参考题目「力扣_剑指offer_51_数组中的逆序对」、「力扣_315_计算右侧小于当前元素的个数」
1.归并排序
一个经典的算法,值得作为模板记录下来,首先归并排序是需要有一个“ 递归流程 ”作为前置的,因此需要设置停止条件,像本例中的递归中设置了“归并”的左右闭边界 " r " 、" l " 作为驱动参数,这种相对复杂的递归参数设置在N皇后问题中也有遇到。
另外还有一个技巧性的设置是mid,通过整除向下取整的方式使得即便考虑边界条件l=r-1,此时(l+r)//2也一定等于r-1,因此最多会发生"mid+1=r"的情况,这就规避了越界行为。另外模板化记忆递归调用实现“并”操作时要注意切分区间不重叠 i.e. f( l , mid ) + f( mid+1 , r )。
class Solution:
def mergeSort(self, nums, tmp, l, r):
if l >= r:
return 0
mid = (l + r) // 2
inv_count = self.mergeSort(nums, tmp, l, mid) + self.mergeSort(nums, tmp, mid + 1, r)
这里的递归调用还充当了“分割”的工具。再依官方视频讲解的逻辑,完成在一般步骤下对细分组件进行 计数 + 排序 + 合并 的操作,由于循环也是由递归形式驱动的,因此这里的指针就要实例化为局部变量: i (L区域:分割左半部分的指针), j (R区域:分割右半部分的指针),pos (全区域指针)。
使用while循环进行排序,排序有一个trick就是使用中间变量tmp来存放排序后内容,而不是直接就原变量进行修改,这是因为我们还需要“计(逆序对的)数”。while的规则就是L区域和R区域的指针都不越界,每次在tmp中计入有效数字后全区域指针右移 i.e.+1。
i, j, pos = l, mid + 1, l
while i <= mid and j <= r:
if nums[i] <= nums[j]:
tmp[pos] = nums[i]