位运算之 -- 按位与(&)操作 -- 快速取模算法

本文介绍了位运算的基本概念及其在编程中的多种实用技巧,包括快速判断整数范围、奇偶性、是否为2的幂、统计二进制中1的个数等,并详细解释了快速幂取模算法。


由于位运算直接对内存数据进行操作,不需要转成十进制,因此处理速度非常快。

按位与(Bitwise AND),运算符号为&

a&b 的操作的结果:ab中对应位同时为1,则对应结果位也为1


例如:

10010001101000101011001111000

111111100000000

---------------------------------------------

10101100000000

10101100000000进行右移8位得到的是101011,这就得到了a8~15位的掩码了。那么根据这个启示,判断一个整数是否是处于 0-65535 之间(常用的越界判断):

用一般的 (a >= 0) && (a <= 65535) 可能要两次判断。

改用位运算只要一次:

a & ~((1<< 16)-1)

后面的常数是编译时就算好了的。其实只要算一次逻辑与就行了。

 

 

常用技巧:

 

用于整数的奇偶性判断

 

一个整数a, a&1 这个表达式可以用来判断a的奇偶性。二进制的末位为0表示偶数,最末位为1表示奇数。

使用 a%2 来判断奇偶性和 a&1 是一样的作用,但是 a&1 要快好多。

 

判断n是否是2的正整数冪

 

(!(n&(n-1)) )&& n

 

举个例子:

如果n = 16 = 10000 n-1 = 1111

那么:

  10000

     & 1111

----------

           0

再举一个例子:如果n = 256 = 100000000 n-1 = 11111111

那么:

 100000000

& 11111111

--------------

 0

好!看完上面的两个小例子,相信大家都有一个感性的认识。从理论上讲,如果一个数a他是2的正整数幂,那么a 的二进制形式必定为1000…..(后面有0个或者多个0),那么结论就很显然了。

 

统计n1的个数

 

朴素的统计办法是:先判断n的奇偶性,为奇数时计数器增加1,然后将n右移一位,重复上面步骤,直到移位完毕。

朴素的统计办法是比较简单的,那么我们来看看比较高级的办法。


举例说明:

考虑2位整数 n=11,里边有21,先提取里边的偶数位10,奇数位01,把偶数位右移1位,然后与奇数位相加,因为每对奇偶位相加的和不会超过两位,所以结果中每两位保存着数n1的个数;

相应的如果n是四位整数 n=0111,先以一位为单位做奇偶位提取,然后偶数位移位(右移1位),相加;

再以两位为单位做奇偶提取,偶数位移位(这时就需要移2位),相加,因为此时没对奇偶位的和不会超过四位,所以结果中保存着n1的个数,依次类推可以得出更多位n的算法。整个思想类似分治法


在这里就顺便说一下常用的二进制数:

0xAAAAAAAA=10101010101010101010101010101010

0x55555555 = 1010101010101010101010101010101(奇数位为11位为单位提取奇偶位

 

0xCCCCCCCC = 11001100110011001100110011001100

0x33333333 = 110011001100110011001100110011(以“2为单位提取奇偶位)

 

0xF0F0F0F0 = 11110000111100001111000011110000

0x0F0F0F0F = 1111000011110000111100001111“8为单位提取奇偶位

 

0xFFFF0000 =11111111111111110000000000000000

0x0000FFFF = 1111111111111111“16为单位提取奇偶位

 

例如:32位无符号数的1的个数可以这样数:

int count_one(unsigned long n)
{
//0xAAAAAAAA,0x55555555分别是以“1位”为单位提取奇偶位
n = ((n & 0xAAAAAAAA) >> 1) + (n & 0x55555555);

//0xCCCCCCCC,0x33333333分别是以“2位”为单位提取奇偶位
n = ((n & 0xCCCCCCCC) >> 2) + (n & 0x33333333);

//0xF0F0F0F0,0x0F0F0F0F分别是以“4位”为单位提取奇偶位
n = ((n & 0xF0F0F0F0) >> 4) + (n & 0x0F0F0F0F);

//0xFF00FF00,0x00FF00FF分别是以“8位”为单位提取奇偶位
n = ((n & 0xFF00FF00) >> 8) + (n & 0x00FF00FF);

//0xFFFF0000,0x0000FFFF分别是以“16位”为单位提取奇偶位
n = ((n & 0xFFFF0000) >> 16) + (n & 0x0000FFFF);

return n;
}
举个例子吧,比如说我的生日是农历211,就用211吧,转成二进制:

n = 11010011

计算n = ((n & 0xAAAAAAAA) >> 1) + (n & 0x55555555);

得到 n = 10010010

计算n = ((n & 0xCCCCCCCC) >> 2) + (n & 0x33333333);

得到 n = 00110010

计算n = ((n & 0xF0F0F0F0) >> 4) + (n & 0x0F0F0F0F);

得到 n = 00000101 -----------------à无法再分了,那么5就是答案了。


对于正整数的模运算注意,负数不能这么算

 

先说下比较简单的:

乘除法是很消耗时间的,只要对数左移一位就是乘以2,右移一位就是除以2,传说用位运算效率提高了60%

2^k众所周知: n<<k。所以你以后还会傻傻地去敲2566*4的结果10264吗?直接2566<<4就搞定了,又快又准确。

 

2^k众所周知: n>>k

 

   那么 mod 2^k 呢?(2的倍数取模

n&((1<<k)-1)

用通俗的言语来描述就是,2的倍数取模,只要将数与2的倍数-1做按位与运算即可。

   好!方便理解就举个例子吧。

思考:如果结果是要求模2^k时,我们真的需要每次都取模吗?

 

在此很容易让人想到快速幂取模法。


快速幂取模算法


经常做题目的时候会遇到要计算 a^b mod c 的情况,这时候,一个不小心就TLE了。那么如何解决这个问题呢?位运算来帮你吧。

 

首先介绍一下秦九韶算法:(数值分析讲得很清楚)

把一个n次多项式f(x) = a[n]x^n+a[n-1]x^(n-1)+......+a[1]x+a[0]改写成如下形式:

  f(x) = a[n]x^n+a[n-1]x^(n-1))+......+a[1]x+a[0]

  = (a[n]x^(n-1)+a[n-1]x^(n-2)+......+a[1])x+a[0]

  = ((a[n]x^(n-2)+a[n-1]x^(n-3)+......+a[2])x+a[1])x+a[0]

  =. .....

  = (......((a[n]x+a[n-1])x+a[n-2])x+......+a[1])x+a[0].

  求多项式的值时,首先计算最内层括号内一次多项式的值,即

  v[1]=a[n]x+a[n-1]

  然后由内向外逐层计算一次多项式的值,即

  v[2]=v[1]x+a[n-2]

  v[3]=v[2]x+a[n-3]

  ......

  v[n]=v[n-1]x+a[0]

这样,求n次多项式f(x)的值就转化为求n个一次多项式的值。


 好!有了前面的基础知识,我们开始解决问题吧

(a ×b) mod c=( (a mod c) × b) mod c.

我们可以将 b先表示成就:

b = a[t] × 2^t + a[t-1]× 2^(t-1) + …… + a[0] × 2^0. (a[i]=[0,1]).

这样我们由 a^b mod c = (a^(a[t] × 2^t + a[t-1]× 2^t-1 + …a[0] × 2^0) mod c.

然而我们求 a^( 2^(i+1) ) mod c=( (a^(2^i)) mod c)^2 mod c .求得。


具体实现如下:

使用秦九韶算法思想进行快速幂模算法,简洁漂亮

// 快速计算 (a ^ p) % m 的值
__int64 FastM(__int64 a, __int64 p, __int64 m)
{
if (p == 0) return 1;
__int64 r
 = a % m;
__int64 k
 = 1;
while (p > 1)
{
if ((p & 1)!=0)
{
k
 = (k * r) % m;
}
r
 = (r * r) % m;
p
 >>= 1;
}
return (r * k) % m;
}

http://acm.pku.edu.cn/JudgeOnline/problem?id=3070

 


计算掩码


比如一个截取低6位的掩码:0×3F
用位运算这么表示:(1<< 6) - 1
这样也非常好读取掩码,因为掩码的位数直接体现在表达式里。

按位或运算很简单,只要a和b中相应位出现1,那么a|b的结果相应位也为1。就不多说了。


子集


  枚举出一个集合的子集。设原集合为mask,则下面的代码就可以列出它的所有子集:

  for (i = mask ; i ; i = (i - 1) & mask) ;

&lt;think&gt;我们被要求解释按位与运算和运算的原理、应用及区别。根据提供的引用,我们可以进行如下分析: 1. **按位与运算(&amp;)**: - **原理**:按位与运算是二进制数的逐位操作,当两个相应的二进制位都为1时,结果位才为1,否则为0。例如,对于两个8位二进制数:`1010 1101 &amp; 1001 0110 = 1000 0100`。 - **应用**:在计算机科学中,按位与常用于: - **掩码操作**:提特定位,例如在OpenCV中检测按键时使用`key &amp; 0xFF`来获低8位[^1]。 - **奇偶判断**:`x &amp; 1`可以判断x的奇偶性(结果为0则为偶数,1则为奇数)。 - **权限控制**:用位标志表示权限,通过按位与检查是否具有某权限。 - **性能**:由于是直接对二进制位操作,几乎在所有CPU上都是单周期指令,速度极快[^1][^2]。 2. **运算(%)**: - **原理**:运算返回除法后的余数。例如,`10 % 3 = 1`,因为10除以3商3余1。数学上,运算基于同余概念,即如果两个数除以同一个数得到相同的余数,则这两个数同余[^3][^4]。 - **应用**: - **循环结构**:如循环队列中索引的计算(`index = (index + 1) % size`)。 - **哈希函数**:用于将大范围数值映射到固定范围(如`hash(key) = key % table_size`)。 - **密码学**:如RSA算法中的幂运算。 - **性能**:运算通常涉及除法,而除法在CPU中比位运算慢得多(可能需要多个时钟周期)[^1]。 3. **二者区别**: - **数学本质**:按位与是二进制位操作是整数除法的余数运算。 - **运算速度**:按位与远快于(引用[1]指出位运算性能优势)[^1]。 - **等效性**:当除数是2的幂时,可转化为按位与运算。例如,`x % 8`等价于`x &amp; 0b111`(即`x &amp; 7`),因为8是2^3,此时按位与掩码为`2^k - 1`[^1][^3]。 - 推导:设除数为$2^k$,则余数范围为$[0, 2^k-1]$,而$x$的二进制低$k$位正好表示这个余数,因此`x % (2^k) = x &amp; ((1 &lt;&lt; k) - 1)`。 ### 应用对比示例 - **场景1(提低8位)**: - 按位与:`key &amp; 0xFF`(高效,直接操作- :`key % 256`(等效但较慢,因为256=2^8)[^1] - **场景2(奇偶性判断)**: - 按位与:`if (x &amp; 1) == 0: ...`(高效) - :`if x % 2 == 0: ...`(可读性好但稍慢) ### 总结 - **优先使用按位与的场景**:当需要快速操作二进制位或除数满足$2^k$时(如掩码、标志位处理)[^1][^2]。 - **优先使用的场景**:当除数非2的幂或需要明确数学余数时(如循环索引、哈希映射)[^3][^4]。 --- &sect;&sect;相关问题&sect;&sect; 1. 如何用按位与运算替代运算以提高性能? 2. 按位与运算在加密算法中有哪些应用? 3. 为什么计算机中除法运算比位运算慢? &lt;/think&gt;### 按位与运算和运算的原理、应用及区别 #### 一、按位与运算(Bitwise AND) 1. **原理** 按位与运算(`&amp;`)对两个二进制数的对应位进行逻辑与操作- 当两个位都为 1 时,结果位为 1 - 否则结果位为 0 数学表示为:$a \&amp; b = \sum_{i=0}^{n} (a_i \land b_i) \cdot 2^i$ 例如: $$ \begin{align*} &amp;1011_2 \quad (11_{10}) \\ \&amp; \quad &amp;1101_2 \quad (13_{10}) \\ = \quad &amp;1001_2 \quad (9_{10}) \end{align*} $$ 2. **特性与应用** - **CPU 高效执行**:现代 CPU 可在单时钟周期完成位运算[^1] - **掩码操作**:提特定位(如 `key &amp; 0xFF` 低 8 位)[^2] - **奇偶判断**:`x &amp; 1` 可判断整数奇偶性 - **权限控制**:用位标志表示组合权限(如读=1、写=2、执行=4) - **优化算法**:布隆过滤器、位图索引等数据结构 #### 二、运算(Modulo) 1. **原理** 运算(`%`)计算除法后的余数: $a \mod m = r \quad \text{其中} \quad a = k \cdot m + r \ (0 \leq r &lt; m)$ 例如:$17 \mod 5 = 2$(因 $17 = 3 \times 5 + 2$) 2. **数学特性** - **同余性质**:若 $a \equiv b \pmod{m}$,则 $a - b$ 是 $m$ 的倍数[^3] - **运算律**: $(a + b) \mod m = [(a \mod m) + (b \mod m)] \mod m$[^4] $(a \times b) \mod m = [(a \mod m) \times (b \mod m)] \mod m$ 3. **应用场景** - **循环索引**:哈希表桶定位(`index = key % table_size`) - **时间计算**:钟表系统(12 小时制中 $15 \mod 12 = 3$)[^3] - **密码学**:RSA 加密的幂运算 - **负载均衡**:分布式系统的数据分片 #### 三、核心区别对比 | **特性** | 按位与运算 (`&amp;`) | 运算 (`%`) | |------------------|--------------------------|--------------------------| | **数学本质** | 二进制位逻辑操作 | 整数除法的余数 | | **CPU 效率** | 单周期完成(高效)[^1] | 涉及除法(较慢) | | **等价关系** | $a \&amp; (2^k-1) &equiv; a \mod 2^k$ | 需满足除数 $m=2^k$ | | **典型场景** | 掩码提、标志位处理 | 循环结构、哈希映射 | | **操作限制** | 仅适用于整数 | 适用于整数和浮点数 | #### 四、性能差异原理 当除数 $m$ 是 2 的幂时($m=2^k$),两者可相互转换: $$a \mod 2^k = a \&amp; (2^k - 1)$$ 例如: $a \mod 8 = a \&amp; 7$(因 $7=111_2$) 此时 **按位与快 5-20 倍**[^1],原因: 1. 需完整除法运算(CPU 除法指令约需 10-30 周期) 2. 按位与只需单周期位操作 3. 编译器对 $m=2^k$ 的会自动优化为位运算 &gt; **应用示例**(OpenCV 按键检测): &gt; ```python &gt; key = cv2.waitKey(1) # 返回 16 位键码 &gt; if key &amp; 0xFF == ord(&#39;q&#39;): # 等价于 key % 256 == 113 &gt; break &gt; ``` &gt; 此处 `&amp; 0xFF` 比 `% 256` 更高效[^1][^2]。 ---
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