这是谷歌最近的采访问题:
我们将f(X,Y)定义为二进制中不同对应位的数量 X和Y的表示。例如,f(2,7)= 2,因为二进制 2和7的表示分别是010和111。第一个和 第三位不同,所以f(2,7)= 2。
给出一组N个正整数,A1,A2,...,AN。求和 f(Ai,Aj)对于所有对(i,j),使得1≤i,j≤N
例如:
A = [1,3,5]
我们返回
f(1,1)+ f(1,3)+ f(1,5)+ f(3,1)+ f(3,3)+ f(3,5)+ f(5,1 )+ f(5,3)+ f(5,5)=
0 + 1 + 1 + 1 + 0 + 2 + 1 + 2 + 0 = 8
我能想到这个解决方案是O(n ^ 2)
ListViewItem{ }
我能想到的另一种方法是(考虑到每个元素只包含一个二进制数字):
int numSetBits(unsigned int A) {
int count = 0;
while(A != 0) {
A = A & (A-1);
count++;
}
return count;
}
int count_diff_bits(int a, int b)
{
int x = a ^ b;
return numSetBits(x);
}
for (i = 0; i < n; i++)
for (j = 0; j < n; j++) {
sum += count_diff_bits(A[i], A[j]);
}
}
这种方法是否正确。
答案 0 :(得分:15)
迭代数组,并计算每个位索引中“on”位的数量,例如 [1,3,5] :
0 0 1
0 1 1
1 0 1
-----
1 1 3
现在,对于每个位计数器,计算:
[位数] * [数组大小 - 位数] * 2
和所有位的总和......
以上示例:
3 * (3 - 3) * 2 = 0
1 * (3 - 1) * 2 = 4
1 * (3 - 1) * 2 = 4
total = 8
为了说明其工作原理,让我们使用一位来查看问题的一个子集。让我们看看如果我们有一个包含[1, 1, 0, 0, 1, 0, 1]
的数组会发生什么。我们的计数是4,大小是7.如果我们检查数组中所有位的第一位(包括self,如问题中所示),我们得到:
1 xor 1 = 0
1 xor 1 = 0
1 xor 0 = 1
1 xor 0 = 1
1 xor 1 = 0
1 xor 0 = 1
1 xor 1 = 0
可以看出,该位的贡献是“关闭”位的数量。任何其他“on”位也是如此。我们可以说每个“on”位都算作“off”位的数量:
[位数] * [数组大小 - 位数]
乘以2的位置来自哪里?好吧,因为我们对“off”位做同样的事情,除了对于这些,贡献是“on”位的数量:
[数组大小 - 位数] * [位数]
当然和上面一样,我们可以相乘......
复杂性是 O(n * k)其中 k 是位数(代码中为32)。
答案 1 :(得分:0)
#include <bits/stdc++.h>
#define MOD 1000000007ll
using namespace std;
typedef long long LL;
int solve(int arr[], int n) {
int ans = 0;
// traverse over all bits
for(int i = 0; i < 31; i++) {
// count number of elements with ith bit = 0
long long count = 0;
for(int j = 0; j < n; j++) if ( ( arr[j] & ( 1 << i ) ) ) count++;
// add to answer count * (n - count) * 2
ans += (count * ((LL)n - count) * 2ll) % MOD;
if(ans >= MOD) ans -= MOD;
}
return ans;
}
int main() {
int arr[] = {1, 3, 5};
int n = sizeof arr / sizeof arr[0];
cout << solve(arr, n) << endl;
return 0;
}