博客
关于我
左神算法班笔记——异或
阅读量:279 次
发布时间:2019-03-01

本文共 1065 字,大约阅读时间需要 3 分钟。

异或应用于数组奇数次数字问题

异或运算在计算机科学中具有独特的性质,常用于解决一些巧妙的算法问题。本文将探讨如何利用异或运算来解决数组中数字出现次数奇偶性的问题。

问题一:找出出现奇数次的数字

问题描述:在一个数组中,恰好有一个数字出现了奇数次,其余数字都出现了偶数次。要求找出这个出现奇数次的数字。

解题思路

  • 异或运算的性质:相同的数字异或偶数次结果为0,奇数次结果为数字本身。
  • 因此,将所有数组中的数字依次异或,结果即为出现奇数次的数字。

代码实现

public static void printOddTimeNum1(int[] arr) {    int eor = 0;    for (int cur : arr) {        eor ^= cur;    }    System.out.println(eor);}

问题二:找出出现奇数次的两个数字

问题描述:在一个数组中,恰好有两个数字各出现了奇数次,其余数字都出现了偶数次。要求找出这两个数字。

解题思路

  • 计算所有数字的异或结果(记为eor),由于两个数字出现奇数次,eor将等于这两个数字的异或结果。
  • 找到eor的最低设置位(LSB),将数组中的数字按照该位是否为1分为两组。
  • 分别计算每组的异或结果,分别得到两个数字。
  • 代码实现

    public static void printOddTimeNum2(int[] arr) {    int eor = 0;    for (int cur : arr) {        eor ^= cur;    }    int rightOne = eor & (~eor + 1);    int onlyOne = 0;    for (int cur : arr) {        if ((cur & rightOne) == 0) {            onlyOne ^= cur;        }    }    System.out.println("两个奇数次数字:" + onlyOne + " 和 " + (onlyOne ^ eor));}

    代码解析

    • 计算异或结果(eor:将所有数字异或,得到异或结果。
    • 确定最低设置位(rightOne:通过 ~eor + 1 操作,找到eor的最低设置位。
    • 分组异或:根据rightOne位是否为1,将数组分为两组,分别计算异或结果,得到两个数字。

    通过以上方法,我们可以高效地解决这些问题,利用异或的性质简化了计算过程。

    转载地址:http://icsa.baihongyu.com/

    你可能感兴趣的文章
    Pandas - 按列分组并将数据转换为 numpy 数组
    查看>>
    Pandas - 按日期对日内时间序列进行分组
    查看>>
    Pandas - 有条件的删除重复项
    查看>>
    pandas -按连续日期时间段分组
    查看>>
    pandas -更改重新采样的时间序列的开始和结束日期
    查看>>
    SpringBoot+Vue+Redis前后端分离家具商城平台系统(源码+论文初稿直接运行《精品毕设》)15主要设计:用户登录、注册、商城分类、商品浏览、查看、购物车、订单、支付、以及后台的管理
    查看>>
    pandas :to_excel() float_format
    查看>>
    pandas :从数据透视表中的另一列中减去一列
    查看>>
    pandas :加入有条件的数据框
    查看>>
    pandas :将多列汇总为一列,没有最后一列
    查看>>
    pandas :将时间戳转换为 datetime.date
    查看>>
    pandas :将行取消堆叠到新列中
    查看>>
    pandas :设置编号.最大行数
    查看>>
    pandas DataFrame 中的自定义浮点格式
    查看>>
    Pandas DataFrame 的 describe()方法详解-ChatGPT4o作答
    查看>>
    Pandas DataFrame中删除列级的方法链接解决方案
    查看>>
    Pandas DataFrame中的列从浮点数输出到货币(负值)
    查看>>
    Pandas DataFrame中的列从浮点数输出到货币(负值)
    查看>>
    Pandas DataFrame多索引透视表-删除空头和轴行
    查看>>