当前位置: 首页 > news >正文

位运算相关

文章目录

    • 一、求1的个数
    • 二、另类加法
    • 三、数组中出现一次的数字
    • 四、数组中出现一次的数字变形

一、求1的个数

二进制中1的个数
法一:逐位判断

根据与&运算 n&1=0,说明n的最右边一位为0 n&1=1,说明n的最右边一位为1
所以思路就是,将n右移再与1按位与

class Solution {
public:int hammingWeight(uint32_t n) {int count=0;while(n){if((n&1)==1) count++;n=n>>1;}return count;}
};

时间复杂度:O(logn)
逐位判断需循环log2n次,其中log2n代表数字n最高位1的所在位数(例如log2 4 = 2,log2 16 = 4)
右移一位的操作相当于除2
空间复杂度:O(1)

法二:利用n&(n-1)
在这里插入图片描述

class Solution {
public:int hammingWeight(uint32_t n) {int count=0;while(n){n=n&n-1;count++;}return count;}
};

时间复杂度:O(m) m为二进制中1的个数
空间复杂度:O(1)

二、另类加法

不用加减号的加法
与:同时为1,才为1
异或:相同为0,相异为1
在这里插入图片描述

class Solution {
public:int add(int a, int b) {
//因为不允许用+号,所以求出异或部分和进位部分依然不能用+ 号,所以只能循环到没有进位为止        while(b!=0){
//保存进位值,下次循环用int c=(unsigned int)(a&b)<<1;//C++中负数不支持左移位,因为结果是不定的
//保存不进位值,下次循环用,a^=b;
//如果还有进位,再循环,如果没有,则直接输出没有进位部分即可。b=c;   }return a;}
};
/*
把a+b转换成非进位和+进位,由于不能用加法,因此要一直转换直到第二个加数变成0。 
用递归的写法比循环更容易一下子看懂
*/
class Solution {public int add(int a, int b) {if (b == 0) {return a;}// 转换成非进位和 + 进位return add(a ^ b, (a & b) << 1);}
};

三、数组中出现一次的数字

传送门

class Solution {
public:vector<int> singleNumbers(vector<int>& nums) {int res=0;//相同取0,相异取1,因此0^0=0,0^1=1,0异或任何数都为本身,可理解为没影响for (int n: nums) {res ^=n;//假设两个只出现一次的数分别为a和b,获得a异或b的结果}//找到ab第一个不相同的二进制位,用位与&操作(两个都为1才为1,其余为0,因此可理解0和任何数相与都还是本身)//理解:位与,就是0可以掩盖掉所有数字,0遇0为0,遇1还为0(子网掩码)//通过1的位置变化找出首个不一样的二进制位int m=1;while((m&res)==0){//m=000001,当第一位不是1时,结果为0,则m左移一位,000010类推直到找出m<<=1;}//找到m以后,用m划分数组,两个相同的数字,在m位一定相同,即其与m位与的结果一定是相同的,因此按m&n==0划分,就一定能保证://(1)原来相同的元素还在一组//(2)不同的两个元素被分到了不同组int a=0,b=0;for (int n:nums) {if ((n&m)==0) a^=n;else b^=n;}return {a,b};}
};

四、数组中出现一次的数字变形

传送门
法一:哈西最简单的方法

class Solution {
public:int singleNumber(vector<int>& nums) {map<int,int> m;for(auto e: nums){m[e]++;}for(auto e: m){if(e.second==1) return e.first;}return 0;}
};

法二:位运算

 7 : 0B0111 7 : 0B01117 : 0B0111^^^|||出现数  333 // 从上向下,可以发现[3个7]每位都出次了 3 次那这样时再增加一个数。7 : 0B0111 7 : 0B01117 : 0B01114 : 0B0100^^^|||出现数  433 // 从上向下,只有第 3位bit 出现了 4次%%%333 // 接下来,把现各个位出现的次数,按 3取余‖‖‖100 // 取余结果刚好100对应的就是4
class Solution {
public:int singleNumber(vector<int>& nums) {int res = 0;for (int i = 0, sub = 0; i < 32; ++i, sub = 0) {for (auto &n : nums) sub += ((n >> i) & 1);if (sub % 3) res |= (1 << i);}return res;}
};

相关文章:

位运算相关

文章目录一、求1的个数二、另类加法三、数组中出现一次的数字四、数组中出现一次的数字变形一、求1的个数 二进制中1的个数 法一&#xff1a;逐位判断 根据与&运算 n&10&#xff0c;说明n的最右边一位为0 n&11&#xff0c;说明n的最右边一位为1 所以思路就是&…...

Linux进程信号(产生、保存、处理)/可重入函数概念/volatile理解/SIGCHLD信号

首先区分一下Linux信号跟进程间通信中的信号量&#xff0c;它们的关系就犹如老婆跟老婆饼一样&#xff0c;没有一毛钱的关系。 信号的概念 信号的概念&#xff1a;信号是进程之间事件异步通知的一种方式&#xff0c;属于软中断。比如&#xff1a;红绿灯是一种信号&#xff0c…...

锯齿数组 - 贪心

文章目录锯齿数组 -贪心&#xff08;不过挺像滑动窗口的&#xff09;1144. 递减元素使数组呈锯齿状锯齿数组 -贪心&#xff08;不过挺像滑动窗口的&#xff09; 1144. 递减元素使数组呈锯齿状 题目链接&#xff1a;1144. 递减元素使数组呈锯齿状 题目大意&#xff1a;给你一个…...

[CVPR 2022] Balanced Contrastive Learning for Long-Tailed Visual Recognition

Contents IntroductionMethodPreliminariesBalanced Contrastive Learning (BCL)Drawbacks of SCLClass-averagingClass-complementLower bound of BCLOptimization with Logit CompensationFrameworkExperimentReferencesIntroduction 作者发现对于在长尾数据集上,Supervised…...

23种设计模式-工厂模式

工厂模式是一种创建型设计模式&#xff0c;它提供了一种创建对象的方式&#xff0c;而无需将具体的对象创建逻辑暴露给客户端。在Java中&#xff0c;工厂模式常常用于创建复杂对象或对象的构造过程涉及到多个步骤的情况。 在Android开发中&#xff0c;工厂模式也经常被使用&am…...

Linux操作系统学习(进程等待)

文章目录进程等待进程等待的必要性如何进程等待waiwaitpid验证进程等待 ​ 我们知道fork函数可以创建一个子进程&#xff0c;而子进程通常是替父进程完成一些任务&#xff0c;而父进程在fork之后需要通过wait/waitpid等待子进程退出。这就是进程等待 进程等待的必要性 通过获…...

Docker学习(十八)load 和 import 命令的区别

Docker 中有两个命令可以将本地文件系统中的 tar 文件导入到 Docker 中&#xff1a;docker load 和 docker import。尽管它们的作用类似&#xff0c;但它们之间有一些重要的区别。 1.使用方式的不同&#xff1a; docker load 的使用示例&#xff1a; docker load --input tes…...

mysql中的事务

在日常生活中,我们会遇到一个场景,那就是在转账的时候,A有1000块钱,要给B转账500,那么最后的结果是A有500,B有500,但是也有可能出现A没有钱了,B有1000块,或者在转账过程中卡顿,这是不符合逻辑的,那么这个时候就要使用事务来解决问题 事务就是把一堆sql语句打包成一个整体,要么…...

《C++ Primer Plus》第18章:探讨 C++ 新标准(9)

编程练习 下面是一个简短程序的一部分&#xff1a; int main() {using namespace std;// list of double deduced from list contentsauto q average_list ({15.4, 10.7, 9.0});cout << q << endl;// list of int deduced from list contentscout << averag…...

记录一次PWM信号异常问题

问题我使用单片机输出PWM控制机械臂&#xff0c;但是控制过程中&#xff0c;机械臂总是会出现莫名的抽动。利用示波器测试PWM信号&#xff0c;发现信号正常。过程&#xff08;1&#xff09;在反复的测试过程中&#xff0c;队友提出&#xff0c;将示波器的地线放在左侧的GND波形…...

简单了解---性能测试

目录 一、什么是性能测试 二、常见的性能测试指标 1、并发 2、响应时间 3、事务 4、点击率 5、吞吐量 6、资源利用率 三、性能测试的分类 1、一般测试 2、负载测试 3、压力测试 4、稳定性测试 四、为什么要做性能测试&#xff1f; 五、影响性能的因素有哪些&…...

1.机器学习笔记第一周

机器学习利用领域&#xff1a; 1&#xff1a;随着网络数据增大&#xff0c;需要搜集用户的数据&#xff0c;做喜好性偏向判断等。 2&#xff1a;只要有数据的&#xff0c;无论是医疗领域&#xff0c;还是基因领域都是需要机器学习来发现数据密码。 3&#xff1a;机器自我学习…...

若依学习(前后端分离版)——启动时发生了啥?(@PostConstruct)(mybatis log free)

我们可以发现若依启动时执行了一些sql我们可以安装一个插件mybatis log free 来更好的进行sql查看 &#xff0c;安装后需要修改一下若依的日志配置如下查看日志&#xff0c;我们发现执行了三个方法&#xff08;&#xff09;&#xff0c;分别查询了一些数据。以第二个方法为例子…...

每日十问9c++-内存模型和名称空间

每日十问9c内存模型和名称空间 1.对于下面的情况&#xff0c;应使用哪种存储方案? a.homer 是函数的形参。 b. secret变量由两个文件共享。 c.topsecret 变量由一个文件中的所有函数共享&#xff0c;但对于其他文件来说是隐藏的。 d. beencalled 记录包含它的函数被调用的次数…...

【python】JSON数据类型与Python数据类型之间的转化

注&#xff1a;最后有面试挑战&#xff0c;看看自己掌握了吗 文章目录JSON格式文件JSON格式序列化与反序列化作用JSON常用数据结构键值对的集合值的有序列表JSON数据类型与Python数据类型之间的转化JSON格式和python的区别读写json文件dump 把python 写到json文件load 把json写…...

Spring——什么是事务?传播行为?事务隔离级别有哪些?

思维导图一、什么是事务&#xff1f;多条DML要么同时成功&#xff0c;要么同时失败Transaction&#xff08;tx&#xff09;二、事务的四个过程&#xff1a;开启事务&#xff08;start transaction&#xff09;执行核心业务代码提交事务&#xff08;如果核心业务处理过程中没有出…...

【项目实战】使用Feign服务间相互调用,其实OpenFeign也没有想象中那么难嘛

一、Feign介绍 openfeign是一个java的http客户端,用来简化http调用 二、Feign架构(来自官方) Feign由五大部分组成, 由于刚开始接触 feign ,比较关注的 clients 跟 encoders/decoders 三、OKHTTP与Feign之间的关系 在Feign中,Client是一个非常重要的组件,Feign最终…...

tun驱动之ioctl

struct ifreq ifr; ifr.ifr_flags | IFF_TAP | IFF_NO_PI; ioctl(fd, TUNSETIFF, (void *)&ifr); 上面的代码的意思是设置网卡信息&#xff0c;并将tun驱动设置为TAP模式。在TAP模式下&#xff0c;在用户空间下调用open打开/dev/net/tun驱动文件&#xff0c;发送(调用send函…...

[acwing周赛复盘] 第 93 场周赛20230304

[acwing周赛复盘] 第 93 场周赛20230304 一、本周周赛总结二、 4867. 整除数1. 题目描述2. 思路分析3. 代码实现三、 4868. 数字替换1. 题目描述2. 思路分析3. 代码实现四、4869. 异或值1. 题目描述2. 思路分析3. 代码实现六、参考链接一、本周周赛总结 彩笔了&#xff0c;只A…...

NOIP2022 T4 比赛

P8868 [NOIP2022] 比赛 题目大意 有两个长度为nnn的序列aaa和bbb&#xff0c;有qqq次询问&#xff0c;每次询问给出l,rl,rl,r&#xff0c;求 ∑ilr∑ji1r(max⁡kijak)(max⁡lijbl)\sum\limits_{il}^r\sum\limits_{ji1}^r(\max\limits_{ki}^ja_k)\times(\max\limits_{li}^jb_l…...

Qwen3.5-2B部署实战:端侧轻量化多模态模型一键镜像教程

Qwen3.5-2B部署实战&#xff1a;端侧轻量化多模态模型一键镜像教程 1. 模型简介 Qwen3.5-2B是阿里云推出的轻量化多模态基础模型&#xff0c;属于Qwen3.5系列的小参数版本&#xff08;20亿参数&#xff09;。这个模型专为低功耗、低门槛部署场景设计&#xff0c;特别适合端侧…...

73:L的程序安全:蓝队的规范防御

作者&#xff1a; HOS(安全风信子) 日期&#xff1a; 2026-03-26 主要来源平台&#xff1a; GitHub 摘要&#xff1a; 程序安全是防御的基石&#xff0c;通过规范的流程、自动化执行和可追溯设计构建可靠的安全防御体系。本文分享程序安全的核心价值、L的程序安全策略、技术实现…...

小米智能家居与Home Assistant深度整合方案

小米智能家居与Home Assistant深度整合方案 【免费下载链接】ha_xiaomi_home Xiaomi Home Integration for Home Assistant 项目地址: https://gitcode.com/GitHub_Trending/ha/ha_xiaomi_home 小米智能家居与Home Assistant的深度整合为用户提供了全面的智能设备控制解…...

千问3.5-2B一文详解:4.3GB权重免下载、24GB显存优化、温度参数调优手册

千问3.5-2B一文详解&#xff1a;4.3GB权重免下载、24GB显存优化、温度参数调优手册 1. 千问3.5-2B模型概述 千问3.5-2B是Qwen系列中的小型视觉语言模型&#xff0c;专为图片理解与文本生成任务设计。这个模型最吸引人的特点是它能同时处理视觉和语言信息&#xff0c;让你通过…...

终极指南:5分钟掌握Piper鼠标地图组件与SVG渲染核心技术

终极指南&#xff1a;5分钟掌握Piper鼠标地图组件与SVG渲染核心技术 【免费下载链接】piper GTK application to configure gaming devices 项目地址: https://gitcode.com/gh_mirrors/pip/piper Piper是一款功能强大的GTK应用程序&#xff0c;专为配置游戏设备而设计。…...

Java整型溢出:越界运算后结果如何

Java整形溢出详细说明:越界操作后的结果和类型在Java程序中&#xff0c;理解数据类型的值范围非常重要。本文将深入探讨越界操作后int类型的行为&#xff0c;并解释int类型的值范围和越界操作结果。Javaint类型的值范围为-2、147、483、648至2、147、483、647。当计算结果超出此…...

如何确保usearch内存安全:Safe C++与Rust的终极对比指南

如何确保usearch内存安全&#xff1a;Safe C与Rust的终极对比指南 【免费下载链接】usearch Fastest Open-Source Search & Clustering engine for Vectors & &#x1f51c; Strings in C, C, Python, JavaScript, Rust, Java, Objective-C, Swift, C#, GoLang, and …...

别再只用脚本了!用MATLAB OOP重构你的数据处理流程,效率翻倍

MATLAB面向对象编程&#xff1a;从脚本思维到工程级代码的跃迁 当你的MATLAB脚本膨胀到上千行&#xff0c;当每次修改都需要在数十个函数间跳转&#xff0c;当同事问你"这个变量在哪里定义的"而你却一时语塞——是时候告别脚本思维了。面向对象编程(OOP)不是MATLAB里…...

这个网站,我愿称之为生信云平台天花板

刚入门生信的你&#xff0c;是否也曾被这些问题折磨得想摔键盘&#xff1f;• Linux 环境配置&#xff1a;conda install 报错到怀疑人生&#xff0c;环境冲突让你原地崩溃。• 硬件瓶颈&#xff1a; 实验室服务器要排队&#xff0c;自己的轻薄本跑个比对就能当暖气片。• 代码…...

PrankWeb 蛋白质配体结合位点预测,超简单使用教程

一、PrankWeb 是什么&#xff1f; PrankWeb 是一个免费的在线蛋白质配体结合位点预测工具&#xff0c;基于机器学习算法 P2Rank。 它能帮你&#xff1a; 预测蛋白质上可能的药物结合口袋&#xff08;pockets&#xff09; 可视化蛋白质的三维结构和结合位点 …...