两个数组进行比较_剑指offer(50数组中的逆序对/52两个链表的第一个公共结点) 题解...-CSDN博客

本文链接：https://blog.csdn.net/weixin_39696197/article/details/111297430

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。