首页 > 编程语言 >01-位运算、算法

01-位运算、算法

时间:2024-03-14 20:57:50浏览次数:26  
标签:arr 01 运算 int 复杂度 eax 算法 时间

题目:打印int类型整数的32位信息

1与任何二进制的与运算:同1为1,有0为0;可以让整数每一位和1做与运算,按位输出结果

这是循环的操作,并且应该从最高位 32位按位输出,也就是最开始1应该左移31位,接下来左移30位

public class Code01_PrintBinary {  
	public static void printBinary(int num){  
		for (int i = 31; i >= 0; i--) {  
		System.out.print((num & (1 << i)) == 0 ? "0" : "1");  
		}  
		System.out.println();  
	}  
	  
	  
	public static void main(String[] args) {  
		int num = 2147483647;  
		printBinary(num);  
	}  
}

一个数字左移一位,就是这个数字乘了2

int类型是32位,如果是无符号整型的表示范围是0 ~ 2^32 - 1 , 但是为了表示负数,实际的范围是
-2^31 ~ 2^31 - 1,0归属在了非负区域,所以正数比负数少了一个

右移

右移分为 带符号右移 和 无符号右移

  • 带符号右移 >>
printBinary(-1024 >> 1); //11111111111111111111111000000000

右移一位,左边用符号位补齐

  • 无符号右移 >>>
printBinary(-1024 >>> 1); //01111111111111111111111000000000

右移一位,左边用0补齐

题目:计算一个数的相反数

正数 按位取反 加1 就得到了这个数对应的负数

int c = 5;
int d = -c; //相反数
d = (~c + 1); //相反数
/**
5 的二进制 :  00000000000000000000000000000101
~ 取反:       11111111111111111111111111111010
+1 :         11111111111111111111111111111011
*/

这样设计的好处是,底层对于两个数的加法都可以通过一套逻辑实现

任何正数的相反数都有负数对应,负数最小值取相反数是哪个数对应呢?

System.out.println(~Integer.MIN_VALUE + 1);//-2147483648

负数最小值是 10000000000000000000000000000000
取反 01111111111111111111111111111111
+1 10000000000000000000000000000000

算法

算法是对一个问题的具体流程,并且具有评价处理流程的可量化指标

算法分为两类:

  1. 知道怎么算的算法
  2. 知道怎么试的算法

题目:给定一个参数N,计算1! + 2! + 3! + ... + N!

算法1:每个阶乘都计算再相加

算法2:2! 就是 1! * 2 ,3! 就是 2! * 3 ,4! 就是 3! * 4

常数操作

常数操作即固定时间的操作,加减乘除的操作都是固定时间的操作,1 + 1和 10000 + 10000 的执行时间应该是相同的,底层都是32位二进制的加法操作;数组寻址操作也是固定时间的操作。

  1. 算术运算
  2. 位运算
  3. 赋值、比较、自增自减
  4. 数组寻址

对于打印链表的操作来说:

查看该节点是否为空 O(1)
打印 O(1)
寻址下一节点 O(1)

遍历N次,总的时间复杂度就是O(N)

但是如果代码这样写:

for(int i = 0; i < list.size(); i++){
	int num = list.get(i);
	syso(num);
}

get(i) 就是时间复杂度O(N)的操作,整个for循环就是O(N^2)的操作。

重点:对于使用的每一个API都要非常熟悉

时间复杂度

O(?) ,在数据量为N的样本中,执行完整个流程的常数操作的数量关系。

分析时间复杂度的前提:将算法流程中每一步分解为常数时间的操作

选择排序的步骤:

  1. a. N个数看一遍,找到最小值,常数操作:看N次,比较N次,共2N
    b. 最小值放在0位置,O(1) 一次交换
  2. a. 1 ~ (N - 1)看一次,找到最小值
    b. 最小值放在1位置,O(1)

第一次在N个数之间进行看 + 比较,第二次在N - 1个数之间进行看 + 比较

也可以这样估算:

第一次在N个数之间进行常数操作

第二次在N - 1个数之间进行常数操作

最后在2个数之间进行常数操作

等差数列求和得到结果的最高阶必定是O(n^2)

时间频度

一个算法花费的时间与算法中语句的执行次数成正比例,哪个算法中语句执行次数多,它花费的时间也越多。一个算法中的语句执行次数称为语句频度或时间频度,记为T(n)。

计算以下代码的时间频度T(n)

public void test(int n) {
	int sum = 0; 
	for(int i = 0; i < n; i++) { 
		sum += i;
	}
}

在时间频度T(n)中,n是问题的规模,当n不断变化时,时间频度T(n)也会不断变化。如果我们想知道时间频度的变化呈现什么规律,就引入了时间复杂度的概念。

时间复杂度的定义

一般情况下,算法中基本操作重复执行的次数是问题规模n的某个函数,用T(n)表示,若有某个辅助函数f(n),使得当n趋近于无穷大时,T(n)/f(n)的极限值为不等于零的常数,则称f(n)是T(n)的同量级函数。记作T(n)=O(f(n)),也称O(f(n))为算法的渐进时间复杂度,简称时间复杂度。

时间复杂度的计算步骤

  1. 计算基本操作的执行次数T(n)

在做算法分析时,一般默认考虑最坏的情况。

  1. 计算T(n)的数量级f(n)

求T(n)的数量级f(n),只需要将T(n)做两个操作:
(一)忽略常数项、低次幂项和最高次幂项的系数。
(二)f(n)=(T(n)的数量级)。例如,在T(n)=4n2+2n+2中,T(n)的数量级函数f(n)=n2。
计算T(n)的数量级f(n),我们只要保证T(n)中的最高次幂正确即可,可以忽略所有常数项、低次幂项和最高次幂的系数。这样能够简化算法分析,将注意力集中在最重要的一点上:增长率。

  1. 用大O表示时间复杂度

当n趋近于无穷大时,如果T(n)/f(n)的极限值为不等于零的常数,则称f(n)是T(n)的同数量级函数。记作T(n)=O(f(n))。例如,在T(n)=4n2+2n+2中,就有f(n)=n2,使得T(n)/f(n)的极限值为4,也就是得到时间复杂度为O(n^2)。
切记,时间频度不相同时,但是时间复杂度有可能相同,如T(n)=n2+3n+4与T(n)=4n2+2n+1它们的时间频度不同,但时间复杂度相同,都为O(n^2)。

常见的时间复杂度

常见的时间复杂度有:常数阶O(1),对数阶O(log2n),线性阶O(n),线性对数阶O(nlog2n),平方阶O(n2),立方阶O(n3),指数阶O(2^n)和阶乘阶O(n!)。

常数阶 O(1)

无论代码执行了多少行,只要没有循环等复杂结构,那这个代码的时间复杂度就都是O(1)。

int num1 = 3, num2 = 5;
int temp = num1;
num1 = num2;
num2 = temp;
System.out.println("num1:" + num1 + " num2:" + num2);

在上述代码中,没有循环等复杂结构,它消耗的时间并不随着某个变量的增长而增长,那么无论这类代码有多长,即使有几万几十万行,都可以用O(1)来表示它的时间复杂度。

对数阶 O(log2n)

O(log2n)指的就是:在循环中,每趟循环执行完毕后,循环变量都放大两倍。

int n = 1024;
for(int i = 1; i < n; i *= 2) {
	System.out.println("hello powernode");
}

推算过程:假设该循环的执行次数为x次(也就是i的取值为2x),就满足了循环的结束条件,即满足了2x等于n,通过数学公式转换后,即得到了x = log2n,也就是说最多循环log2n次以后,这个代码就结束了,因此这个代码的时间复杂度为:O(log2n) 。
同理,如果每趟循环执行完毕后,循环变量都放大3倍,那么时间复杂度就为:O(log3n) 。

线性阶 O(n)

int n = 100;
for(int i = 0; i < n; i++) {
	System.out.println("hello powernode");
}

在上述代码中,for循环会执行n趟,因此它消耗的时间是随着n的变化而变化的,因此这类代码都可以用O(n)来表示它的时间复杂度。

线性对数阶 O(nlog2n)

int n = 100;
for(int i = 1; i <= n; i++) {
	for(int j = 1; j <= n; j *= 2) {
	     System.out.println("hello powernode");
	}
}

线性对数阶O(nlog2n) 其实非常容易理解,将时间复杂度为O(log2n)的代码循环n遍的话,那么它的时间复杂度就是n* O(log2n),也就是了O(nlog2n)。

平方阶 O(n^2)

int n = 100;
for(int i = 1; i <= n; i++) {
	for(int j = 1; j <= n; j++) {
		System.out.println("hello powernode");
	}
}

外层i的循环执行一次,内层j的循环就要执行n次。因为外层执行n次,那么总的就需要执行n* n次,也就是需要执行n2次。因此这个代码的时间复杂度为:O(n2)。
平方阶的另外一个例子:

int n = 100;
for(int i = 1; i <= n; i++) {
	for(int j = i; j <= n; j++) {
		System.out.println("hello powernode");
	}
}

i=1的时候,内侧循环执行n次,当i=2的时候,内侧循环执行(n-1)次,......一直这样子下去就可以构造出一个等差数列:n+(n-1)+(n-2)+......+2+1 ≈ (n2)/2。根据大O表示法,去掉最高次幂的系数,就可以得到时间复杂度为:O(n2)。
同理,立方阶 O(n3),参考上面的O(n2)去理解,也就是需要用到3层循环。

指数阶O(2^n)和阶乘阶O(n!)

指数阶O(2n)指的就是:当n为10的时候,需要执行210次。
阶乘阶O(n!)指的就是:当n为10的时候,需要执行10* 9* 8...2*1次。

常见的时间复杂度耗时比较

算法的时间复杂度是衡量一个算法好坏的重要指标。一般情况下,随着规模n的增大,T(n)的增长较慢的算法为最优算法。
图片9.png
其中x轴代表n值,y轴代表T(n)值。T(n)值随着n的值的变化而变化,其中可以看出O(n!)和O(2n)随着n值的增大,它们的T(n)值上升幅度非常大,而O(logn)、O(n)、O(nlogn)、O(n2)随着n值的增大,T(n)值上升幅度相对较小。
常用的时间复杂度按照耗费的时间从小到大依次是:O(1) < O(logn) < O(n) < O(nlogn) < O(n^2) < O(n^3) < O(2^n) < O(n!)。

选择排序

public static void selectionSort(int[] arr){  
    if (arr == null || arr.length < 2){  
        return;  
    }  
  
    /**  
     * 0 ~ N - 1 找到最小值,放在第 0个位置上  
     * 1 ~ N - 1 找到最小值,放在第 1个位置上  
     * 2 ~ N - 1 找到最小值,放在第 2个位置上  
     * 第一个循环控制  
     */  
    for (int i = 0; i < arr.length; i++) {  
        int minIdx = i;  
        for (int j = i; j < arr.length; j++) {  
            /*从i开始,向后遍历找到最小值*/  
            minIdx = arr[j] < arr[minIdx] ? j : minIdx;  
        }  
        swap(arr, i, minIdx);  
    }  
}  
  
private static void swap(int[] arr, int i, int minIdx) {  
    int temp = arr[i];  
    arr[i] = arr[minIdx];  
    arr[minIdx] = temp;  
}

冒泡排序

N个数之间相邻两数谁大谁向右,直到2个数之间谁大谁往右,一共是O(N^2)

public static void bubbleSort(int[] arr){  
    if (arr == null || arr.length < 2){  
        return;  
    }  
    for (int i = arr.length - 1; i >= 0; i--) {  
        for (int j = 0; j < i; j++) {  
            if (arr[j] > arr[j + 1]){  
                swap(arr,j,j + 1);  
            }  
        }  
        System.out.println(Arrays.toString(arr));  
    }  
}  
  
private static void swap(int[] arr, int i, int minIdx) {  
    int temp = arr[i];  
    arr[i] = arr[minIdx];  
    arr[minIdx] = temp;  
}

插入排序

  1. 0 ~ 0 位置有序
  2. 0 ~ 1 位置有序
  3. 0 ~ 2 位置有序
  4. 0 ~ 3 位置有序
  5. 0 ~ N - 1 位置有序

如果0 - 2已经有序了,在对0 - 3进行排序的时候仅仅需要将2与3位置比较,如果需要交换在向前比较

如果在某一轮的第一次比较时不需要交换,这一轮都不需要交换了。

对于插入排序来说,似乎时间复杂度无法估计:

  • 对于有序的情况,是O(N)
  • 对于完全逆序的情况,是O(N^2)

如果一个流程是会随着样本集变化的,时间复杂度就是最坏的情况

public static void insertionSort(int[] arr){  
    if (arr == null || arr.length < 2){  
        return;  
    }  
    /**  
     * 0 - 0 有序  
     * 0 - 1 有序  
     * 0 - 2 有序  
     * 0 - 3 有序  
     * 0 - i 有序  
     * 0 - N-1 有序  
     */  
    for (int i = 1; i < arr.length; i++) {  
        //直到左边没有数 或者 左边的数小于右边的数 就停  
        for (int j = i - 1; j >= 0 && arr[j] > arr[j + 1]; j--){  
            swap(arr,j,j + 1);  
        }  
    }  
}  
  
private static void swap(int[] arr, int i, int minIdx) {  
    int temp = arr[i];  
    arr[i] = arr[minIdx];  
    arr[minIdx] = temp;  
}

与冒泡排序差距很大,样本集对冒泡排序的效率影响较低,都是N^2,即使在优良的数据状况下效率的改变也微乎其微(仅仅省略了交换);而插入排序在优良的时间复杂度下效率很好

额外的空间复杂度

用户的输入 和 用户期待的结果 都不算额外的空间,程序为了实现这个功能所使用的空间是额外空间。

如果用户输入一个数组,期待返回一个拷贝后的数组,那么正常情况下程序的额外空间复杂度就是O1

但如果在程序设计的过程中使用到了其他的数组或集合,额外空间复杂度就是ON

常数时间

如果在两个时间复杂度相同的算法中选择,就需要放弃理论,使用随机的大样本量进行比较

例如:+运算的效率没有^运算高,即便都是常数操作

最优解

完成题目要求的时间复杂度尽可能低,空间再尽可能去优化(但是不包含常数级优化)

常见时间复杂度排名

1
logN
N
N * logN
N^2
N^3
N^k
2^N
3^N
k^N
N!
k为常数

      int tmp;  
        tmp = a;  
        a = b;  
        b = tmp;

      movl        b, %eax    ;将b从内存载入到寄存器eax
        movl        a, %edx    ;将a从内存载入到寄存器edx
        movl        %eax, a    ;将eax的内容存入到内存a中
      xorl        %eax, %eax ;将eax清零
      movl        %edx, b    ;将edx的内容存入到内存b中

		a ^= b;  
        b ^= a;  
        a ^= b;

	movl        b, %eax       ;将b从内存载入寄存器eax
	movl        a, %ecx       ;将a从内存载入寄存器ecx
	movl        %eax, %edx    ;将eax的值保存到edx中
	xorl        %ecx, %edx    ;ecx与edx异或
	xorl        %edx, %eax    ;edx与eax异或
	xorl        %eax, %edx    ;eax与edx异或
	movl        %eax, b       ;将eax的值存入到内存b中
	xorl        %eax, %eax    ;将eax置0:设置返回值,与上例中一样
	movl        %edx, a       ;将edx的值存入到内存a中

标签:arr,01,运算,int,复杂度,eax,算法,时间
From: https://www.cnblogs.com/euneirophran/p/18073921

相关文章

  • 【力扣】分割等和子集(不太像01背包的01背包)
    题目描述分析出题人肯定是要尽量避免太直接的模版套用像这题一样,挖了很多坑。首先是题目很难让人第一时间联想到01背包这道题换一种描述方法就是找到一个子集,使子集的元素值总和刚好等于原集合之和的一半。也就是说是一个背包容量为sum/2的01背包问题另外,化解为这样之后你......
  • 代码随想录算法训练营第四十六天| 139.单词拆分 多重背包 背包问题总结篇!
    单词拆分 题目链接:139.单词拆分-力扣(LeetCode)思路:竟然真能转化为背包问题。classSolution{public:boolwordBreak(strings,vector<string>&wordDict){unordered_set<string>t(wordDict.begin(),wordDict.end());vector<bool>dp(s.size()+......
  • 力扣大厂热门面试算法题 27-29
            27.移除元素,28.找出字符串中第一个匹配项的下标,29.两数相除,每题做详细思路梳理,配套Python&Java双语代码,2024.03.14 可通过leetcode所有测试用例。目录27.移除元素解题思路完整代码PythonJava28.找出字符串中第一个匹配项的下标解题思路暴力匹......
  • 力扣大厂热门面试算法题 24-26
            24.两两交换链表中的节点,25.K个一组翻转链表,26.删除有序数组中的重复项,每题做详细思路梳理,配套Python&Java双语代码,2024.03.14 可通过leetcode所有测试用例。目录24.两两交换链表中的节点解题思路递归思路迭代思路完整代码PythonJava25.K个......
  • PHP-CGI远程1代码执行漏洞(CVE-2012-1823)
    影响版本php<5.3.12orphp<5.4.2测试环境cdphp/cve-2012-1823docker-composeup-d访问http://your-ip:8080/index.php?-s即爆出源码,说明漏洞存在。发送如下数据包,可见Body中的代码已被执行:POST/index.php?-d+allow_url_include%3don+-d+auto_prepend_file%3dphp%3a......
  • 洛谷 P3596 [POI2015] MOD 题解
    题意简述给定一棵树,求断掉一条边再连上一条边所得的新树直径最小值和最大值,以及相应方案(你可以不进行任何操作,即断掉并连上同一条边)。题目分析假设我们枚举断掉某一条边,得到了两棵树,并且知道它们的直径分别为\(d_0,d_1\),那么如何连接一条边让新树的直径最大/最小呢?最大:显......
  • 洛谷 P3261 [JLOI2015] 城池攻占 题解
    题目分析其他人要么倍增,要么左偏树,那我就来讲讲朴实无华的dfs序加上线段树的做法。首先发现题目中明确指出了作乘法的时候一定是乘上一个大于零的数,这是为什么呢?首先把可以占领当前城池的战斗力的不等式列出来:\[h_j\le\left\{\begin{array}{c}s_i\timesv_j&&{a_j=......
  • Coursera自然语言处理专项课程01:Natural Language Processing with Classification an
    NaturalLanguageProcessingwithClassificationandVectorSpacesCourseCertificate本文是NaturalLanguageProcessingwithClassificationandVectorSpaces这门课的学习笔记,仅供个人学习使用,如有侵权,请联系删除。文章目录NaturalLanguageProcessingwi......
  • 01了解操作系统
    硬件和软件们所熟知的计算机是由:硬件和软件所组成硬件计算机系统中由电子,机械和光电元件等组成的各种物理装置的总称软件软件是用户和计算机硬件之间的接口和桥梁,用户通过软件与计算机进行交流。而操作系统,就是软件的一类。操作系统操作系统是计算机软件的一种,它主要负......
  • CTF练习日记——[HCTF 2018]WarmUp 1
    一点进去就是一个大大的笑脸,暂时没有头绪,点开页面源码试试看发现了一个source.php,从这里入手试试呢能看到在source.php中有许多的if语句,猜测适用于验证过滤啥的,但看的不是太懂,一个个分析下先这里isset()验证变量是否声明,is_string判断是否是字符串,只要有一个不符合,就会输出......