我刚刚遇到一个问题,我们应该计算一个大范围内数字的二进制表示形式中 1 的个数。是否有任何算法或技术可以轻松找到它?
例如,
对于输入 N = 6,其前面数字的二进制表示形式中 1 的数量。喜欢,
1 - 0001 - 1 的数量 = 1;
2 - 0010 - 1 的数量 = 1;
3 - 0011 - 1 的数量 = 2;
4 - 0100 - 1 的数量 = 1;
5 - 0101 - 1 的数量 = 2;
约束:1 <= N <= 10 ^ 20
所以总数是 7(1+1+2+1+2)。还有其他技巧可以找出这个吗? 提前致谢!
最佳答案
设 S(n) 为数字 0 到 n 的集合(没有重复,但顺序任意)。然后 S(2n+1) = {2*s for s in S(n)} + {2*s+1 for s in S(n)}
,并且 S(2n ) = {2*s for s in S(n)} + {2*s+1 for s in S(n-1)}
.
两个例子:
S(7) = {2*s for s in S(3)} + {2*s+1 for s in S(3)}
= {0, 2, 4, 6} + {1, 3, 5, 7}
S(10) = {2*s for s in S(5)} + {2*s+1 for s in S(4)}
= {0, 2, 4, 6, 8, 10} + {1, 3, 5, 7, 9}
将a(n)
定义为S(n)
中所有数字的总位数,并使用S的公式
,我们有 a(2n+1) = 2a(n) + n+1
,并且 a(2n) = a(n) + a(n-1) + n
。这是因为{2*s for s in S(n)}
中设置的位数与S(n)
中设置的位数相同,并且 {2*s+1 for s in S(n)}
中设置的位数是 S(n)
中设置的位数加上每个S(n)
的元素(即:n+1
)。
那些相同的方程式出现在 https://oeis.org/A000788 上, 归功于拉尔夫·斯蒂芬 (Ralf Stephan):
a(0) = 0
a(2n) = a(n)+a(n-1)+n
a(2n+1) = 2a(n)+n+1
使用它,可以编写函数B
,其中B(N) = a(N), a(N-1)
:
def B(N):
if N == 0:
return 0, 0
r, s = B(N//2)
if N % 2:
return 2*r+N//2+1, r+s+N//2
else:
return r+s+N//2, 2*s+N//2
双返回值是动态规划的一种形式,避免多次重新计算相同的值。
第二个返回值是你感兴趣的。例如:
>> print(B(7)[1])
9
>> print(B(28)[1])
64
>> print(B(10**20)[1])
3301678091638143975424
这显然在 O(log N) 算术运算中运行,并使用 O(log N) 堆栈。
达到常量空间复杂度
只要小心一点,就可以将空间复杂度降低到 O(1)。
我们可以将 Ralf Stephan 方程写成矩阵乘以向量的形式:
[ a(2n+1) ] = [2 0 1 1] [ a(n) ]
[ a(2n) ] [1 1 1 0] * [ a(n-1)]
[ 2n+1 ] [0 0 2 1] [ n ]
[ 1 ] [0 0 0 1] [ 1 ]
和
[ a(2n) ] = [1 1 1 0] [ a(n) ]
[ a(2n-1) ] [0 2 1 0] * [ a(n-1)]
[ 2n ] [0 0 2 0] [ n ]
[ 1 ] [0 0 0 1] [ 1 ]
重复应用这些规则中的一个或另一个,给出:
[ a(n) ] = M[0] * M[1] * ... * M[k] * [ a(0) ]
[ a(n-1)] [ a(-1)]
[ n ] [ 0 ]
[ 1 ] [ 1 ]
M[0]
, M[1]
, ..., M[k]
是其中之一出现在 Ralf Stephan 方程的矩阵乘向量版本中的两个 4x4 矩阵,取决于 n
的第 k
位。
因此:
def mat_mul(A, B):
C = [[0] * 4 for _ in range(4)]
for i in range(4):
for j in range(4):
for k in range(4):
C[i][k] += A[i][j] * B[j][k]
return C
M1 = [[2, 0, 1, 1], [1, 1, 1, 0], [0, 0, 2, 1], [0, 0, 0, 1]]
M0 = [[1, 1, 1, 0], [0, 2, 1, 0], [0, 0, 2, 0], [0, 0, 0, 1]]
def B2(N):
M = [[1, 0, 0, 0], [0, 1, 0, 0], [0, 0, 1, 0], [0, 0, 0, 1]]
while N:
M = mat_mul(M, M1 if N%2 else M0)
N >>= 1
return M[1][3]
函数 B2
执行 O(log n) 算术运算,但使用常量空间。
我们可以做得更好一点,注意 M
矩阵总是以下形式:
[ a b c d ]
[ a-1 b+1 c e ]
[ 0 0 a+b a-1 ]
[ 0 0 0 1 ]
然后,B3
根据观察到的 M
结构,以优化的方式执行 B2
的矩阵乘法:
def B3(N):
a, b, c, d, e = 1, 0, 0, 0, 0
while N:
if N%2:
a, c, d, e = 2*a+b, a+b+2*c, a+c+d, a+c+e-1
else:
b, c = a+2*b, a+b+2*c
N >>= 1
return e
这与这种方法所能带给我们的一样好:唯一的算术运算是加法、乘以二、除以二和测试最低位。空间复杂度是常数。即使对于巨大的 N
(例如 10^200),所花费的时间也可以忽略不计。
C 中的快速版本。
为了速度,C 版本(使用 gcc 的 __int128 扩展)在我的机器上计算 b3(10**20)
大约需要 140 纳秒。该代码是 B3
python 函数的直接转换(注意不需要 d
),由于 C 中缺少多重赋值而略有阻碍。
typedef unsigned __int128 uint128;
uint128 b3(uint128 n) {
uint128 a=1, b=0, c=0, e=0;
while (n) {
if (n&1) {
e = a+c+e-1;
c = a+b+2*c;
a = 2*a+b;
} else {
c = a+b+2*c;
b = a+2*b;
}
n >>= 1;
}
return e;
}
关于找出正数范围内二进制表示中 1 的个数的算法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54060126/