华为OD机试-按身高和体重排序

声明：

个人原创，如有错误和不足，敬请指正，转载请注明出处

题目描述

       某学校举行运动会，学生们按编号(1、2、3...n)进行标识，现需要按照身高由低到高排列， 对身高相同的人，按体重由轻到重排列;对于身高体重都相同的人，维持原有的编号顺序关系。请输出排列后的学生编号。

输出描述

排列结果，每个数值都是原始序列中的学生编号，编号从1开始

示例

         * 输入： 4

               100 100 120 130

               40 30 60 50

         * 输出：

         *  2 1 3 4

思路

此题考查的是排序算法，本题很容易想到使用插入排序，当然冒泡排序或者其他排序算法也可以，这里我使用了插入排序

           插入排序算法的思想是：

          * 1、分两个队列，一个队列是待排序的项，另一个队列是已排序的项，

          * 2、从未排序队列中取出一项（不放回，取最后一项，取哪项随意），在已排序的队列中查找到合适的位置（前一项身高小于或等于当前项，

          * 如果查找的项与当前项身高体重都相同，则继续查找，后一项身高大于或等于当前项（不能同时相同）

          * 3、重复以上步骤，直到未排序队列清空

针对此题，给出如下代码：

var n = 5;
         var heights = [100,100,120,130,90]
         var weights = [40,30,60,50,100]
         getRankNums(n,heights,weights)
         function getRankNums(n,heights,weights) {// n为人数
            let res = [];
            // 将两个数组合并一下
            let arr = [];
            for(let i=0;i<n;i++) {
                arr.push([heights[i],weights[i]])
            }
            // 清空队列
            while(arr.length) {
                let item = arr.pop();
                // 默认插入位置设置为尾部，因为在下面的遍历中，如果到遍历到最后一个依旧没找到插入的位置，则直接将元素项添加到尾部即可
                let index = res.length;
                for(let i=0; i< res.length; i++) {
                    if(res[i][0] > item[0]) {       // 待排项身高小于已排项，此时的位置即为插入位置，记录并跳出循环
                        index = i;
                        break;
                    }else {
                        if(res[i][0] < item[0]) { // 待排项身高大于已排项，继续向后查找
                            continue;
                        }else {     // 只剩下身高相等的情况了，比较体重
                            if(res[i][1] <= item[1]) {           // 如果待排项体重依旧大于等于当前对比项，继续
                                continue;
                            }else {         // 只剩下这种情况，待排项身高与对比项相同，体重比对比项小，此时的位置即为插入位置，记录并跳出循环
                                index = i;
                                break;
                            }
                        }
                    }
                }
                res.splice(index, 0, item)
            }
            console.log(res,'res')
            return res;
         }

时间复杂度和空间复杂度分析

/**

          * 最后进行一下时间复杂度分析：上面代码中第一层循环为人数n，第二重循环为已排序人数（0-n),均值为n/2，

          * 查找次数期望为n/2，所用总的平均复杂度为n^2/2,因此平均时间复杂度为O(n^2)

          * 空间复杂度，我们借用了两个等同于人数的数组，为2n，所以空间复杂度为O(n)

          * **/