归并排序与求小和问题

归并排序与求小和问题

归并排序是递归算法一个好的实例。它的基本操作是合并两个已排序的表。然后准备三个计数器a,b,c，分别指向输入数组A，输入数组B，输出数组C的开始端。将A[a]和B[b]中较小的放入C[c]，将较小数组的计数器和计数器c分别向前推进一步，进行下一步比较。当两个输入中的一个用完时，将另一个数组剩下的部分全部拷贝到C中

图中只演示了归并的一部分。剩余部分与图中类似。

以下是核心代码

 public static void process(int[] array,int L,int R){
        if(L==R||L<0)
            return;
        int mid = L + ((R-L)>>1);
        process(array,L,mid);
        process(array,mid+1,R);
        merge(array,L,mid,R);
    }
    public static void merge(int[] array,int L,int mid,int R){
        int[] help  = new int[R-L+1];
        int i = 0;
        int j = mid+1;
        int x = L;
        while(x<=mid&&j<=R){
            help[i++]=array[x]<=array[j]?array[x++]:array[j++];
        }
        while(x<=mid){
            help[i++]=array[x++];
        }
        while(j<=R){
            help[i++]=array[j++];
        }
        for(int k=0;k<help.length;k++){
            array[L+k]=help[k];
        }
    }

我们可以通过master公式算出归并排序的时间复杂度为O(NlogN)，而其它排序如冒泡的时间复杂度为O(N^2)，归并排序的提升是因为它的比较次数几乎是最优的，很少存在浪费。

求小和问题

问题描述

小和就是数组每一位左边比自己小的数加起来，整个数组的小和就是将所有数的小和都加起来。

例如数组[1,5,4,3,2,9,7]，1的小和是0，5的小和是1…

解决思路

第一种办法通过遍历数组的方式，寻找左边比当前元素小的数，然后再加起来

第二种办法通过看当前元素右边有多少个比它大的数N，然后用N*当前元素，得出的就是数组小和中有多少个当前元素，比如数组首位的1，它的右边全都是比1大的数，所以右边所有的数的小和中都会有首位的1，就是6x1。这一种方法就用到了归并排序。

public  static int process1(int[] array,int L,int R){
    if(L==R)
        return 0;
    int mid = L+((R-L)>>1);
    return process1(array,L,mid)
        + process1(array,mid+1,R)
        + small(array,L,mid,R);
}
public static int small(int[] array,int L,int m,int R){
    int sum = 0;
    int[] help = new int[R-L+1];
    int i=0;
    int p1 = L;
    int p2 = m+1;
    while(p1<=m&&p2<=R) {
        //左1先和右1比较，如果右1大说明右边所有的都比左边大，那么小和中就会有右边个数个左1
        sum += array[p1] < array[p2] ? (R - p2 + 1) * array[p1] : 0;
        help[i++] = array[p1] < array[p2] ? array[p1++] : array[p2++];
    }
    while(p1<=m){
        help[i++]=array[p1++];
    }
    while(p2<=R){
        help[i++]=array[p2++];
    }
    for(int j =0;j<help.length;j++){
        array[L+j]=help[j];
    }
    return sum;
}