1.题目描述
2.核心代码
方法一:内置位计数功能
思路及算法
大多数编程语言都内置了计算二进制表达中 11 的数量的函数。在工程中,我们应该直接使用内置函数。
class Solution {
public int hammingDistance(int x, int y) {
return Integer.bitCount(x ^ y);
}
}
方法一:内置位计数功能
思路及算法
大多数编程语言都内置了计算二进制表达中 11 的数量的函数。在工程中,我们应该直接使用内置函数。
具体地,记 s =x⊕y,我们可以不断地检查 ss 的最低位,如果最低位为 11,那么令计数器加一,然后我们令 ss 整体右移一位,这样 ss 的最低位将被舍去,原本的次低位就变成了新的最低位。我们重复这个过程直到 s=0s=0 为止。这样计数器中就累计了 ss 的二进制表示中 11 的数量。
class Solution {
public int hammingDistance(int x, int y) {
int s = x ^ y, ret = 0;
while (s != 0) {
ret += s & 1;
s >>= 1;
}
return ret;
}
}
方法三:Brian Kernighan 算法
思路及算法
在方法二中,对于 s=(10001100)2 的情况,我们需要循环右移 88 次才能得到答案。而实际上如果我们可以跳过两个 11 之间的 00,直接对 11 进行计数,那么就只需要循环 33 次即可。
我们可以使用 Brian Kernighan 算法进行优化,具体地,该算法可以被描述为这样一个结论:记 f(x)f(x) 表示 xx 和 x-1x−1 进行与运算所得的结果(即 f(x)=x & (x−1)),那么 f(x)f(x) 恰为 xx 删去其二进制表示中最右侧的 11 的结果。
基于该算法,当我们计算出 s = x⊕y,只需要不断让 s = f(s)s=f(s),直到 s=0s=0 即可。这样每循环一次,ss 都会删去其二进制表示中最右侧的 11,最终循环的次数即为 ss 的二进制表示中 11 的数量。
class Solution {
public int hammingDistance(int x, int y) {
int s = x ^ y, ret = 0;
while (s != 0) {
s &= s - 1;
ret++;
}
return ret;
}
}
3.测试代码
class Solution {
public int hammingDistance(int x, int y) {
return Integer.bitCount(x ^ y);
}
}
// @solution-sync:end
class Main {
public static void main(String[] args) {
int x = 1;
int y = 4;
int result = new Solution().hammingDistance(x, y);
System.out.println(result);
}
}