【二十七】【算法分析与设计】归并（1），912. 排序数组，归并排序，递归函数的时间复杂度计算，LCR 170. 交易逆序对的总数

妖精七七_

已于 2024-04-21 11:43:39 修改

阅读量969

点赞数 25

分类专栏：算法设计与分析文章标签：算法 leetcode 数据结构 c++ 排序算法

于 2024-03-28 14:23:25 首次发布

本文链接：https://blog.csdn.net/m0_74163972/article/details/137110828

版权

算法设计与分析专栏收录该内容

110 篇文章 1 订阅

订阅专栏

912. 排序数组

给你一个整数数组 nums，请你将该数组升序排列。

示例 1：

输入：nums = [5,2,3,1] 输出：[1,2,3,5]

示例 2：

输入：nums = [5,1,1,2,0,0] 输出：[0,0,1,1,2,5]

提示：

1 <= nums.length <= 5 * 10(4)

-5 * 10(4) <= nums[i] <= 5 * 10(4)

递归函数，定义递归函数mergeSort将nums数组中[left,right]区间元素进行升序排序。

递归内部逻辑，将[left,mid][mid+1,right]两个区间分别进行排序，排序完的两个独立的升序的区间，利用双指针进行合并。

递归的出口是left>=right，表示区间已经没有元素或者只有一个元素的情况，此时不需要进行排序操作。

内部递归逻辑维护意义的代码，实际上是利用双指针将两个有序的区间[left,mid][mid+1,right]进行合并的过程。

双指针遍历两个部分，将小的尾插到tmp临时数组中，直到所有元素都存储在tmp数组中。

定义将升序区间[left,mid][mid+1,right]两个区间分割出两个待处理的区间，[left,cur1-1][cur1,mid][mid+1,cur2-1][cur2,right]。

定义end1=mid，end2=right，得到最终的区间划分，[left,cur1-1][cur1,end1][mid+1,cur2-1][cur2,end2]。

[left,cur1-1]和[mid+1,cur2-1]全都是已经处理完的区间，[cur1,end1]和[cur2,end2]是待处理的区间。

定义tmp数组，和index，[0,index-1][index,right-left]区间划分。

总区间长度是right-left+1,[0,index-1]表示处理完毕的区间，[index，right-left]表示待处理的区间。

while (cur1 <= end1 && cur2 <= end2) tmp[index++] = nums[cur1] <= nums[cur2] ? nums[cur1++] : nums[cur2++];

不断地维护nums和tmp区间的定义。当有一个区间待处理区间没有元素时，循环退出。此时需要把另一个还没有处理完的区间剩余元素添加到tmp数组中。

while (cur1 <= end1) tmp[index++] = nums[cur1++]; while (cur2 <= end2) tmp[index++] = nums[cur2++];

维护区间定义。

for (int i = left; i <= right; i++) nums[i] = tmp[i - left];

最后将tmp临时数组，排好序的依次赋值给nums数组中，完成合并排序。

class Solution {
public:
    vector<int> tmp;
    vector<int> sortArray(vector<int>& nums) {
        tmp.resize(nums.size());
        mergeSort(nums, 0, nums.size() - 1);
        return nums;
    }

    void mergeSort(vector<int>& nums, int left, int right) {
        // 定义mergeSort递归函数，将nums数组中[left,right]区间进行排序
        // 内部逻辑，将[left,mid][mid+1,right]左右区间分别进行排序，排序完的利用双指针合并排序
        // 因此递归出口是left>=right表示区间只有一个元素或者没有元素，不需要再排序
        if (left >= right)
            return;
        int mid = left + (right - left) / 2;

        mergeSort(nums, left, mid);
        mergeSort(nums, mid + 1, right);

        int cur1 = left, end1 = mid;
        int cur2 = mid + 1, end2 = right;
        int index = 0;
        while (cur1 <= end1 && cur2 <= end2)
            tmp[index++] =
                nums[cur1] <= nums[cur2] ? nums[cur1++] : nums[cur2++];

        while (cur1 <= end1)
            tmp[index++] = nums[cur1++];
        while (cur2 <= end2)
            tmp[index++] = nums[cur2++];

        for (int i = left; i <= right; i++)
            nums[i] = tmp[i - left];
    }
};

vector<int> tmp; 声明了一个成员变量 tmp，它是一个整型向量，用于临时存储排序过程中的元素。

sortArray 函数

tmp.resize(nums.size()); 调整 tmp 的大小，使其与输入数组 nums 的大小相同，这是为了确保有足够的空间来存储排序过程中的数据。

mergeSort(nums, 0, nums.size() - 1); 调用 mergeSort 函数，对整个数组进行排序。这里传入 nums、起始索引 0 和结束索引 nums.size() - 1 作为参数。

return nums; 返回排序后的数组。

mergeSort 函数

void mergeSort(vector<int>& nums, int left, int right) { 定义了一个函数 mergeSort，它接收三个参数：一个整型向量的引用 nums 和两个整数 left、right，分别代表要排序的数组部分的起始和结束索引。这个函数用递归方式实现归并排序。

if (left >= right) 检查递归的基本情况，如果当前区间只有一个元素或无元素（即 left 大于等于 right），就不需要排序，直接返回。

int mid = left + (right - left) / 2; 计算中点 mid，这样可以把数组分成两部分。

mergeSort(nums, left, mid); 递归地对左半部分进行排序。

mergeSort(nums, mid + 1, right); 递归地对右半部分进行排序。

合并两个排序后的部分

首先，通过双指针方法遍历两个部分（左半部分由 cur1 和 end1 控制，右半部分由 cur2 和 end2 控制），比较指针所指的元素，将较小的元素移动到临时数组 tmp 中。

while 循环用来合并两个部分，直到一个部分的元素全部移动到 tmp。

当一部分的元素全部移动到tmp中，剩下一部分的元素全部加入tmp即可。

for 循环将临时数组 tmp 中已排序的元素复制回原数组 nums 的相应位置，完成合并操作。

递归函数的时间复杂度计算

具体到时间复杂度的计算，我们可以从分解、解决问题和合并三个步骤来进行分析。分解时间是指将一个待排序序列分解成两序列的时间，这个过程的时间复杂度是O(1)，因为它只需要进行一次比较就可以完成。解决问题的时间，即对这两个子序列进行排序的时间，根据归并排序的定义，这一步实际上是递归地对每个子序列进行归并排序，因此这部分的时间复杂度是T(n/2) + T(n/2)，其中n是原始数组的长度。合并时间是指将两个有序的子序列合并成一个有序序列的时间，这个操作的时间复杂度是O(n)。

将这三个步骤的时间复杂度相加，我们得到归并排序的总时间复杂度为O(1) + 2T(n/2) + O(n)。

O(1)忽略不计,得到T(n)=2*T(n/2)+O(n)。

f(n) 是关于 n 的一个函数，Θ(n(d))，d 代表复杂度的阶数。根据 a, b, d 不同的取值，我们可以借助 Master Theorem 来求得不同情况下的复杂度：

空间复杂度

归并排序的空间复杂度主要由临时数组 tmp 和递归调用栈所使用的空间组成：

临时数组 tmp：在整个排序过程中，需要一个大小与原数组 nums 相同的临时数组，所以临时数组的空间复杂度是 O(N)。

递归调用栈：归并排序是通过递归实现的，最大的递归深度与数组二分的次数相同，即 O(log N)。

因此，归并排序的总空间复杂度是 O(N + log N)。由于在分析空间复杂度时常常忽略低阶项和常数项，可以简化为 O(N)。

LCR 170. 交易逆序对的总数

在股票交易中，如果前一天的股价高于后一天的股价，则可以认为存在一个「交易逆序对」。请设计一个程序，输入一段时间内的股票交易记录 record，返回其中存在的「交易逆序对」总数。

示例 1:

输入：record = [9, 7, 5, 4, 6] 输出：8 解释：交易中的逆序对为 (9, 7), (9, 5), (9, 4), (9, 6), (7, 5), (7, 4), (7, 6), (5, 4)。

限制：

0 <= record.length <= 50000

定义递归函数mergeSort，计算nums数组[left,right]区间中的逆序对，并且将区间[left,right]进行升序排序。

内部逻辑，计算[left,mid][mid+1,right]区间中的逆序对，并且将其升序排序，接着计算左右逆序对个数。

递归出口，left>=right，表示只有一个元素或者没有元素时，此时无逆序对。

内部代码实现合并排序以及左右逆序对的计算。

合并升序排序的逻辑，定义nums数组中[left,mid][mid+1,right]两段升序区间，割裂出两段未处理的区间。

得到[left,cur1-1][cur1,mid][mid+1,cur2-1][cur2,right]。

定义end1==mid，end2=right。

得到[left,cur1-1][cur1,end1][mid-1,cur2-1][cur2,end2]。

[left,cur1-1]和[mid+1,cur2-1]区间是已经处理完毕的区间。

定义tmp数组，[0,index-1][index,right-left]

[0,index-1]是处理完毕的区间，[index,right-left]是待处理区间。

依次将小值加入到tmp数组中。

内部代码计算左右逆序对。固定左边一个元素，然后计算右边比这个元素小的有多少个。或者固定右边一个元素，然后计算左边比这个元素大的有多少个。简单来说就是找到所有的左右二元组。

由于两部分都是有序的区间，所以在找二元组的时候可以进行优化。

为了将排序和计算合并在一起，我们先编写排序的代码，然后将计算左右逆序对的时候选取合适的方式进行编写。

class Solution {
public:
    vector<int> tmp;
    int reversePairs(vector<int>& nums) {
        tmp.resize(nums.size());
        return mergeSort(nums, 0, nums.size() - 1);
    }

    int mergeSort(vector<int>& nums, int left, int right) {
        // 定义mergeSort递归函数，返回nums数组中[left,right]的逆序对数,计算完逆序对后排序
        // 递归出口，left>=right，只有一个元素或者无元素，无逆序对
        // 内部逻辑，[left,mid][mid+1,right]区间的逆序对+左右逆序对
        if (left >= right)
            return 0;
        int ret = 0;
        int mid = left + (right - left) / 2;

        ret += mergeSort(nums, left, mid);
        ret += mergeSort(nums, mid + 1, right);

        int cur1 = left, end1 = mid;
        int cur2 = mid + 1, end2 = right;
        int index = 0;
        while (cur1 <= end1 && cur2 <= end2) {
            if (nums[cur1] <= nums[cur2]) {
                tmp[index++] = nums[cur1++];
            } else {
                ret += end1 - cur1 + 1;
                tmp[index++] = nums[cur2++];
            }
        }

        while (cur1 <= end1)
            tmp[index++] = nums[cur1++];
        while (cur2 <= end2)
            tmp[index++] = nums[cur2++];

        for (int i = left; i <= right; i++)
            nums[i] = tmp[i - left];

        return ret;
    }
};

vector<int> tmp; 声明一个整型向量 tmp 用于归并过程中临时存储元素。

reversePairs 函数

tmp.resize(nums.size()); 调整 tmp 的大小使其与 nums 相同，为归并排序过程准备空间。

return mergeSort(nums, 0, nums.size() - 1); 调用 mergeSort 函数并返回其结果。这个函数会对 nums 进行排序，并计算逆序对数量。

mergeSort 函数

int mergeSort(vector<int>& nums, int left, int right) { 定义 mergeSort 函数，该函数通过递归将数组分成更小的部分，然后合并这些部分的同时计算逆序对数量。

if (left >= right) return 0; 递归的基准情况，当区间只包含一个元素或为空时，逆序对数量为0。

int ret = 0; 初始化逆序对数量为0。

int mid = left + (right - left) / 2; 计算中点，用于分割数组。

ret += mergeSort(nums, left, mid); 递归计算左半部分的逆序对数量，并累加到 ret。

ret += mergeSort(nums, mid + 1, right); 递归计算右半部分的逆序对数量，并累加到 ret。

合并过程中计算逆序对