1 题目理解
输入:int[] nums
输出:计数的数组int[] counts
规则:counts[i]表示nums中下标大于i,值小于nums[i]的个数
Example 1:
Input: nums = [5,2,6,1]
Output: [2,1,1,0]
Explanation:
To the right of 5 there are 2 smaller elements (2 and 1).
To the right of 2 there is only 1 smaller element (1).
To the right of 6 there is 1 smaller element (1).
To the right of 1 there is 0 smaller element.
2 暴力解法
对于处理每个元素nums[i],依次数一数从i+1到n,小于nums[i]的数有多少个。
class Solution {
public List<Integer> countSmaller(int[] nums) {
List<Integer> list = new ArrayList<Integer>();
for(int i=0;i<nums.length;i++){
int c = 0;
for(int j=i+1;j<nums.length;j++){
if(nums[j]<nums[i]){
c++;
}
}
list.add(c);
}
return list;
}
}
时间复杂度 O ( n 2 ) O(n^2) O(n2)
3 分治法
以下内容来自力扣官网。
数一数在右侧,比自己小的元素个数,这实际上就是在求逆序对。在学习算法过程中遇到过,利用归并排序计算逆序对个数。
我们还是要在「归并排序」的「并」中做文章。我们通过一个实例来看看。假设我们有两个已排序的序列等待合并,分别是 L = { 8, 12, 16, 22, 100 } 和 R = { 7, 26, 55, 64, 91 }。一开始我们用指针 lPtr = 0 指向 L 的头部,rPtr = 0 指向 R 的头部。记已经合并好的部分为 M。
我们发现 lPtr 指向的元素大于 rPtr 指向的元素,于是把 rPtr 指向的元素放入答案,并把 rPtr 后移一位。
接着我们继续合并:
此时 lPtr 比 rPtr 小,把 lPtr 对应的数加入答案。如果我们要统计 8 的右边比 8 小的元素,这里 7 对它做了一次贡献。如果待合并的序列 L = { 8, 12, 16, 22, 100 },R = { 7, 7, 7, 26, 55, 64, 91},那么一定有一个时刻,lPtr 和 rPtr 分别指向这些对应的位置:
下一步我们就是把 8 加入 M 中,此时三个 7 对 8 的右边比 8 小的元素的贡献为 3。以此类推,我们可以一边合并一边计算 R 的头部到 rPtr 前一个数字对当前 lPtr 指向的数字的贡献。
我们发现用这种「算贡献」的思想在合并的过程中计算逆序对的数量的时候,只在 lPtr 右移的时候计算,是基于这样的事实:当前 lPtr 指向的数字比 rPtr 小,但是比 R 中 [0 … rPtr - 1] 的其他数字大,[0 … rPtr - 1] 的数字是在 lPtr 右边但是比 lPtr 对应数小的数字,贡献为这些数字的个数。
但是我们又遇到了新的问题,在「并」的过程中 88 的位置一直在发生改变,我们应该把计算的贡献保存到哪里呢?这个时候我们引入一个新的数组,来记录每个数字对应的原数组中的下标,例如:
排序的时候原数组和这个下标数组同时变化,则排序后我们得到这样的两个数组:
我们用一个数组 ans 来记录贡献。我们对某个元素计算贡献的时候,如果它对应的下标为 p,我们只需要在 ans[p] 上加上贡献即可。
class Solution {
private int[] index;
private int[] temp;
private int[] tempIndex;
private int[] ans;
private Map<Integer,Integer> valueIndexMap;
public List<Integer> countSmaller(int[] nums) {
this.index = new int[nums.length];
this.temp = new int[nums.length];
this.tempIndex = new int[nums.length];
this.ans = new int[nums.length];
valueIndexMap = new HashMap<Integer,Integer>();
for(int i=0;i<nums.length;i++){
valueIndexMap.put(nums[i],i);
}
for (int i = 0; i < nums.length; ++i) {
index[i] = i;
}
int l = 0, r = nums.length - 1;
mergeSort(nums, l, r);
List<Integer> list = new ArrayList<Integer>();
for (int num : ans) {
list.add(num);
}
return list;
}
public void mergeSort(int[] a, int l, int r) {
if (l >= r) {
return;
}
int mid = (l + r) >> 1;
mergeSort(a, l, mid);
mergeSort(a, mid + 1, r);
merge(a, l, mid, r);
}
public void merge(int[] a, int l, int mid, int r) {
int i = l, j = mid + 1, p = l;
while (i <= mid && j <= r) {
if (a[i] <= a[j]) {
temp[p] = a[i];
tempIndex[p] = index[i];
ans[valueIndexMap.get(a[i])] += (j - mid - 1);
++i;
++p;
} else {
temp[p] = a[j];
tempIndex[p] = index[j];
++j;
++p;
}
}
while (i <= mid) {
temp[p] = a[i];
tempIndex[p] = index[i];
ans[valueIndexMap.get(a[i])] += (j - mid - 1);
++i;
++p;
}
while (j <= r) {
temp[p] = a[j];
tempIndex[p] = index[j];
++j;
++p;
}
for (int k = l; k <= r; ++k) {
index[k] = tempIndex[k];
a[k] = temp[k];
}
}
}
时间复杂度 O ( n l o g n ) O(nlogn) O(nlogn)