【综合笔试题】难度 2.5/5 :「树状数组」与「双树状数组优化」

最新推荐文章于 2024-10-24 21:40:12 发布

宫水三叶的刷题日记

最新推荐文章于 2024-10-24 21:40:12 发布

阅读量155

点赞数

文章标签：程序人生

本文链接：https://blog.csdn.net/weixin_33243821/article/details/125387750

版权

本文解析了LeetCode题目1395中如何利用树状数组（ Fenwick Tree）技巧解决关于评分数组的作战单位组建问题，讨论了递增和递减组合的计算方法，以及两种优化策略：单点修改和双树状数组。通过实例演示和代码实现，展示了如何高效地计算满足特定条件的作战单位数量。

摘要由CSDN通过智能技术生成

题目描述

这是 LeetCode 上的 1395. 统计作战单位数 ，难度为中等。

Tag : 「树状数组」、「容斥原理」

n 名士兵站成一排。每个士兵都有一个独一无二的评分 rating 。

每个士兵可以组成一个作战单位，分组规则如下：

从队伍中选出下标分别为 i、j、k 的名士兵，他们的评分分别为、、
作战单位需满足：或者，其中

请你返回按上述条件可以组建的作战单位数量。每个士兵都可以是多个作战单位的一部分。

示例 1：

输入：rating = [2,5,3,4,1]

输出：3

解释：我们可以组建三个作战单位 (2,3,4)、(5,4,1)、(5,3,1) 。

示例 2：

输入：rating = [2,1,3]

输出：0

解释：根据题目条件，我们无法组建作战单位。

示例 3：

输入：rating = [1,2,3,4]

输出：4

提示：

rating 中的元素都是唯一的

基本分析

为了方便，我们记 rating 为 rs。

题目本质是要我们统计所有满足「递增」或「递减」的三元组。换句话说，对于每个而言，我们需要统计比其大或比小的数的个数。

问题涉及「单点修改（更新数值的出现次数）」以及「区间查询（查询某段范围内数的个数）」，使用「树状数组」求解较为合适。

树状数组 - 枚举两端

一个朴素的想法是，对于三元组，我们枚举其两端和，根据和的大小关系，查询范围之间合法的数的个数。

在确定左端点时，我们从开始「从小到大」枚举右端点，并将遍历过程中经过的添加到树状数组进行计数。

处理过程中根据和的大小关系进行分情况讨论：

当时，我们需要在范围中找「大于」同时「小于」的数的个数，即 query(b - 1) - query(a)
当时，我们需要在范围中找「小于」同时「大于」的数的个数，即 query(a - 1) - query(b)

一些细节：显然我们需要在枚举每个左端点时清空树状数组，但注意不能使用诸如 Arrays.fill(tr, 0) 的方式进行清空。

因为在没有离散化的情况下，树状数组的大小为，即执行 Arrays.fill 操作的复杂度为，这会导致我们计算量为至少为，会有 TLE 风险。

因此一个合适做法是：在范围内枚举完后（进行的是 +1 计数），再枚举一次进行一次 -1 的计数进行抵消。

代码：

class Solution {
    static int N = (int)1e5 + 10;
    static int[] tr = new int[N];
    int lowbit(int x) {
        return x & -x;
    }
    void update(int x, int v) {
        for (int i = x; i < N; i += lowbit(i)) tr[i] += v;
    }
    int query(int x) {
        int ans = 0;
        for (int i = x; i > 0; i -= lowbit(i)) ans += tr[i];
        return ans;
    }
    public int numTeams(int[] rs) {
        int n = rs.length, ans = 0;
        for (int i = 0; i < n; i++) {
            int a = rs[i];
            for (int j = i + 1; j < n; j++) {
                int b = rs[j];
                if (a < b) ans += query(b - 1) - query(a);
                else ans += query(a - 1) - query(b);
                update(b, 1);
            }
            for (int j = i + 1; j < n; j++) update(rs[j], -1);
        }
        return ans;
    }
}

时间复杂度：令为值域大小，整体复杂度为
空间复杂度：

双树状数组优化 - 枚举中点

我们考虑将的数据范围提升到该如何做。

上述解法的瓶颈在于我们枚举三元组中的左右端点，复杂度为，而实际上利用三元组必然递增或递减的特性，我们可以调整为枚举终点，从而将「枚举点对」调整为「枚举中点」，复杂度为。

假设当前枚举到的点为，问题转换为在有多少比小/大的数，在有多少比大/小的数，然后集合「乘法」原理即可知道作为三元组中点的合法方案数。

统计左边的比大/小的数很好做，只需要在「从小到大」枚举的过程中，将添加到树状数组 tr1 即可。

对于统计右边比小/大的数，则需要通过「抵消计数」来做，起始我们先将所有加入到另外一个树状数组 tr2 中（进行 +1 计数），然后在从前往后处理每个的时候，在 tr2 中进行 -1 抵消，从而确保我们处理每个时，tr1 存储左边的数，tr2 存储右边的数。

代码：

class Solution {
    static int N = (int)1e5 + 10;
    static int[] tr1 = new int[N], tr2 = new int[N];
    int lowbit(int x) {
        return x & -x;
    }
    void update(int[] tr, int x, int v) {
        for (int i = x; i < N; i += lowbit(i)) tr[i] += v;
    }
    int query(int[] tr, int x) {
        int ans = 0;
        for (int i = x; i > 0; i -= lowbit(i)) ans += tr[i];
        return ans;
    }
    public int numTeams(int[] rs) {
        int n = rs.length, ans = 0;
        Arrays.fill(tr1, 0);
        Arrays.fill(tr2, 0);
        for (int i : rs) update(tr2, i, 1);
        for (int i = 0; i < n; i++) {
            int t = rs[i];
            update(tr2, t, -1);
            ans += query(tr1, t - 1) * (query(tr2, N - 1) - query(tr2, t));
            ans += (query(tr1, N - 1) - query(tr1, t)) * query(tr2, t - 1);
            update(tr1, t, 1);
        }
        return ans;
    }
}