当前位置: 首页 > news >正文

☆ 异或和|倒数第二步

lc2505

遍历数组累加前缀和,不断将当前数和前缀和与结果做或运算

最终得到所有子序列和的或值

算所有子序列和的或值,只需看每个二进制位是否能被“激活”:子序列和的任意二进制位为1,必然对应

1.“单个元素”

2.或“某个前缀和”的该位为1(前缀和覆盖了所有长于1的子序列和的位贡献可能)

class Solution {

public:
long long subsequenceSumOr(vector<int>& nums) {
long long sumOr = 0, prefixSum = 0;
for (int num : nums) {
prefixSum += num;
sumOr |= num;
sumOr |= prefixSum;
}
return sumOr;
}
};

lc2083

class Solution {
typedef long long ll;
public:
long long numberOfSubstrings(string s) {
ll ret=0;
unordered_map<char,int> hash;
for(auto& c:s)
hash[c]++;
for(auto& [a,b]:hash)
{
ret+=b*(ll)(b+1)/2;
}
return ret;
}
};

lc1072

hash

把每行转化为“与首元素(基准)的异或模式串”

统计出现次数最多的模式,其次数就是可得到的最多相等行数

class Solution {

public:
int maxEqualRowsAfterFlips(vector<vector<int>> &matrix) {
int ans = 0, n = matrix[0].size();
unordered_map<string, int> cnt;
for (auto &row: matrix) {
string r(n, 0);
for (int j = 0; j < n; ++j)
r[j] = row[j] ^ row[0]; // 翻转第一个数为 1 的行
ans = max(ans, ++cnt[r]);
}
return ans;
}
};

喵喵优化

vector<bool> 替代字符串存模式(更省内存,因为 vector<bool> 是比特级存储)

加 move(t) 避免vector拷贝(直接转移内存所有权)

逻辑上通过“首元素为1时翻转整行”统一模式,统计重复最多的模式数——本质是把“可通过列翻转变成相同的行”归为同一类,次数最多的类就是答案。

class Solution {
public:
int maxEqualRowsAfterFlips(const vector<vector<int>>& matrix) {
unordered_map<vector<bool>, int> cnt;
int ans = 0;
for (const auto& e : matrix) {
vector<bool> t(e.begin(), e.end());
if (e[0]) t.flip();
ans = max(ans, ++cnt[move(t)]);
}
return ans;
}
};

lc2128

与行首异或

记录每行状态

微调 true即同模式

class Solution {

public:

bool removeOnes(vector<vector<int>>& grid)

{

int n = grid[0].size();

unordered_map<string, int> hash;

for (auto &row: grid) {

string r(n, 0);

for (int j = 0; j < n; ++j)

r[j] = row[j] ^ row[0];

++hash[r];

}

return hash.size()==1;

}

};

http://www.cnnetsun.cn/news/87714.html

相关文章:

  • LobeChat能否实现多轮对话优化?上下文理解增强策略
  • 如何在Windows和Linux上完成TensorRT安装包的部署
  • Dify在边缘计算场景下部署的可行性评估
  • LobeChat能否对接Airtable?轻量级数据库联动方案
  • LobeChat能否实现AI故事续写?创意写作激发灵感
  • AI知识科普丨什么是 ModelOps?
  • Windows 10下Anaconda安装OpenCV指南
  • LangChain与AutoGPT核心差异与应用场景解析
  • 文件上传靶场的3种白名单,3种黑名单,以及3种针对文件内容的修改。特性靶场、get,post传参方式区别(抓包看看),正则匹配,以及高亮函数作用
  • ENSP下载官网打不开?这份备用清单请收好
  • 解决langchain-chatchat因缺少__init__.py导致的模块调用错误
  • 15秒写歌?AI音乐模型ACE-Step实测体验
  • 谁还能不知道计算机组成结构与缓存
  • day41 早停策略和模型保存
  • LobeChat国际化支持如何?中文输入输出体验实测
  • LobeChat支持GraphQL查询吗?前后端通信协议解析
  • Qwen3-8B模型镜像下载与部署指南
  • Qwen3-VL-8B-Instruct重塑多模态AI新纪元
  • PaddlePaddle镜像加速指南:如何通过清华源快速下载并部署GPU环境
  • Dify变量注入实现上下文感知的AI问答
  • Qwen-Image-Edit-2509:用语言编辑图像的AI神器
  • 微爱帮监狱写信寄信小程序阿里云百炼Paraformer-v2方言语音识别集成技术文档,服刑人员家属写信更方便
  • M1 Mac使用Miniconda安装Python3.8与TensorFlow2.5/PyTorch1.8
  • PaddleOCR多语言识别配置:使用markdown编写结构化训练说明文档
  • c++14 四种互斥锁
  • LangFlow中Agent决策链的可视化呈现方式
  • Qwen3-32B大模型调用与鉴权接口详解
  • IDEA全局设置以及实用的配置
  • LobeChat能否用于构建心理陪伴机器人?人文关怀视角分析
  • LobeChat能否用于构建心理咨询机器人?伦理边界讨论