Add Binary -- LeetCode

                原题链接:  http://oj.leetcode.com/problems/add-binary/  

这道题跟Add Two Numbers很类似,代码结构很接近。从低位开始,一直相加并且维护进位。和Add Two Numbers的区别是这个题目低位在后面,所以要从string的尾部往前加。时间复杂度是O(max(m,n)),m和n分别是两个字符串的长度,空间复杂度是结果的长度O(max(m,n))。代码如下:

public String addBinary(String a, String b) {    if(a==null || a.length()==0)        return b;    if(b==null || b.length()==0)        return a;    int i=a.length()-1;    int j=b.length()-1;    int carry = 0;    StringBuilder res = new StringBuilder();    while(i>=0&&j>=0)    {        int digit = (int)(a.charAt(i)-'0'+b.charAt(j)-'0')+carry;        carry = digit/2;        digit %= 2;        res.append(digit);        i--;        j--;    }    while(i>=0)    {        int digit = (int)(a.charAt(i)-'0')+carry;        carry = digit/2;        digit %= 2;        res.append(digit);        i--;    }    while(j>=0)    {        int digit = (int)(b.charAt(j)-'0')+carry;        carry = digit/2;        digit %= 2;        res.append(digit);        j--;    }          if(carry>0)    {        res.append(carry);    }    return res.reverse().toString();}
最后有一个小细节要注意一下,就是我们维护的res是把低位放在前面,为了满足结果最后要进行一次reverse。

           
基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统,个人经导师指导并认可通过的高分设计项目,评审分98分,项目中的源码都是经过本地编译过可运行的,都经过严格调试,确保可以运行!主要针对计算机相关专业的正在做大作业、毕业设计的学生和需要项目实战练习的学习者,资源项目的难度比较适中,内容都是经过助教老师审定过的能够满足学习、使用需求,如果有需要的话可以放心下载使用。 基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经
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
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