最低有效位（lsb）是非零整数二进制中最右侧值为1的位所代表的十进制数值，如24（11000）的lsb为8；其高效计算方法是x & -x，利用补码特性一步得出结果。

直接用 x & -x 就能得到最低有效位（LSB），这是最简洁、最高效的实战方法，无需循环试探，一步到位。

什么是最低有效位（LSB）

LSB 指的是一个非零整数二进制表示中，最右边那个值为 1 的位所代表的十进制数值。比如：

• 24 的二进制是 11000，最右边的 1 在第 3 位（从 0 开始计），对应 2³ = 8 → LSB = 8
• 6 的二进制是 110，最右边的 1 在第 1 位，对应 2¹ = 2 → LSB = 2
• 17 的二进制是 10001，最右边的 1 在第 0 位，对应 2⁰ = 1 → LSB = 1

核心技巧：x & -x 的原理与使用

在补码系统中，-x 等价于 ~x + 1。这个运算会让 x 和 -x 的二进制在 LSB 位置对齐为 1，其余位全部错开为 0 —— 所以按位与后，结果恰好就是 LSB 本身。

• 示例：x = 24 → 二进制 0b11000，-x = -24 → 补码为 0b11101000（以 8 位为例），24 & -24 = 0b00001000 = 8
• C/Java/Python 中均可直接写：x & -x，返回整型结果
• 注意：x 必须是非零整数；若 x 为 0，结果为 0（但 LSB 对 0 无定义）

替代方案：循环试探法（适合理解，不推荐生产）

当无法使用负数或想手动验证时，可用位移试探：

• 初始化 flag = 1
• 循环判断 (x & flag) == 0，若成立则 flag
• 退出循环时 flag 就是 LSB
• 时间复杂度 O(log n)，而 x & -x 是 O(1)

在搜索算法中如何优化

LSB 常用于加速某些特定结构的遍历，典型场景包括：

• 树状数组（Fenwick Tree）：每次更新或查询都依赖 i & -i 快速定位父节点或前缀区间，将单次操作从 O(n) 降到 O(log n)
• 快速提取状态位：如用一个 int 表示 32 个开关，state & -state 可立即拿到第一个开启的开关编号，避免逐位扫描
• 跳过全零段：在稀疏位图处理中，LSB 可定位下一个有效位置，跳过连续 0 区域，减少无效比较