51 数组中的逆序对
题目
在数组中的两个数字,如果前面一个数字大于后面的数字,则这两个数字组成一个逆序对。输入一个数组,求出这个数组中的逆序对的总数P。并将P对1000000007取模的结果输出。即输出P%1000000007。思路1
暴力解法,顺序扫描整个数组,每扫描到一个数字的时候,逐个比较该数字和它后面的数字的大小。如果后面的数字比它小,则这两个数字就组成一个逆序对。 假设数组中含有n个数字,由于每个数字都要和O(n)个数字作比较,因此这个算法的时间复杂度是O(n^2)。思路2-分治法
采用归并排序的思路来处理,如下图,先分后治: 先把数组分解成两个长度为2的子数组,再把这两个子数组分解成两个长度为1的子数组。接下来一边合并相邻的子数组,一边统计逆序对的数目。 在第一对长度为1 的子数组 、{7、5}中7>5,因此(7,5)组成一个逆序对。同样在第二对长度为1 的子数组 ,{6、4}中也有逆序对(6,4),由于已经统计了这两对子数组内部的逆序对,因此需要把这两对子数组进行排序,避免在之后的统计过程中重复统计。 逆序对的总数 = 左边数组中的逆序对的数量 + 右边数组中逆序对的数量 + 左右结合成新的顺序数组时中出现的逆序对的数量。 总结一下:这是一个归并排序的合并过程,主要是考虑合并两个有序序列时,计算逆序对数。对于两个升序序列,设置两个下标:两个有序序列的末尾。每次比较两个末尾值,如果前末尾大于后末尾值,则有”后序列当前长度“个逆序对;否则不构成逆序对。然后把较大值拷贝到辅助数组的末尾,即最终要将两个有序序列合并到辅助数组并排序。 这样,每次在合并前,先递归地处理左半段、右半段,则左、右半段有序,且左右半段的逆序对数可得到,再计算左右半段合并时逆序对的个数。上代码
public class Solution { private int count = 0; //记录次数 private int[] tempArray ; public int InversePairs(int [] array) { if(array.length == 0){ return 0; } tempArray = new int[array.length]; mergeSort(array, 0, array.length - 1); return count%1000000007; } public void mergeSort(int[] array,int start,int end){ if(end <= start) { return; } int mid = (start + end)/2; mergeSort(array,start,mid); mergeSort(array,mid+1,end); //把两个有序小集合归并成一个大集合 merge(array,start,mid,end); } public void merge(int[] array,int start,int mid,int end){ //设置指针 int p1 = start, p2 = mid + 1; //将数组分割成两段,由于归并排序特点,前后两段是有序的 for(int i = start; i <= end; i++){ //复制数组 tempArray[i] = array[i]; } for(int i= start; i<= end; i++){ if(p1 > mid) { array[i] = tempArray[p2++]; //当只剩下右边数组 }else if(p2 > end) { array[i] = tempArray[p1++]; //当只剩下左边数组 }else if(tempArray[p1] > tempArray[p2]) { //当前一个数组的数大于后一个数组的数时,逆序(前后数组分界点为mid) /** * 例如数组5 6 7 2 4 8进行归并 ,因为归并排序会使数组前后数组有序 * 前一个数组为:5 6 7 ,后一个数组为: 2 4 8 * 当 5 大于 2时,5后面的6,7都会大于2, 且5的最后一个数组下标为mid, * 所以count = count+ mid - p1 + 1 然后将2添加到array[i]中 */ count = (count + mid-p1 + 1)%1000000007; array[i] = tempArray[p2++]; }else { array[i] = tempArray[p1++]; } } }}
注意:本解法中的两个指针下标设置为两个有序序列的头。每次比较两个序列头的值,如果前序列的头的值大于后序列头的值,则有”前序列当前长度“个逆序对,与设置两个序列末尾值为指针下标同理。
我们知道,归并排序的时间复杂度是o(nlogn),比最直观的o(n2)要快,但同时需要一个长度为n的辅助数组,相当于我们用o(n)的空间消耗换来了时间效率的提升,因此这是一种用空间换时间的算法。
52 两个链表的第一个公共结点
题目
输入两个链表,找出它们的第一个公共结点。
思路1 蛮力法
碰到这道题,很多人的第一反应就是蛮力法:在第一链表上顺序遍历每个结点,每遍历到一个结点的时候,在第二个链表上顺序遍历每个结点。如果在第二个链表上有一个结点和第一个链表上的结点一样,说明两个链表在这个结点上重合,于是就找到了它们的公共结点。 如果第一个链表的长度为m,第二个链表的长度为n,显然该方法的时间复杂度是O(mn)。思路2 空间换时间
首先,经过分析我们发现两个有公共结点而部分重合的链表,拓扑形状看起来像一个Y,而不可能像X,如下图所示,两个链表在值为6的结点处交汇:
如果两个链表有公共结点,那么公共结点出现在两个链表公共结点前的尾部。如果我们从两个链表的尾部开始往前比较,最后一个相同的结点就是我们要找的结点。 但是,在单链表中只能从头结点开始按顺序遍历,最后才能到达尾结点。最后到达的尾结点却要最先被比较,这是“后进先出”的特性。 于是,我们可以使用栈的特点来解决这个问题:分别把两个链表的结点放入两个栈里,这样两个链表的尾结点就位于两个栈的栈顶,接下来比较两个栈顶的结点是否相同。如果相同,则把栈顶弹出接着比较下一个栈顶,直到找到最后一个相同的结点。 在上述思路中,我们需要用两个辅助栈。如果链表的长度分别为m和n,那么空间复杂度是O(m+n)。这种思路的时间复杂度也是O(m+n)。和最开始的蛮力法相比,时间效率得到了提高,相当于是用空间消耗换取了时间效率。思路3 不借助外部空间法
其实解决这个问题还有一种更简单的办法:首先遍历两个链表得到它们的长度,就能知道哪个链表比较长,以及长的链表比短的链表多几个结点。在第二次遍历的时候,在较长的链表上先走若干步,接着再同时在两个链表上遍历,找到的第一个相同的结点就是它们的第一个公共结点。 比如在上图的两个链表中,我们可以先遍历一次得到它们的长度分别为5和4,也就是较长的链表与较短的链表相比多一个结点。第二次先在长的链表上走1步,到达结点2。接下来分别从结点2和结点4出发同时遍历两个结点,直到找到它们第一个相同的结点6,这就是我们想要的结果。上代码
/*public class ListNode { int val; ListNode next = null; ListNode(int val) { this.val = val; }}*/public class Solution { public ListNode FindFirstCommonNode(ListNode pHead1, ListNode pHead2) { int listLength1 = getListLength(pHead1); int listLength2 = getListLength(pHead2); ListNode pListHeadLong = null; ListNode pLlistHeadShort = null; int listLengthDif = 0; if(listLength1 > listLength2){ pListHeadLong = pHead1; pLlistHeadShort = pHead2; listLengthDif = listLength1 - listLength2; }else{ pListHeadLong = pHead2; pLlistHeadShort = pHead1; listLengthDif = listLength2 - listLength1; } for(int i = 0;i < listLengthDif;i++){ pListHeadLong = pListHeadLong.next; } while((pListHeadLong != null) && (pLlistHeadShort != null) && (pListHeadLong != pLlistHeadShort)){ pListHeadLong = pListHeadLong.next; pLlistHeadShort = pLlistHeadShort.next; } ListNode pFirstCommonNode = pListHeadLong; return pFirstCommonNode; } public int getListLength(ListNode pHead){ int length = 0; ListNode pNode = pHead; while(pNode != null){ length ++; pNode = pNode.next; } return length; }}
第三种思路和第二种思路相比,时间复杂度都是O(m+n),但是不需要额外的空间消耗,提高了空间效率。
References
[1]
《剑指offer(第二版)》 何海涛著
[2] https://www.cnblogs.com/huangyichun/p/6089737.html(文章题目编号有误:为51,特此更正)