人们可以从构建结果向上逐位底端。从最低位开始,尝试0和1作为a
的最低位,并查看sum-xor的最低位是否与S的相应位匹配。然后尝试下一个最低位,传播上一步中的任何进位。
按照这个算法,a
的每一位可能有0,1或2个选择,所以在最坏的情况下,我们可能需要探索不同的分支并选择一个给出最小结果的分支。为了避免指数行为,我们缓存先前看到的进位结果。这产生了O(kn)的最坏情况复杂度,其中k是结果中的最大比特数,并且n是给定输入列表长度为n的进位的最大值。
下面是实现这一些Python代码:
max_shift = 80
def xor_sum0(xs, S, shift, carry, cache, sums):
if shift >= max_shift:
return 1e100 if carry else 0
key = shift, carry
if key in cache:
return cache[key]
best = 1e100
for i in xrange(2):
ss = sums[i][shift] + carry
if ss & 1 == (S >> shift) & 1:
best = min(best, i + 2 * xor_sum0(xs, S, shift + 1, ss >> 1, cache, sums))
cache[key] = best
return cache[key]
def xor_sum(xs, S):
sums = [
[sum(((x >> sh)^i) & 1 for x in xs) for sh in xrange(max_shift)]
for i in xrange(2)]
return xor_sum0(xs, S, 0, 0, dict(), sums)
在这种情况下也没有解决,代码返回一个大的(> = 1e100)浮点数。
这里是一个测试,在你给出的范围内选取随机值,随机挑选a
并计算S,然后求解。请注意,由于a
的值不总是唯一的,因此有时代码会找到比用于计算S的代码更小的a
。
import random
xs = [random.randrange(0, 1 << 61) for _ in xrange(random.randrange(10 ** 5))]
a_original = random.randrange(1 << 61)
S = sum(x^a_original for x in xs)
print S
print xs
a = xor_sum(xs, S)
assert a < 1e100
print 'a:', a
print 'original a:', a_original
assert a <= a_original
print 'S', S
print 'SUM', sum(x^a for x in xs)
assert sum(x^a for x in xs) == S