博客
关于我
【位运算】15题-二进制中1的个数
阅读量:692 次
发布时间:2019-03-17

本文共 859 字,大约阅读时间需要 2 分钟。

题目描述

请实现一个函数,输入一个整数(以二进制串形式),输出该数二进制表示中1的个数。例如,将9表示为二进制是1001,有两位是1。因此,如果输入9,函数应输出2。

示例1:

输入:00000000000000000000000000001011

输出:3

解释:输入的二进制串00000000000000000000000000001011中共有三位为'1'。

示例2:

输入:00000000000000000000000010000000

输出:1

解释:输入的二进制串00000000000000000000000010000000中共有一位为'1'。

示例3:

输入:11111111111111111111111111111101

输出:31

解释:输入的二进制串11111111111111111111111111111101中共有31位为'1'。

解题思路

逐位判断法

通过与运算判断每一位是否为1,并统计1的总数。这是一种常见的位操作方法,具体步骤如下:

(1) 初始化统计变量res为0。

(2) 当处理的数n不为0时,执行以下步骤:

• 检查n的最低有效位是否为1:若n&1等于1,就将res加一。

• 将n右移一位(这里需要使用无符号右移操作)。

(3) 当n变为0时,循环结束,返回res即为1的总数。

算法流程

代码示例(Java):

```javapublic class Solution { public int hammingWeight(int n) { int res = 0; while (n != 0) { res += n & 1; n >>= 1; } return res; }}```

(注:在Java中,`n >>= 1` 是无符号右移操作,确保处理时作为无符号数进行计算。)

复杂度分析

时间复杂度:O(log n),因为每次循环处理一次二进制位,最多处理30次(对于32位数字而言)。

空间复杂度:O(1),只使用了一个变量res进行计数,无额外空间需求。

转载地址:http://wvchz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>
OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
查看>>
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>