Day48:不用加减乘除做加法
剑指Offer_编程题——不用加减乘除做加法
题目描述:
写一个函数,求两个整数之和,要求在函数体内不得使用+、-、*、/四则运算符号
具体要求:
时间限制: C/C++ 1秒,其他语言2秒 空间限制: C/C++32M,其他语言64M
具体实现
1、背景知识介绍: (1)、java中的位运算 计算机中是这样定义位运算的,计算机在底层使用的是二进制补码进行运算。对应的二进制位进行操作,计算机只识别0和1。使用位运算的优点在于:巧妙的使用位运算可以大量减少运行开销,优化算法。 Java中支持的七个运算符为:&:与运算符、|:或运算符、~:非运算符、 ^:异或运算符、>>:右移运算符、<<:左移运算符以及>>>:无符号右移运算符。在Java中位移操作:(只针对int类型的有效,Java中,一个int的长度始终是32位,也就是4个字节,它操作的都是该整数的二进制数).也可作用于以下类型,即 byte,short,char,long(它们都是整数形式)。当为这四种类型时,JVM先把它们转换成int型再进行操作。我们在上一篇文章中介绍了位运算的基本操作。比如说:1、与(&)运算符,两个都为1时才为1,其他情况均为0; 具体操作我们以-5&4为例:首先我们先将-5和4转化为二进制的形式: -5的二进制形式为:11111111 11111111 11111111 11111011 4的二进制形式为:00000000 00000000 00000000 00000100 进行逻辑运算后为:00000000 00000000 00000000 00000000 转换为十进制为:0 2、或(|)运算符,两个都为0时才为0,其他情况均为1 3、非(~)运算符,取反,即1变为0,0变为1 4、异或(^)运算符,相同值为0,不同值为1 5、右移(>>)运算符,m>>n,把m的二进制数右移n位,m为正数,高位全部补0,m为负数,高位全部补1 。由于右移和左移是比较经常用的,也对于初学者来说比较难,所以我们可以详细的介绍其运算法则以及相应的注意事项。首先我们举个例子来说明其法则。我们以5>>2为例:还是将5转化为二进制,结果如下: 5的二进制形式为:00000000 00000000 00000000 00000101 进行逻辑运算后为(右移两位):00000000 00000000 00000000 00000001 转换为十进制为:1 这里需要我们注意的是:java中由于每种数据类型都有一定的范围,因此会存在溢出的情况,在右移的时候,我们的考虑这个问题。 在数字没有溢出的情况下:m>>n相当于m除以2的n次方,得到的数为整数时,即为结果,得到的数为负数时,根据m的有值两种情况: ①:m为正数时,得到的商会舍弃小数位 ②:m为负数时,得到的商会舍弃小数位,然后把整数部分+1得到结果。 我们以5>>4为例将情况进行说明,首先我们对其进行二进制转换: 5的二进制形式为:00000000 00000000 00000000 00000101 进行逻辑运算后为(右移四位):00000000 00000000 00000000 00000000 转换为十进制为:0 这个案例需要我们之一的是:在这个案例中,我们舍弃了小数点后面的。 6、根据上面的右移,左移和右移差不多。唯一的区别在于一个是做乘法,一个是做除法运算。具体运算法则为:m<<n,把m的二进制数左移n位,高位超出n位都舍弃,低位补0(此时可能出现正数变负数)。 注意:在数字没有溢出的情况下,对于整数和负数,m<<n相当于m乘以2的n次方。 7、无符号右移(>>>)运算符,m>>>n,整数m表示的二进制右移n位,不论正负数,高位都补0 总之,位运算快的原因是直接跟计算机的底层二进制机器操作指令,而我们的程序代码运算最终也是由JVM转换成计算机可执行的二进制操作指令,位运算省略了中间转换的操作,处理器直接操作所以更快。 (2)、Python位运算的结果判定方法 因为Python整数没有溢出,但是正负数的区分还需要标志位,正数为0,负数为 1,所以Python中正负数都有隐藏的额外标志位,位运算过程中标志位也参与运算,因为电脑位运算本身是不区分正负的,只是靠读取规则区分,首位为0 是正数,首位为1 是负数的补码,一个正数存储的时候 不论多大 最高位 前面会留一个符号位 0,而取反的时候 符号位也被取反,正数取反的结果是一个负数的补码。位运算时负数按补码进入计算,正数直接原码计算,那么怎么判定位运算结算结果的正负呢?如果位运算结果的最高位为1 则判定 这是一个负数的补码,否则判定这是一个正数,负数与任何数的位或运算结果都为负数,因为符号位 在或运算结果中始终为 1。 1.程序中 (num1^num2) & 0xFFFFFFFF,((num1&num2)<<1) & 0xFFFFFFFF,&0xFFFFFFFF的意义是产生溢出效果,副作用是 负数的标志位 1 也被置零。具体运算过程如下:
2.1+1的运算实例
3. ( -1) + (-1) 的运算实例
4.最后return中的操作意义,如果num1小于0x7FFFFFFF说明num1是正数,num1大于0x7FFFFFFF,说明num1应该是个负数,但是前面的&操作将负数的标志1位也置0了,我们需要一步操作,把标志位找回来,先和0xFFFFFFFF位或,再取反找回标志位变成原来的值。这样就是一个负数的补码了~(num1^0xFFFFFFFF)。
思路一: 根据上面我们介绍的相关位运算的相关知识,我们可以将两个数的和转化为两数异或与两数按位与左移一位的和,这可以用过迭代来实现。具体我们用java实现如下:
public class Solution{
public int Add(int num1, int num2){
if(num2 == 0)
return num1;
if(num1 == 0)
return num2;
return Add((num1&num2)<<1, num1^num2);
}
}
代码效果图如图所示:
延伸上面的思路,既然可以有迭代,那就一定有费迭代的方法,和接下来我们可以用java来实现非迭代的方法:
public class Solution{
public int Add(int num1, int num2){
while(num2 != 0){
int sum = num1^num2;
num2 = (num2&num1)<<1;
num1 = sum;
}
return num1;
}
}
代码效果图如图所示:
思路二: 由于python整数的左移操作不会溢出,所以不能像Java、C++那样解答。具体实现如下:
class Solution:
def Add(self, num1, num2):
while(num2):
num1, num2 = (num1^num2) & 0xFFFFFFFF,((num1 & num2)<<1)& 0xFFFFFFFF
return num1 if num1 <= 0x7FFFFFFF else ~(num1^0xFFFFFFFF)
代码效果图如图所示:
这里需要我们注意的是:python的左移不会导致溢出,CPU计算是用补码计算,正数的补码、反码都和本身相同,负数的[-1](1000 0000 0000 0001)符号位不变,其他位按位取反[-1的反码](1111 1111 1111 1110),负数的补码[-1的补码](1111 1111 1111 1111)是它的反码末位加1 ,& 0xFFFFFFFF与的这个操作是为了限制位数在32位之内,因为高于32位的部分‘& 0xFFFFFFFF’在与的操作之后都被置零了,这样相当于产生了溢出效果。高于& 0xFFFFFFFF最高位的前面都是0 网上有一些错误的解法,尽管牛客网可以编译通过,但是很明显是不符合题目要求,因为题目的要求是不能出现=-*/在代码中,只要出现了就是违规的。以下是其中的一种。
class Solution:
def Add(self, num1, num2):
while num2 != 0:
temp = num1 ^ num2
num2 = (num1 & num2) << 1
num1 = temp & 0xFFFFFFFF
return num1 if num1 >> 31 == 0 else num1 - 4294967296
# 在这里很明显用到了-运算符,因此不符合题意要求,但是代码却可以通过。
代码效果图如图所示:
补充
迭代 VS. 递归 我们在此前用了很多递归,本次代码却用到的是迭代,迭代与递归形式上虽然差不多,但是有着本质的区别。接下来我们来看一下其差异。 典型的案例就是:斐波那契数列、阶乘 n! = n * (n-1) * (n-2) * …* 1(n>0)、汉诺塔问题等。其实递归就是自己调用自己。构成递归需具备的条件:子问题须与原始问题为同样的事,且更为简单; 、不能无限制地调用本身,须有个出口,化简为非递归状况处理。 迭代法也称辗转法,是一种不断用变量的旧值递推新值的过程,跟迭代法相对应的是直接法(或者称为一次解法),即一次性解决问题。 二者的区别在于:从概念上讲,递归就是指程序调用自身的编程思想,即一个函数调用本身;迭代是利用已知的变量值,根据递推公式不断演进得到变量新值得编程思想。简单地说,递归是重复调用函数自身实现循环。迭代是函数内某段代码实现循环,而迭代与普通循环的区别是:循环代码中参与运算的变量同时是保存结果的变量,当前保存的结果作为下一次循环计算的初始值。 当然我们也发现其实无论是迭代还是递归,都本质上是一种循环。那么二者和普通的for、while循环又有何区别呢?迭代时,循环代码中参与运算的变量同时是保存结果的变量,当前保存的结果作为下一次循环计算的初始值。循环是有去无回,而递归则是有去有回(因为存在终止条件)。并且,在循环的次数较大的时候,迭代的效率明显高于递归。这就是他们之间的区别,希望可以帮到大家。
总结
其实本道题与上一道题的本意是差不多,都是以数学为背景考察大家对二进制转化以及位运算的掌握情况。本题,我们首先给大家介绍了在python和java中位运算的计算,并且通过迭代与非迭代的方式将其实现。另外本文还给出了网上一些不合题意但是可以通过执行的代码。题目明确要求不能用±*/符号,那么我们就不可以在代码中出现这些符号,尽管牛客网可以通过,但也是不符合题意要求的。因此,我们在做题的时候,应该多次尝试各种方法,扩展自己的思维,写出优质的代码。总之,我们要继续加油,争取早日找到工作,Good Luck!!!
参考文献
[1] Sue12347 [2] s1314p [3] Java中的位运算 [4] 迭代和递归的理解和区别
- Android解析ClassLoader(二)Android中的ClassLoader
- 近期开发中遇到的问题总结
- Apache Spark中的决策树
- 数据结构是哈希表(hashTable)
- 【翻译】在Visual Studio中使用Asp.Net Core MVC创建你的第一个Web API应用(一)
- 基于JQuery EasyUI的WebMVC控件封装(含源码)
- Android系统源码分析-JNI
- EntityFrameWork实现部分字段获取和修改(含源码)
- 基于Ado.Net的日志组件
- Do you kown Asp.Net Core -- 配置Kestrel端口
- 【翻译】在Visual Studio中使用Asp.Net Core MVC创建第一个Web Api应用(二)
- 微信快速开发框架(一)-- 对微信公众平台开发的消息处理
- 微信快速开发框架(二) -- 快速开发微信公众平台框架---简介
- LayoutInflater 布局渲染工具原理分析
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法
- R语言中自编基尼系数的CART回归决策树的实现
- ArrayList的删除姿势你都掌握了吗
- sas神经网络:构建人工神经网络模型来识别垃圾邮件
- R语言多分类logistic逻辑回归模型在混合分布模拟单个风险损失值评估的应用
- 10分钟带你入门git到github
- 微服务[学成在线] day18:基于oauth2实现RBAC认证授权、微服务间认证实现
- 【TBase开源版测评】分布式事务全局一致性
- R语言进阶之主成分分析
- 二胖写参数校验的坎坷之路
- 图像倾斜校正算法的MATLAB实现:图像倾斜角检测及校正
- R语言时间序列数据指数平滑法分析交互式动态可视化
- R语言进阶之图形的合并
- R语言广义线性模型索赔频率预测:过度分散、风险暴露数和树状图可视化
- 还在使用Future轮询获取结果吗?CompletionService快来了解下。
- R语言通过伽玛与对数正态分布假设下的广义线性模型对大额索赔进行评估预测