别人家的面试题：统计“1”的个数
小胡子哥@Barret李靖 给我推荐了一个写算法刷题的地方 leetcode.com ，没有 ACM 那么难，但题目很有趣。而且据说这些题目都来源于一些公司的面试题。好吧，解解别人公司的面试题其实很好玩，既能整理思路锻炼能力，又不用担心漏题 ╮(╯▽╰)╭。
长话短说，让我们来看 一道题 ：
统计“1”的个数
给定一个非负整数 num，对于任意 i，0 ≤ i ≤ num，计算 i 的值对应的二进制数中 “1” 的个数，将这些结果返回为一个数组。
例如：
当 num = 5 时，返回值为 [0,1,1,2,1,2]。
/** * @param {number} num * @return {number[]} */ var countBits = function(num) { //在此处实现代码 }; 解题思路
这道题咋一看还挺简单的，无非是：
- 实现一个方法
countBit，对任意非负整数 n，计算它的二进制数中“1”的个数 - 循环 i 从 0 到 num，求
countBit(i)，将值放在数组中返回。
JavaScript中，计算 countBit 可以取巧：
function countBit(n){ return n.toString(2).replace(/0/g,"").length; } 上面的代码里，我们直接对 n 用 toString(2) 转成二进制表示的字符串，然后去掉其中的0，剩下的就是“1”的个数。
然后，我们写一下完整的程序：
版本1
function countBit(n){ return n.toString(2).replace(/0/g,"").length; } function countBits(nums){ var ret = []; for(var i = 0; i <= nums; i++){ ret.push(countBit(i)); } return ret; } 上面这种写法十分讨巧，好处是 countBit 利用 JavaScript 语言特性实现得十分简洁，坏处是如果将来要将它改写成其他语言的版本，就有可能懵B了，它不是很通用，而且它的性能还取决于 Number.prototype.toString(2) 和 String.prototype.replace 的实现。
所以为了追求更好的写法，我们有必要考虑一下 countBit 的通用实现法。
我们说，求一个整数的二进制表示中 “1” 的个数，最普通的当然是一个 O(logN) 的方法：
function countBit(n){ var ret = 0; while(n > 0){ ret += n & 1; n >>= 1; } return ret; } 所以我们有了 版本2
这么实现也很简洁不是吗？但是这么实现是否最优？建议此处思考10秒钟再往下看。
更快的 countBit
上一个版本的 countBit 的时间复杂度已经是 O(logN) 了，难道还可以更快吗？当然是可以的，我们不需要去判断每一位是不是“1”，也能知道 n 的二进制中有几个“1”。
有一个诀窍，是基于以下一个定律：
- 对于任意 n， n ≥ 1，有如下等式成立：
countBit(n & (n - 1)) === countBit(n) - 1 这个很容易理解，大家只要想一下，对于任意 n，n - 1 的二进制数表示正好是 n 的二进制数的最末一个“1”退位，因此 n & n - 1 正好将 n 的最末一位“1”消去，例如：
-
6的二进制数是 110， 5 = 6 - 1 的二进制数是 101，
6 & 5的二进制数是110 & 101 == 100 -
88的二进制数是 1011000， 87 = 88 - 1 的二进制数是 1010111，
88 & 87 的二进制数是 1011000 & 1010111 == 1010000
于是，我们有了一个更快的算法：
版本3
function countBit(n){ var ret = 0; while(n > 0){ ret++; n &= n - 1; } return ret; } function countBits(nums){ var ret = []; for(var i = 0; i <= nums; i++){ ret.push(countBit(i)); } return ret; } 上面的 countBit(88) 只循环 3 次，而“版本2”的 countBit(88) 却需要循环 7 次。
优化到了这个程度，是不是一切都结束了呢？从算法上来说似乎已经是极致了？真的吗？再给大家 30 秒时间思考一下，然后再往下看。
countBits 的时间复杂度
考虑 countBits ， 上面的算法：
- “版本1” 的时间复杂度是 O(N*M)，M 取决于 Number.prototype.toString 和 String.prototype.replace 的复杂度。
- “版本2” 的时间复杂度是 O(N*logN)
- “版本3” 的时间复杂度是 O(N*M)，M 是 N 的二进制数中的“1”的个数，介于 1 ~ logN 之间。
上面三个版本的 countBits 的时间复杂度都大于 O(N)。那么有没有时间复杂度 O(N) 的算法呢？
实际上，“版本3”已经为我们提示了答案，答案就在上面的那个定律里，我把那个等式再写一遍：
countBit(n & (n - 1)) === countBit(n) - 1 也就是说，如果我们知道了 countBit(n & (n - 1)) ，那么我们也就知道了 countBit(n) ！
而我们知道 countBit(0) 的值是 0，于是，我们可以很简单的递推：
版本4
function countBits(nums){ var ret = [0]; for(var i = 1; i <= nums; i++){ ret.push(ret[i & i - 1] + 1); } return ret; } 原来就这么简单，你想到了吗 ╮(╯▽╰)╭
以上就是所有的内容，简单的题目思考起来很有意思吧？程序员就应该追求完美的算法，不是吗？
这是 leetcode 算法面试题系列的第一期，下一期我们讨论 另外一道题 ，这道题也很有趣： 判断一个非负整数是否是 4 的整数次方 ，别告诉我你用循环，想想更巧妙的办法吧~
正文到此结束
热门推荐
相关文章
近期评论
-
666
-
文章和留言都翻到11页了 没有OOM
-
-
朋友，翻页到11页，及以后，会出现OOM，无法访问
-
-
-
-
版本号是多少，你可以下载哪个代码仓库，jdk选1.8 直接跑就行
-
-
Loading...
![[HBLOG]公众号](https://www.liuhaihua.cn/img/qrcode_gzh.jpg)
