子数组最大异或和
数组异或和的定义：把数组中所有数异或起来失去的值。
给定一个整型数组：arr，其中可能有正、有负、有零，求其子数组的最大异或和
【举例】
arr =【3】
数组中只有 1 个数，所以只有一个子数组，就是这个数组自身，最大异或和为 3
arr =【3，-28，-29，2】
子数组有很多，然而【-28，-29】这个子数组的异或和为 7，是所有子数组中最大的。
剖析：
异或和没有枯燥性。两个小的数的异或和可能比两个大数的异或和大。
解法一：暴力算法
对每一个以 i 为开始和以 j 为结尾的子数组，进行异或和计算，获取全局最大的异或和，就是答案。
工夫复杂度：$O(N^3)$
工夫复杂度：O(1)
import sys
def max_xor(arr):
if not arr: return 0
res = -sys.maxsize
for i in range(len(arr)):
for j in range(i, len(arr)):
# 窗口:arr[i,j+1], 计算窗口内数据的异或和
xor = 0
for k in range(i, j + 1):
xor ^= arr[k]
res = max(res, xor)
return res解法二：前缀异或和
前缀和的性质：
- 归零率：A ^ A = 0
- 恒等率：A ^ 0 = A
根据上述两个性质能够推导出：
$C = A \oplus B \Longrightarrow \\ C \oplus A = A \oplus B \oplus A \Longrightarrow \\ C \oplus A = B \oplus 0 \Longrightarrow \\ A \oplus C = B$
依据前缀异或和能够计算出任意子数组的异或和。
工夫复杂度：$O(N^2)$
工夫复杂度：O(N)
def max_xor1(arr):
if not arr: return 0
# 前缀异或和
prefix_sum = [arr[0]]
for i in range(1, len(arr)):
prefix_sum.append(arr[i] ^ prefix_sum[-1])
res = -sys.maxsize
for i in range(len(arr)):
s = 0 if i == 0 else prefix_sum[i - 1]
for j in range(i, len(arr)):
# 窗口:arr[i,j+1]
xor = prefix_sum[j] ^ s
res = max(res, xor)
return res解法三：前缀树 + 贪婪
由解法二可知：$C = A \oplus B \Longrightarrow B = C \oplus A$
即：$arr[2…5] = arr[0…5] \oplus arr[0…2]$
- arr[0..5] 与 0 联合示意：arr[0…5] 子数组的异或和
- arr[0..5] 与 arr[0] 联合示意：arr[1…5] 子数组的异或和
- arr[0..5] 与 arr[0…1] 联合示意：arr[2…5] 子数组的异或和
- arr[0..5] 与 arr[0…2] 联合示意：arr[3…5] 子数组的异或和
- …
与谁联合异或和大，应答的子数组就是要找的子数组。
目前不晓得 arr[0…5] 抉择哪个？在解法二中是枚举尝试，咱们当初想通过前缀树构建一种规定（贪婪策略）来减速寻找最佳联合子数组。
<font color=red> 贪婪策略：在 arr[0..j] 抉择 arr[0..i] 联合过程中，优先投合高位变成 1（高位为 1，对应值更大）。</font>
如下图：arr[0…j] 的异或和的二进制模式【0,1,1,0】，从高位 A 逐个匹配。因为 0 ^ 1 = 1，所以抉择 1 的分支（A –> C），在 F 地位，尽管最期待走的门路是 0，然而没有 0 门路所以只能走 1 门路。整条门路【1,0,1,1】就是 arr[0…j]（【0,1,1,0】）最佳联合的子数组对应的异或和。【0,1,1,0】^【1,0,1,1】=【1,0,1,1】此时【1,0,1,1】就是的返回后果 arr[0..j]。
前缀树
# 将所有的前缀异或和，退出到 NumTrie，并依照前缀树组织
class NumTrie:
def __init__(self):
self.root = Node()
def add(self, num):
cur = self.root
# move 向右位移多少位
for move in range(31, -1, -1):
# 获取对应位上的数字（0 或者 1）path = (num >> move) & 1
cur.nexts[path] = cur.nexts[path] if cur.nexts[path] else Node()
cur = cur.nexts[path]
# num 最心愿遇到的门路，后果返回：最大的异或和
# 工夫复杂度：O(32)
def max_xor(self, num):
cur = self.root
# 返回值 (num ^ 最优抉择)
res = 0
for move in range(31, -1, -1):
# 获取对应位上的数字（0 或者 1）path = (num >> move) & 1
# sum 该位的状态，最期待的门路（如果 sum 位是 0，期待 path =1，否则 path = 0）# 留神：如果是符号位是 1（正数），期待 path = 1，异或后是 0（负数）# 如果是符号位是 0（负数），期待 path = 0，异或后是 0（负数）best = path if move == 31 else path ^ 1
# 最期待走的门路 --> 理论门路
best = best if cur.nexts[best] else best ^ 1
# 留神：本代码是 python，左移 31 位不会变为正数，python 会将 int 转为 long 变为更大的数
# 如果是 java：res |= (path ^ best) << move
tmp = 1
if move == 31 and num < 0:
tmp = -1
res |= tmp * (path ^ best) << move
cur = cur.nexts[best]
return res工夫复杂度：$O(N)$
工夫复杂度：O(N)
def max_xor2(arr):
if not arr: return 0
res = -sys.maxsize
trie = NumTrie()
trie.add(0)
# 一个数没有时，异或和为 0
xor = 0
for i in range(len(arr)):
# xor 等于 0 ~ i 异或和
xor ^= arr[i]
# trie 装着所有：一个数也没有（0），0~1，0~2，0~3...0~i-1 的异或和
res = max(res, trie.max_xor(xor))
trie.add(xor)
return res对数器
import random
def check():
max_value = 10
for i in range(100):
arr = [int(random.random() * max_value) - int(random.random() * max_value) for _ in
range(int(random.random() * max_value))]
res = max_xor(arr)
res1 = max_xor1(arr)
res2 = max_xor2(arr)
if res != res1 or res != res2:
print(i, "ERROR", arr, "res=", res, "res1=", res1, "res2=", res2)
print("NICE")本文由 mdnice 多平台公布