LeetCode *342.Power of Four (Python Solution)

本文提供了一种高效的算法解决方案,用于判断一个32位带符号整数是否为4的幂。通过深入分析4的幂的特性,提出了三种不同的Python实现方法,包括位运算和二进制计数,以及一个巧妙的数学归纳法验证。

题目描述

Given an integer (signed 32 bits), write a function to check whether it is a power of 4.

给定一个整数(带符号的32位),写一个函数来检查它是否为4的幂。

Example 1:

Input: 16
Output: true

Example 2:

Input: 5
Output: false


Python Solution

**分析:**由题目易得知 4 的幂一定是 2 的幂,所以在上一篇LeetCod*231 Power of Two的基础上对代码进行改动。

solution 1

继续进行位运算,利用0x55555555来和自身做 & 运算并和自身作对比。

class Solution:
    def isPowerOfTwo(self, n: int) -> bool:
        return n > 0 and n & (n - 1) == 0 and (n & 0x55555555) == n
solution 2

在之前的基础上观察 4 的幂转化为二进制后, 0 的个数都为偶数个,所以加个判断条件就好。

class Solution:
    def isPowerOfTwo(self, n: int) -> bool:
        return n > 0 and  bin(n).count('1‘) == 1 and bin(n).count('0') % 2 == 1

还没完还没完,接下来:

炫技时刻

class Solution:
    def isPowerOfTwo(self, n: int) -> bool:
        return n > 0 and n & (n - 1) == 0 and (n - 1) % 3 == 0

其实也还好,就是思维要绕个弯,数学归纳法即可证得。

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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
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