归并排序 小和问题

归并排序

归并排序是建立在归并操作上的一种有效的排序算法。该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。若将两个有序表合并成一个有序表，称为2-路归并。

算法描述
把长度为n的输入序列分成两个长度为n/2的子序列；
对这两个子序列分别采用归并排序；
将两个排序好的子序列合并成一个最终的排序序列。

归并排序是一种稳定的排序方法。和选择排序一样，归并排序的性能不受输入数据的影响，但表现比选择排序好的多，因为始终都是O(nlogn）的时间复杂度。代价是需要额外的内存空间。

function mergeSort(arr) {
    var len = arr.length;
    if (len < 2) {
        return arr;
    }
    var middle = Math.floor(len / 2),
        left = arr.slice(0, middle),
        right = arr.slice(middle);
    return merge(mergeSort(left), mergeSort(right));
}
 
function merge(left, right) {
#merge过程处理左右两边整体排序
#result为辅助空间
    var result = [];
 
    while (left.length>0 && right.length>0) {
        if (left[0] <= right[0]) {
            result.push(left.shift());
        } else {
            result.push(right.shift());
        }
    }
 
    while (left.length)
        result.push(left.shift());
 
    while (right.length)
        result.push(right.shift());
 
    return result;
}

小和问题

描述
在一个数组中，每一个数左边比当前数小的数累加起来，叫做这个数组的小和。求一个数组的小和。

例子
[1,3,4,2,5]
1左边比1小的数：没有
3左边比3小的数：1
4左边比4小的数：1,3
2左边比2小的数：1
5左边比5小的数：1,3,4,2
所以小和为1+1+3+1+1+3+4+2=16

直接用两层for循环扫，时间复杂度是O(n^2)，但是可以通过归并排序的方法将时间复杂度降到O(nlogn)，归并排序分两步，一是分，二是治。分好说，不停的将数组划分为两部分。

分完以后开始治，归并排序的治就是merge的过程，首先对1和3进行merge，在此过程中产生一个小和1；然后将1、3和4进行merge，在此过程中产生小和1、3；然后2和5进行merge，产生小和2；最后将1、3、4和2、5进行一次merge，1比2小，所以一共产生n个1的小和，这个n就是当前右边的数的个数，因为右边有两个数2和5，所以产生2个1的小和，然后将1填入辅助数组，继续比较3和2，2比3小，但是2是右边的数，所以不算小和，然后比较3和5，3比5小，所以产生n个3的小和，因为右侧只有一个数，所以就只产生1个3的小和，同样的，产生1个4的小和
这道题换个角度来想，题目要求的是每个数左边有哪些数比自己小，其实不就是右边有多少个数比自己大，那么产生的小和就是当前值乘以多少个吗？还是以上面的样例举例，1右边有4个比1大的数，所以产生小和14；3右边有2个比3大的数，所以产生小和32；4右边有一个比4大的数，所以产生小和41；2右边没有比2大的数，所以产生小和为20；5右边也没有比5大的数，所以产生小和5*0

import java.util.Scanner;

public class Main {
	public static void main(String[] args) {
		Scanner cin = new Scanner(System.in);
		int n = cin.nextInt();
		int[] arr = new int[n];
		for (int i = 0; i < n; i++)
			arr[i] = cin.nextInt();
		System.out.println(smallSum(arr));
	}

	static int smallSum(int[] arr) {
		if (arr == null || arr.length == 0)
			return 0;
		return mergeSort(arr, 0, arr.length - 1);
	}

	static int mergeSort(int[] arr, int l, int r) {
		if (l == r)
			return 0;
		int mid = l + ((r - l) >> 1);
		return mergeSort(arr, l, mid) + // 左侧产生的小和
				mergeSort(arr, mid + 1, r) + // 右侧产生的小和
				merge(arr, l, mid, r); // merge过程中产生的小和
	}

	static int merge(int[] arr,int l,int m,int r) {
		int[] help = new int[r - l + 1];
		int i = 0;
		int p1 = l;
		int p2 = m + 1;
		int res = 0;
		while(p1 <= m && p2 <= r) {
			res += arr[p1] < arr[p2] ? (r - p2 + 1) * arr[p1] : 0;
			help[i++] = arr[p1] < arr[p2] ? arr[p1++] : arr[p2++];
		}
		while(p1 <= m) 
			help[i++] = arr[p1++];
		while(p2 <= r)
			help[i++] = arr[p2++];
		for(i = 0;i < help.length;i++)
			arr[i + l] = help[i];
		return res;
	}
}