 ?
部分编程语言有相应的内置函数用于计算给定的整数的二进制表示中的 11 的数目,例如 Java 的 Integer.bitCount、C++ 的 _ _builtin_popcount、Go 的 bits.OnesCount 等;
在 javascript 没有这个方法,所以需要我们自己写一个。
这里需要用到与操作 —— “&”
x = x & (x-1) 用于去除整数 x 二进制最右边的 1,递进移除,进行计数。
每次移除最右侧的 1 ,计数加一,直到全部做与操作,归为为0,输出统计次数;
举个例子,比如 x = 5 :
let x = 5; x = 5 & 4; // 5: 00000000000000000000000000000101 // 4: 00000000000000000000000000000100 第1次与结果 x: // 00000000000000000000000000000100 x = x & 3 // x: 00000000000000000000000000000100 // 3: 00000000000000000000000000000011 第2次与结果 x: // 00000000000000000000000000000000 结果 = 0,结束,共计 2 次与操作,即 5 的二进制有 2 个 1;
算法表示为:
var countOnes = function(x){ let count = 0; while(x > 0){ x &= x - 1; // 统计次数 count++; } return count; }
第三反应
有了上一步的判断,拿到结果输入,轻而易举。
var countBits = function(n) { let res = [] let countOnes = function(x){ let count = 0; while(x > 0){ x &= x - 1; // 统计次数 count++; } return count; } for(let i = 0;i<=n;i++){ res.push(countOnes(i)) } return res };
第四反应
上述算法需要对每个数都做 countOnes 操作,countOnes 操作里面又有一个循环,整个时间复杂度肯定是大于 O(n) 的;
还能不能再优化优化?动态规划 DP 来帮忙!
DP 就是将大问题抽象为一个小的具体问题,用公式表达。 通常由后向前导,遍历一次,时间复杂度更小。
看看官方解答思路:
此题中,对于正整数 x,如果可以知道最大的正整数 y,y≤x 且 y 是 2 的整数次幂,y 的二进制表示中只有最高位是 1,其余都是 0,此时称 y 为 x 「最高有效位」
则:bits[x] = bits [x - y] + 1
怎么理解?(OS: 不好理解。。。就先记住这个规则吧,欢迎大神解释QAQ)
// 比如正整数 5 ,小于等于 5 的最大正整数,且它是 2 的整数次幂,且只有最高位是 1,其余都为 0 的是数字 4; bits[5] = bits [5 - 4] + 1 = bits[1] + 1 = 2 // 比如正整数 8,小于等于 7 的最大正整数,且它是 2 的整数次幂,且只有最高位是 1,其余都为 0 的是数字 4 bits[7] = bits [7 - 4] + 1 = bits[3] + 1 = 3 // 比如正整数 8,小于等于 8 的最大正整数,且它是 2 的整数次幂,且只有最高位是 1,其余都为 0 的是数字 8 bits[8] = bits [8 - 8] + 1 = bits[0] + 1 = 1
对照下面整个表可以试试,bits[x] = bits [x - y] + 1
这条抽象规则是对的。
那怎样知道这个 y 等于几?
y 的二进制表示中只有最高位是 1,其余都是 0,因此 y & (y−1)=0
for 循环一层 x,当 x & (x−1)=0 的时候,更新 y 值,循环完毕,y 值肯定是最大的那个。
最终实现:
var countBits = function(n) { let bits = new Array(n + 1).fill(0) // 结果数组要多一位 let y = 0 for(let i = 1; i <= n; i++) { if ((i & (i - 1)) == 0) { y = i; } bits[i] = bits[i - y] + 1; } return bits }
第五反应
动态规划的另外一种解释!通透!!!❤
根据 i & (i-1) 计算i的二进制形式中1的个数
i & (i-1) 能将整数i的二进制形式最右边的1变为0
那么 整数i的二进制中1的个数比整数i&(i-1)的二进制中1的个数多1
var countBits = function (n) { let res = new Array(n + 1).fill(0); for (let i = 1; i <= n; i++) { res[i] = res[i & (i - 1)] + 1; } return res; };
第六反应
小结:
本题说简单,其实也并不简单~
与 & 操作得二进制 1 的个数在实际工作中并不多见,本瓜觉得这里更重要的是再次过一遍动态规划的简单题基础思维:
动态规划 => 子问题 => 复用计算结果(通常伴随比较得值、更新值) => 递归(通常一遍循环即可)