/** 方法一:直接计算异或后 1的个数 * @param {number} x * @param {number} y * @return {number} */ var hammingDistance = function(x, y) { return (x^y).toString(2).split(1).length-1; // return eval( (x^y).toString(2).split('').join('+') ); }; let x = 1, y = 16 console.log(x,y, hammingDistance(x,y)) /** 方法二:移位实现位计数 * @param {number} x * @param {number} y * @return {number} */ var hammingDistance = function(x, y) { let count = 0; let s = x^y; while(s!=0){ count +=s&1; s>>=1; } return count; }; x = 1, y = 16 console.log(x,y, hammingDistance(x,y)) /** 方法三:Brian Kernighan 算法 * @param {number} x * @param {number} y * @return {number} */ var hammingDistance = function(x, y) { let count = 0; let s = x^y; while(s!=0){ s &=s-1; count++; } return count; }; x = 1, y = 16 console.log(x,y, hammingDistance(x,y))
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 8 次才能得到答案。而实际上如果我们可以跳过两个 1 之间的 0,直接对 1 进行计数,那么就只需要循环 3 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 x 和 x−1 进行与运算所得的结果(即 f(x)=x & (x−1)),那么 f(x) 恰为 x 删去其二进制表示中最右侧的 1 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),直到 s=0 即可。这样每循环一次,s 都会删去其二进制表示中最右侧的 1,最终循环的次数即为 s 的二进制表示中 1 的数量。
注意:
0 ≤ x, y < 231. 示例: 输入: x = 1, y = 4 输出: 2 解释: 1 (0 0 0 1) 4 (0 1 0 0) ↑ ↑ 上面的箭头指出了对应二进制位不同的位置