演算法:統計整數的二進位表達式中的bit位元為1的位數(漢明重量),普通演算法:應該是最先想到的演算法了,從最低位開始,一位一位地統計是否為1,時間複雜度為O(n),n為總bit數。優化演算法:這個演算法乍看很懵逼,但是仔細琢磨一下也能發現原理:n-1後,n的最低位的1被消除了,然後與n位與,n變為最低位1置為0後的新整數。
public int bitCount(int num) { int count = 0; do { if ((num & 1) == 1) { count++; } num>>=1; } while (num > 0); return count; }
應該是最先想到的演算法了,從最低位元開始,一位一位地統計是否為1,時間複雜度為O(n)
,n為總bit數。
public int countBit2(int num) { int count = 0; while (num > 0) { num = num & (num - 1); count++; } return count; }
這個演算法乍看很懵逼,但是仔細琢磨一下也能發現原理:n-1
後,n的最低位的1被消除了,然後與n位與,n變成最低位1置為0後的新整數,如:
0b101100 减一 0b101011 最低位的1消除,0b101100 & 0b101011 = 0b101000
如此循環多少次就有多少個1,時間複雜度也是O (n)
,但是這個n表示bit位元為1的個數,總體是要比上一個優一點的。
當我們以為這已經是最優的演算法了,事實卻並非如此
public static int bitCount(int i) { // HD, Figure 5-2 i = i - ((i >>> 1) & 0x55555555); i = (i & 0x33333333) + ((i >>> 2) & 0x33333333); i = (i + (i >>> 4)) & 0x0f0f0f0f; i = i + (i >>> 8); i = i + (i >>> 16); return i & 0x3f; }
最後,其實java的Integer類別已經提供了一個方法來統計bit位元(無符號右移,可以統計負數的),乍看之下,WTF?
原理:想像一下,當一列的1擺在我們人腦的面前,我們會怎麼數?一個一個數,第一個的演算法的原理。或兩個兩個地數?本方法就是如此實現的。如下圖:
二进制 十进制 1 0 1 1 1 1 1 1 1 1 10 11 11 11 11 01 10 10 10 10 1 2 2 2 2 \ / \ / \/ \/ 01 0100 0100 1 4 4 \ / \ / 01 1000 1 8 \ / \ / 1001 9 767的二进制中的1的位数计算过程
每兩位bit為一組,分別統計有幾個1,然後把結果存到這兩個bit位上,如:11
有2個1 ,結果為10
,10
取代11
的儲存到原始位置。然後進行加法計算,把所有的結果加起來。加的過程中呢又可以兩兩相加,減少計算流程。
兩個bit計算1的數量:0b11: 0b01 0b01 = 0b10 = 2
, 0b10: 0b01 0b00 = 0b01 = 1
,這樣就清楚了。
演算法實作如下:
先整數i抹除左一位:i & 0x55555555
,然後錯位相加。 (i >>> 1) & 0x55555555
表示:左位移到右邊,再把左位抹除,這樣就可以計算兩個bit位上1的個數了: 0b1011=>0b0001 0b0101 = 0b0110
左兩位有1個1,右兩位有2個1。
這時i
中儲存了每兩位的統計結果,可以進行兩兩相加,最後求和。
過程:
0x55555555 0b01010101010101010101010101010101 0x33333333 0b00110011001100110011001100110011 0x0f0f0f0f 0b00001111000011110000111100001111 0x00ff00ff 0b00000000111111110000000011111111 0x0000ffff 0b00000000000000001111111111111111 0x3f 0b00111111 0b11 11 11 11 11 (i & 0x55555555) + ((i >>> 1) & 0x55555555) = 0b0101010101 + 0b0101010101 = 0b1010101010 0b10 10 10 10 10 (i & 0x33333333) + ((i >>> 2) & 0x33333333) = 0b1000100010 + 0b00100010 = 0b1001000100 0b10 01 00 01 00 (i & 0x0f0f0f0f) + ((i >>> 4) & 0x0f0f0f0f) = 0b1000000100 + 0b0100 = 0b1000001000 0b10 00 00 10 00 (i & 0x00ff00ff) + ((i >>> 8) & 0x00ff00ff) = 0b1000 + 0b10 = 0b1010 0b00 00 00 10 10 (i & 0x0000ffff) + ((i >>> 16) & 0x0000ffff) = 0b1010 + 0 = 0b1010 dec 10
演算法原型:
public static int bitCount(int i) { i = (i & 0x55555555) + ((i >>> 1) & 0x55555555); i = (i & 0x33333333) + ((i >>> 2) & 0x33333333); i = (i & 0x0f0f0f0f) + ((i >>> 4) & 0x0f0f0f0f); i = (i & 0x00ff00ff) + ((i >>> 8) & 0x00ff00ff); i = (i & 0x0000ffff) + ((i >>> 16) & 0x0000ffff); return i; }
時間複雜度O(1),可以,很ok了!但是寫文章都要潤飾下的,別說演算法了,然後優化過後的就是Integer中的實作了。
優化:
第一步:兩個bit計算1的數量:0b11: 0b01 0b01 = 0b10 = 2
, 0b10: 0b00 0b01 = 0b01 = 1
。研究發現:2=0b11-0b1
,1=0b10-0b1
,可以減少一次位於計算:i = i - ((i >>> 1 ) & 0x55555555)
第二步:暫時沒有好的最佳化方法
&運算:
i = (i (i >> > 4)) & 0x0f0f0f0f
i & 0x3f
7 0b111 i = 7 - ((7>>>1) & 0x55555555) = 6 = 0b110 i = (6 & 0x33333333) + ((6 >>> 2) & 0x33333333) = 2 + 1 = 3 = 0b11 i = (3 + (i >>> 4)) & 0x0f0f0f0f = 3 & 0x0f0f0f0f = 3 = 0b11 i = 3 + (3 >>> 8) = 3 = 0b11 i = 3 + (3 >>> 16) = 3 = 0b11 i = 3 & 0x3f = 3相關文章:
以上是java原始碼Integer.bitCount演算法原型與流程解析(附程式碼)的詳細內容。更多資訊請關注PHP中文網其他相關文章!