二进制枚举子集

目录

什么是二进制枚举子集

得到整数X

幼儿园买玩具

islands打炉石传说


什么是二进制枚举子集

对于n个数,我们用n位二进制数来表示每个数的状态(选/不选),1代表选,0代表不选。

由数学知识可知,此时一共有2^n种情况,即 1 << n 种情况

而这 2^n 种情况就对应着这 n 个数所选取组成的集合的数量。即n个数组成的集合的子集数量。

假设有5个数,那么5位二进制数为:xxxxx。

假设:11001,这就表示由第1、第4、第5个数组成的一个子集。

那么同样,对于一个长度为n的数组,想要求它的所有子集,就可以从 0 遍历到 2^n - 1,其中每个数由二进制表示,就对应该数组中的部分元素。

那么如何判定 nums数组中的某一个数 是否在列举出来的某一个子集里面呢?

假设当前列举出来的子集为:41 = 0101001。

可以看出来,第1、4、6个数在该子集中,那么如何通过计算进行判断呢?

判断第4个数在其中:

对于 位运算: 1 << 3 = 0001000,此时 (0101001) & (0001000)  ≠ 0 ,此时就代表第4个数在该子集中。

即:假设当前子集的二进制表示对应十进制数 number,判断第 x 个数是否在当前子集中,就用 number & ( 1 << (x-1) ),若结果不为0,则第x个数存在于该子集中

注意,这里第x数,如果从1开始数,那么后面就是 1 << (x-1)。如果从0开始数,就是 1 << x。具体问题具体分析。

接下来是一些例题。

得到整数X

描述

小明有 n个互不相同的正整数,现在他要从这 n个正整数之中无重复地选取任意个数,并仅通过加法凑出整数 X。求小明有多少种不同的方案来凑出整数 X。

输入

第一行,输入两个整数 n,X(1≤n≤20,1≤X≤2000)。
接下来输入 n个整数,每个整数不超过 100。

输出

输出一个整数,表示能凑出X的方案数。

用例输入:

6 6

1 2 3 4 5 6

用例输出:

### 如何用编程方法生成集合的所有子集 #### 时间复杂度与基本原理 枚举子集的核心在于理解其时间复杂度以及背后的逻辑。对于一个大小为 \( n \) 的集合,其所有可能的子集数量为 \( 2^n \),这是因为每个元素都有两种状态:要么属于某个子集,要么不属于该子集[^1]。 这种指数级的时间复杂度意味着,在实际应用中,通常只适合处理较小规模的数据集(例如 \( n \leq 30 \))。为了高效地生成这些子集,可以通过位运算或者递归来实现。 --- #### 方法一:基于位运算的方法 通过将整数范围内的每一个数字视为一种掩码来表示不同的子集组合。具体来说: - 假设集合中的元素编号从 0 到 \( n-1 \)。 - 对于任意一个介于 \( 0 \) 和 \( 2^n - 1 \) 范围内的整数 \( i \),将其转化为二进制形式,则第 \( j \)-bit 表示是否选取原集合中的第 \( j \) 号元素。 以下是 Python 实现代码: ```python def generate_subsets_bitmask(s): n = len(s) subsets = [] for mask in range(1 << n): # 遍历从 0 到 (2^n - 1) subset = [s[j] for j in range(n) if (mask & (1 << j))] subsets.append(subset) return subsets # 测试例子 example_set = ['a', 'b', 'c'] result = generate_subsets_bitmask(example_set) print(result) ``` 上述程序利用了按位操作符 `&` 来判断某一位是否被设置为 1,从而决定当前元素是否加入到对应的子集中[^3]。 --- #### 方法二:基于递归的方式 另一种常见的做法是采用分治的思想,即每次考虑下一个未决策的元素是否有资格进入当前构建过程中的部分解里去形成新的候选方案之一;最终当遍历完成整个数组之后便能够得到完整的幂集结构。 下面是 C++ 版本的一个简单示范: ```cpp #include <iostream> #include <vector> using namespace std; void findSubsets(int index, vector<int> currentSet, const vector<int>& originalSet, vector<vector<int>>& allSubsets){ if(index == originalSet.size()){ allSubsets.push_back(currentSet); return; } // 不选择当前位置上的元素 findSubsets(index + 1, currentSet, originalSet, allSubsets); // 选择当前位置上的元素 currentSet.push_back(originalSet[index]); findSubsets(index + 1, currentSet, originalSet, allSubsets); } int main(){ vector<int> set = {1, 2, 3}; vector<vector<int>> result; findSubsets(0, {}, set, result); cout << "All Subsets:" << endl; for(auto s : result){ cout << "{ "; for(auto elem : s){ cout << elem << " "; } cout << "}" << endl; } return 0; } ``` 此版本展示了如何通过函数调用来模拟树形搜索路径,并逐步累积每条分支的结果直到叶节点处收集完毕为止[^2]。 --- #### 复杂度分析 无论采取哪种方式实现,由于都需要访问全部潜在可能性因此总体计算量必然达到 \( O(2^n * k) \),其中 \( k \) 是平均单个输出所需的操作次数(比如拷贝列表等额外开销),而空间消耗则取决于所使用的数据存储策略及其最大深度限制条件下的栈帧需求情况。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

YangZ123123

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值