leetcode 338 : Counting Bits :找规律&位运算

本文深入探讨了如何利用规律和位运算优化算法,高效计算给定整数范围内每个数的二进制表示中1的数量。通过分析规律并运用位操作,实现在线性时间内完成计算,同时提供了简洁高效的代码实现。

338. Counting Bits

My Submissions
Total Accepted: 3211  Total Submissions: 5600  Difficulty: Medium

Given a non negative integer number num. For every numbers i in the range 0 ≤ i ≤ num calculate the number of 1's in their binary representation and return them as an array.

Example:
For num = 5 you should return [0,1,1,2,1,2].

Follow up:

  • It is very easy to come up with a solution with run time O(n*sizeof(integer)). But can you do it in linear time O(n) /possibly in a single pass?
  • Space complexity should be O(n).
  • Can you do it like a boss? Do it without using any builtin function like __builtin_popcount in c++ or in any other language.
计算这个数组是有一定规律的,以2的i次方为一个循环0|1|1,2|1,2,2,3|1,2,2,3,2,3,3,4|......,每一段都是前面的所有段数字+1即可。

public class Solution {
    public int[] countBits(int num) {
		int[] re=new int[num+1];
		int index=1;
		int begin=1;
		long count=1;
		re[0]=0;
		while(index<=num){
			for(int i=0;i<begin&&index<=num;i++){
				re[index++]=re[i]+1;
			}
			begin=begin<<1;
			count=begin;
		}
		return re;
	}
}
最优的解法,只是通过将这种能够规律转化成公式,再加上位运算,速度优化不会太高,不过位运算十分重要。

public int[] countBits(int num) {
    int[] f = new int[num + 1];
    for (int i=1; i<=num; i++) f[i] = f[i >> 1] + (i & 1);
    return f;
}

位运算知识:

1.获得int型最大值:

int getMaxInt() {
		//return (1 << 31) - 1;// 2147483647, 由于优先级关系,括号不可省略
		//return ~(1 << 31);//2147483647  
		return Integer.MAX_VALUE;
	}

2.获得int型最小值:

int getMinInt(){  
	    //return 1 << 31;//-2147483648  
	    return Integer.MIN_VALUE;
	 }


3.乘除2运算:

int mulAdivTwo(int n){   
	    return n << 1; //计算n*2
	    //return n >> 1;//除以2  
	}  


4.乘除2的m次方:

int mulAdivTwoPower(int n,int m){  
	    return n << m;  //计算n*(2^m)
	    //return n >> m;  //计算n/(2^m)
	}

5.判断一个数的奇偶性

boolean isOddNumber(int n){  
    return (n & 1) == 1;  
} 


6.不适用临时变量交换两个数:

a ^= b;  
b ^= a;  
a ^= b;

7.取绝对值(某些机器上,效率比n>0?n:-n高):

int abs(int n){  
return (n ^ (n >> 31)) - (n >> 31);  
/* n>>31 取得n的符号,若n为正数,n>>31等于0,若n为负数,n>>31等于-1 
若n为正数 n^0=0,数不变,若n为负数有n^-1 需要计算n和-1的补码,然后进行异或运算, 
结果n变号并且为n的绝对值减1,再减去-1就是绝对值 */  
}  

8.取两个数的最大值(某些机器上,效率比a>b?a:b高)

int max(int a,int b){  
    return b & ((a-b) >> 31) | a & (~(a-b) >> 31);  
    /*如果a>=b,(a-b)>>31为0,否则为-1*/  
}  


9.取两个数的最小值(某些机器上,效率比a>b?b:a高):

int min(int a,int b){  
    return a & ((a-b) >> 31) | b & (~(a-b) >> 31);  
    /*如果a>=b,(a-b)>>31为0,否则为-1*/  
}  

10.判断符号是否相同:

boolean isSameSign(int x, int y){ //有0的情况例外  
    return (x ^ y) >= 0; // true 表示 x和y有相同的符号, false表示x,y有相反的符号。  
}  


11.判断一个数是不是2的幂:

boolean isFactorialofTwo(int n){  
    return n > 0 ? (n & (n - 1)) == 0 : false;  
    /*如果是2的幂,n一定是100... n-1就是1111.... 
       所以做与运算结果为0*/  
} 

12.对2的n次方取余:

int quyu(int m,int n){//n为2的次方  
    return m & (n - 1);  
    /*如果是2的幂,n一定是100... n-1就是1111.... 
     所以做与运算结果保留m在n范围的非0的位*/  
}  

13.从低位到高位,取n的第m位:

int getBit(int n, int m){  
    return (n >> (m-1)) & 1;  
}  

14.从低位到高位,将n的第m位置1:

int setBitToOne(int n, int m){  
    return n | (1 << (m-1));  
    /*将1左移m-1位找到第m位,得到000...1...000 
      n在和这个数做或运算*/  
}  

15.从低位到高位,将n的第m位置0

int setBitToZero(int n, int m){  
    return n & ~(1 << (m-1));  
    /* 将1左移m-1位找到第m位,取反后变成111...0...1111 
       n再和这个数做与运算*/  
} 


16.求一个比n大,并且是最小的2的幂,比如3->4;  6->8;  100->128

int calc(int n){
    if( n & (n-1) ==0 )
	return n;
    n |= n>>1;
    n |= n>>2;
    n |= n>>4;
    n |= n>>8;
    n |= n>>16;
    return n+1;
}  


位运算的资料来源:

http://blog.163.com/126_xialin.126/blog/static/279086312014117111557771/













【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕&ldquo;单机无穷大电力系统短路故障暂态稳定Simulink仿真&rdquo;展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压和功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员和工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个&ldquo;粒子&rdquo;,粒子群在解空间中协同搜索,通过不断迭代更新自身速度与位置,并参考个体历史最优解和群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数&mdash;&mdash;正则化参数C与核函数参数&gamma;的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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