博客
关于我
1545 找出第 N 个二进制字符串中的第 K 位(递归)
阅读量:373 次
发布时间:2019-03-04

本文共 961 字,大约阅读时间需要 3 分钟。

为了解决这个问题,我们需要根据给定的规则生成二进制字符串 Sn,并找到第 k 位的字符。这个问题可以通过递归和镜像方法高效地解决,而无需生成整个字符串。

方法思路

  • 问题分析:

    • 我们生成二进制字符串的规则是:S1 = "0",对于 i > 1,Si = Si-1 + "1" + reverse(invert(Si-1))。
    • 我们需要找到第 k 位的字符,可以是 0 或 1。
  • 关键思路:

    • 中间位置 mid = 1 << (n-1)。如果 k 等于 mid,直接返回 "1"。
    • 如果 k 小于 mid,递归查找前面的字符串。
    • 如果 k 大于 mid,使用镜像方法找到对应的位置,并取反返回结果。
  • 递归方法:

    • 当 k 大于 mid 时,计算左边对应的位置,递归查找并取反结果。
  • 解决代码

    class Solution:    def check(self, c: str):        return "1" if c == "0" else "0"        def findKthBit(self, n: int, k: int) -> str:        if n == 1:            return "0"        mid = 1 << (n - 1)        if k == mid:            return "1"        elif k < mid:            return self.findKthBit(n - 1, k)        else:            pos = (1 << n) - k            return self.check(self.findKthBit(n - 1, pos))

    代码解释

    • check 方法:用于取反字符,0 变为 1,1 变为 0。
    • findKthBit 方法:递归查找第 k 位的字符。
      • 当 n 为 1 时,返回 "0"。
      • 计算中间位置 mid,如果 k 等于 mid,返回 "1"。
      • 如果 k 小于 mid,递归查找前面的字符串。
      • 如果 k 大于 mid,计算对应的左边位置,并递归查找并取反结果。

    这种方法高效且递归,最好时间复杂度为 O(log n),适用于给定的约束条件。

    转载地址:http://vmgr.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
    查看>>
    OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
    查看>>
    OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
    查看>>
    OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLO-World做目标检测
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
    查看>>