leetcode 89. 格雷编码
xxleyi opened this issue · comments
题:
格雷编码是一个二进制数字系统,在该系统中,两个连续的数值仅有一个位数的差异。
给定一个代表编码总位数的非负整数 n,打印其格雷编码序列。格雷编码序列必须以 0 开头。
示例 1:
输入: 2
输出: [0,1,3,2]
解释:
00 - 0
01 - 1
11 - 3
10 - 2
对于给定的 n,其格雷编码序列并不唯一。
例如,[0,2,3,1] 也是一个有效的格雷编码序列。
00 - 0
10 - 2
11 - 3
01 - 1
示例 2:
输入: 0
输出: [0]
解释: 我们定义格雷编码序列必须以 0 开头。
给定编码总位数为 n 的格雷编码序列,其长度为 2n。当 n = 0 时,长度为 20 = 1。
因此,当 n = 0 时,其格雷编码序列为 [0]。
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/gray-code
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
解:leetcode 将此题标记为回溯,这件事甚至比这道题还更有意思一些。
在感觉上,此题回溯的味道着实轻微,在很多人(包括我自己)的感觉里,反倒是有更多「动态规划」或者「数学」或者「位计算」的味道。
抛却数学和位计算不讲,让我们来仔细拆解一下,到底是回溯还是动态规划。
经过一番思考,我同意了 leetcode 的观点:此题如果不使用数学解法,就是一个回溯问题。
甚至于,它是一个特别纯粹的回溯问题。
我们知道,回溯算法有三个关键点:
- 暴力递归枚举
- 尽可能的剪枝
- 回退之前恢复现场
对于本题呢?没有了剪枝和回退之前的恢复现场,只剩下暴力递归枚举。那你说,这还算不算回溯呢?
动态规划的关键是状态转移方程,且这个状态转移方程能有效降低问题复杂度。
此题可以认为有一个状态转移方程,但对复杂度的降低没起到任何帮助。
// 只剩下了暴力递归枚举的回溯算法
var grayCode = function(n) {
const res = Array(1 << n)
res[0] = 0
function backtrack(i = 0) {
// 递归终止
if (i === n) return
// 在已有答案的基础上枚举所有答案(没有任何有效剪枝)
const before = res.slice(0, 1 << i)
let idx = 0
// 原来的一个答案左移一位,追加 0 或 1 变成两个
// 追加 0 或 1 的先后次序有一定技巧
for (let [j, e] of before.entries()) {
e <<= 1
res[idx++] = e + j % 2
res[idx++] = e + (j + 1) % 2
}
// 继续暴力递归枚举
backtrack(i + 1)
}
backtrack()
return res
};
// 数学规律直接求解
var grayCode = function(n) {
/**
关键是搞清楚格雷编码的生成过程, G(i) = i ^ (i/2);
如 n = 3:
G(0) = 000,
G(1) = 1 ^ 0 = 001 ^ 000 = 001
G(2) = 2 ^ 1 = 010 ^ 001 = 011
G(3) = 3 ^ 1 = 011 ^ 001 = 010
G(4) = 4 ^ 2 = 100 ^ 010 = 110
G(5) = 5 ^ 2 = 101 ^ 010 = 111
G(6) = 6 ^ 3 = 110 ^ 011 = 101
G(7) = 7 ^ 3 = 111 ^ 011 = 100
**/
const res = Array(1 << n)
for (let i = 0; i < res.length; i++)
res[i] = i ^ i >> 1
return res
}