算法:分治(归并)题目练习

目录

题目一:排序数组

题目二:数组中的逆序对

题目三:计算右侧小于当前元素的个数

题目四:翻转对


题目一:排序数组

给你一个整数数组 nums,请你将该数组升序排列。

示例 1:

输入:nums = [5,2,3,1]
输出:[1,2,3,5]

示例 2:

输入:nums = [5,1,1,2,0,0]
输出:[0,0,1,1,2,5]

归并排序也就是找一个中间值mid,先排mid左边的区域,再排mid右边的区域,而左边的区域又可以分为两块,继续排序,以此类推 .....最后再将两个有序数组进行合并

这里的归并排序与上一章节的快排,都是执行了数组分块的逻辑,较为类似,所以放在一块讲解

这里可以将快排理解为二叉树的前序遍历,即先将根结点这一层分好,再去分左子树,右子树...

而归并排序,可以理解为二叉树的后序遍历,即先将左子树、右子树分完,再合并到根结点处

这里的归并排序同样分为下面几步:

①选择中间点mid
②左右区间排序
③合并左右两个数组
④将 tmp 数组数据还原到数组 nums 中


代码如下:

class Solution 
{
    vector<int> tmp;//临时数组放全局,相比于放局部提高效率
public:
    vector<int> sortArray(vector<int>& nums) 
    {
        tmp.resize(nums.size());//临时数组 开空间 + 初始化
        mergeSort(nums, 0, nums.size() - 1);
        return nums;
    }

    void mergeSort(vector<int>& nums, int left, int right)
    {
        if(left >= right) return;
        //选择中间点划分
        int mid = ((right - left) >> 1) + left;
        //左右区间排序
        mergeSort(nums, left, mid);
        mergeSort(nums, mid + 1, right);
        //合并两个数组
        int cur1 = left, cur2 = mid + 1, i = 0;
        while(cur1 <= mid && cur2 <= right)
            tmp[i++] = nums[cur1] <= nums[cur2] ? nums[cur1++] : nums[cur2++];
        //处理两个数组中可能有剩余元素的数组,即没有遍历完的数组
        while(cur1 <= mid) tmp[i++] = nums[cur1++]; 
        while(cur2 <= right) tmp[i++] = nums[cur2++];
        //还原数组
        for(int i = left; i <= right; i++) nums[i] = tmp[i - left];
    }
};

题目二:数组中的逆序对

在股票交易中,如果前一天的股价高于后一天的股价,则可以认为存在一个「交易逆序对」。请设计一个程序,输入一段时间内的股票交易记录 record,返回其中存在的「交易逆序对」总数。

示例 1:

输入:record = [9, 7, 5, 4, 6]
输出:8
解释:交易中的逆序对为 (9, 7), (9, 5), (9, 4), (9, 6), (7, 5), (7, 4), (7, 6), (5, 4)。

逆序对其实在大学的课程是学过的,只要在数组中从前往后挑选的两个数中,前一个数比后一个数大,就称这两个数为一个逆序对

解法一:暴力解法

两层for循环,依次枚举每一个组合,从所有组合中寻找逆序对,这种解法比较简单,且一定会超时,所以代码就不列举了

解法二:归并排序

下面可以对归并排序说明,即分为两部分,左边部分挑出来逆序对个数,右边部分挑出来逆序对个数,再一左一右挑出来逆序对个数,相加即可

下面可以优化为:

左半部分 -> 左排序 -> 右半部分 -> 右排序 -> 一左一右 -> 排序

策略一:找出该数之前,有多少个数比我大的(升序排列)

现在分为两部分,如下所示:

因为是升序排序的,所以此时cur1、cur2前面的部分都是小的,由于要找的逆序对时前面的数比后面的数大,所以当找到cur1大于cur2的时候,左半部分的cur1后面的其他数也肯定大于cur2,此时就不用继续比较了,直接加上后面的个数,再cur2++,往后寻找,也就是:

①nums[cur1] <= nums[cur2]:cur1++
②nums[cur] > nums[cur2]:ret += mid - cur1 + 1,cur2++


策略二:找出该数之后,有多少个数比我小的(降序排列)

降序排列如下所示:

①nums[cur2] < nums[cur1]:ret += right - (mid + 1) +1 = right - mid,cur1++
②nums[cur2] >= nums[cur1]:cur2++


代码如下:

class Solution 
{
    vector<int> tmp;
public:
    int reversePairs(vector<int>& record) 
    {
        tmp.resize(record.size());
        return mergeSort(record, 0, record.size() - 1);
    }

    int mergeSort(vector<int>& nums, int left, int right)
    {
        if(left >= right) return 0;

        int ret = 0;
        //找中间点,将数组分为两部分
        int mid = ((right - left) >> 1) + left;
        //左边数组 + 排序 + 右边数组 + 排序
        ret += mergeSort(nums, left, mid);
        ret += mergeSort(nums, mid + 1, right);
        //一左一右的数
        int cur1 = left, cur2 = mid + 1, i = 0;
        //策略一:升序版本
        while(cur1 <= mid && cur2 <= right)
        {
            if(nums[cur1] <= nums[cur2])
            {
                tmp[i++] = nums[cur1++];
            }
            else
            {
                ret += mid - cur1 + 1;
                tmp[i++] = nums[cur2++];
            }
        }
        //策略二:降序版本
        // while(cur1 <= mid && cur2 <= right)
        // {
        //     if(nums[cur1] > nums[cur2])
        //     {
        //         ret += right - cur2 + 1;
        //         tmp[i++] = nums[cur1++];
        //     }
        //     else
        //     {
        //         tmp[i++] = nums[cur2++];
        //     }
        // }
        while(cur1 <= mid) tmp[i++] = nums[cur1++];
        while(cur2 <= right) tmp[i++] = nums[cur2++];
        //还原数组
        for(i = left; i <= right; i++) nums[i] = tmp[i - left];
        return ret;
    }
};

题目三:计算右侧小于当前元素的个数

给你一个整数数组 nums ,按要求返回一个新数组 counts 。数组 counts 有该性质: counts[i] 的值是  nums[i] 右侧小于 nums[i] 的元素的数量。

示例 1:

输入:nums = [5,2,6,1]
输出:[2,1,1,0] 
解释:
5 的右侧有 2 个更小的元素 (2 和 1)
2 的右侧仅有 1 个更小的元素 (1)
6 的右侧有 1 个更小的元素 (1)
1 的右侧有 0 个更小的元素

示例 2:

输入:nums = [-1]
输出:[0]

示例 3:

输入:nums = [-1,-1]
输出:[0,0]

这道题与上一道题的逆序对比较像,上一题是直接求逆序对的数量,而此题是求每个元素有几个右边比它小的元素的数量

解法:归并排序(分治)

上一题讲到了有两个策略:

策略一:求一个数左边有多少个数比我大(升序)

策略二:求一个数右边有多少个数比我小(降序)

此题使用策略二比较方便些,图如下所示:

所以就有下面两种情况:

①nums[cur1] <= nums[cur2]:cur2++
②nums[cur1] > nums[cur2]:数组中cur1这个位置的数 = 原始下标 + right - cur2 + 1

那么由于归并排序是会改变数组中元素位置的,怎么能够记住数组中原始下标的位置呢?

利用哈希的思想, 创建一个和nums等规模大小的数组,并记录原始的下标,在nums数组的元素移动时,该数组也跟着移动即可

由于此时多了一个index下标数组,所以还需要多创建一个辅助数组,需要注意的是在使用nums数组的辅助数组tmpNums时,index数组的辅助数组tmpIndex也需要使用,为了最终能够找到原始下标

在处理一左一右两部分时,由于需要记录cur1位置的数值,那么就需要该位置的数值所对应的原始下标,原始下标为index[cur1],找到了原始下标,那么此时往最终的数组中写时,就变为了:
ret[index[cur1]]


代码如下:

class Solution 
{
    vector<int> ret;      //最终结果
    vector<int> index;    //原始下标
    int tmpNums[500010];  //辅助数组
    int tmpIndex[500010]; //辅助数组
public:
    vector<int> countSmaller(vector<int>& nums) 
    {
        int n = nums.size();
        ret.resize(n), index.resize(n); 
        //初始化 index 数组
        for(int i = 0; i < n; i++) index[i] = i;
        mergeSort(nums, 0, nums.size() - 1);
        return ret;
    }

    void mergeSort(vector<int>& nums, int left, int right)
    {
        if(left >= right) return;

        int mid = ((right - left) >> 1) + left;
        //先处理左右两部分
        //[left, mid] [mid + 1, right]
        mergeSort(nums, left, mid);
        mergeSort(nums, mid + 1, right);
        //处理一左一右两部分
        int cur1 = left, cur2 = mid + 1, i = 0;
        while(cur1 <= mid && cur2 <= right)
        {
            if(nums[cur1] <= nums[cur2])
            {
                tmpNums[i] = nums[cur2];
                tmpIndex[i++] = index[cur2++];
            }
            else
            {
                ret[index[cur1]] += right - cur2 + 1;
                tmpNums[i] = nums[cur1];
                tmpIndex[i++] = index[cur1++];
            }
        }
        //处理可能没处理完的排序过程
        while(cur1 <= mid)
        {
            tmpNums[i] = nums[cur1];
            tmpIndex[i++] = index[cur1++];
        }
        while(cur2 <= right)
        {
            tmpNums[i] = nums[cur2];
            tmpIndex[i++] = index[cur2++];
        }
        //还原数组
        for(int i = left; i <= right; i++)
        {
            nums[i] = tmpNums[i - left];
            index[i] = tmpIndex[i - left];
        }
    }
};

题目四:翻转对

给定一个数组 nums ,如果 i < j 且 nums[i] > 2*nums[j] 我们就将 (i, j) 称作一个重要翻转对

你需要返回给定数组中的重要翻转对的数量。

示例 1:

输入: [1,3,2,3,1]
输出: 2

示例 2:

输入: [2,4,3,5,1]
输出: 3

注意:

  1. 给定数组的长度不会超过50000
  2. 输入数组中的所有数字都在32位整数的表示范围内。

这道题和逆序对那道题非常相似,逆序对是求前面的数大于后面的数的个数,而这道题是求前面的数大于后面数的两倍的个数

解法一:暴力枚举

暴力枚举就是固定一个数,枚举后面的数,以此类推,找到符合条件组合的个数,时间一定会超时,就不多说了,看下面的解法

解法二:分治

讲一个数组分为两部分,先求左边的翻转对的个数,再求右边翻转对的个数,再求一左一右的翻转对的个数

那么接下来,需要考虑怎么使用归并,能够解决此题

依旧是两种策略:

策略一:计算当前元素后面,有多少元素的2倍比我小(降序)

策略二:计算当前元素前面,有多少元素的一半比我大(升序)

与前面的计算方式不同的是,逆序对那道题,由于与递归排序的 if 语句中的判断条件是一样的,都是 nums[cur1] 与 nums[cur2] 比较,所以可以在递归的过程中,进行 ret++

而这道题是 nums[cur1] 与 2 * nums[cur2] 进行比较,不同的判断条件可能会导致遗漏,

所以在归并之前,先来判断这种情况有多少个翻转对,如果采用的是策略一,就让 ret += right - cur2 + 1,直到 cur1 <= mid 这个判断条件结束,下面再进行这一次的归并排序,以此类推


代码如下:

class Solution 
{
    int tmp[50010]; //辅助数组
public:
    int reversePairs(vector<int>& nums) 
    {
        return mergeSort(nums, 0, nums.size() - 1);
    }

    int mergeSort(vector<int>& nums, int left, int right)
    {
        if(left >= right) return 0;
        int ret = 0;
        //根据中间元素划分区间
        int mid = ((right - left) >> 1) + left;
        //计算左右两侧的翻转对
        ret += mergeSort(nums, left, mid);
        ret += mergeSort(nums, mid + 1, right);
        //先计算翻转对的数量
        int cur1 =  left, cur2 = mid + 1, i = 0;
        while(cur1 <= mid) //降序
        {
            while(cur2 <= right && nums[cur1] / 2.0 <= nums[cur2]) cur2++;
            if(cur2 > right) break;
            ret += right - cur2 + 1;
            cur1++;
        }
        //合并两个有序数组
        cur1 = left, cur2 = mid + 1;
        while(cur1 <= mid && cur2 <= right)
        {
            tmp[i++] = nums[cur1] <= nums[cur2] ? nums[cur2++] : nums[cur1++];
        }
        //处理没有处理完毕的数组
        while(cur1 <= mid) tmp[i++] = nums[cur1++];
        while(cur2 <= right) tmp[i++] = nums[cur2++];
        //恢复数组
        for(int i = left; i <= right; i++) nums[i] = tmp[i - left];
        return ret;
    }
};

分治中,关于归并的题目到此结束


本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/729118.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

收银系统源码推荐收银系统二次开发

千呼新零售收银系统是一套线下线上一体化的收银系统&#xff0c;给商户提供了含有线下收银/称重、线上小程序商城、精细化会员管理、ERP进销存、营销活动、移动店务管理等一体化解决方案&#xff01; 1. 多样化线下收银 线下收银支持Windows收银、安卓收银、智能称重收银、无人…

BFS:FloodFill算法

文章目录 FloodFill算法简介1.图像渲染2.岛屿数量3.岛屿的最大面积4.被围绕的区域总结 FloodFill算法简介 Flood Fill算法是一种用于确定与某个给定节点相连的区域的算法&#xff0c;常用于计算机图形学和图像处理。该算法可以用于诸如填充多边形、检测连通区域等任务。Flood …

Linux 一键部署 Nginx1.26.1 + ModSecurity3

前言 ModSecurity 是 Apache 基金会的一个开源、高性能的 Web 应用程序防火墙(WAF),它提供了强大的安全规则引擎,用于检测和阻止各种攻击行为,如 SQL 注入、XSS 跨站点脚本攻击等。而 nginx 是一个高性能的 Web 服务器,常用于处理大量的并发请求,具有很高的负载均衡能力…

蓝牙数传芯片TD5325A,蓝牙5.1—拓达半导体

拓达TD5325A芯片是一款支持蓝牙BLE&SPP的纯数传芯片&#xff0c;蓝牙5.1版本。芯片的亮点在于性能强&#xff0c;支持APP端直接对芯片做设置与查询操作&#xff0c;包括修改蓝牙名、UUID、MAC地址&#xff0c;以及直接操作蓝牙芯片自身的IO与PWM口&#xff0c;还包括支持简…

Linux:用户账号和权限管理的命令

目录 一、Linux用户的分类和组的分类 1.1、用户账号和组账号 1.2、用户的分类 1.3、组账号 1.4、用户账号文件/etc/passwd 二、用户管理相关命令 2.1、chage命令&#xff1a;用来修改帐号和密码的有效期限&#xff0c;针对目前系统已经存在的用户 2.2、useradd&#xf…

行车记录仪文件夹“0字节”现象解析与恢复策略

一、行车记录仪文件夹“0字节”现象描述 行车记录仪作为现代驾驶中的必备设备&#xff0c;其储存的视频数据对于事故记录和取证至关重要。然而&#xff0c;有时车主们可能会遇到这样一个问题&#xff1a;行车记录仪的某个文件夹内的文件突然变成了0字节大小&#xff0c;无法正…

Vue快速上手和Vue指令

一、Vue快速上手 1、Vue概念 Vue (读音 /vjuː/&#xff0c;类似于 view) 是一套构建用户界面的渐进式框架 Vue2官网&#xff1a;https://v2.cn.vuejs.org/ 构建用户界面&#xff1a;基于数据渲染出用户可以看到的界面 渐进式&#xff1a; 循序渐进&#xff0c;不一定非得把…

操作系统精选题(一)(PV经典问题之生产者与消费者)

&#x1f308; 个人主页&#xff1a;十二月的猫-CSDN博客 &#x1f525; 系列专栏&#xff1a; &#x1f3c0;操作系统 &#x1f4aa;&#x1f3fb; 十二月的寒冬阻挡不了春天的脚步&#xff0c;十二点的黑夜遮蔽不住黎明的曙光 目录 前言 进程互斥与同步 题目一 题目二 题…

开发uniapp插件包aar文件,使uniapp可以调用jar包

背景 使用 uniapp 开发应用时&#xff0c;很多时候都需要调用第三方的sdk&#xff0c;一般以 jar 为主。为了应对这个问题&#xff0c;官方提供了插件方案&#xff0c;可以将第三方 jar 包进行封装为 aar 包后&#xff0c;再集成到 uniapp 中使用。 一、环境安装工具 1、jdk…

后台管理台字典localStorage缓存删除

localStorage里存放了如以下dictItems_开头的字典数据&#xff0c;localStorage缓存是没有过期时间的&#xff0c;需要手动删除。同时localStorage里还存有其他不需要删除的数据。 这里的方案是遍历localStorage&#xff0c;利用正则和所有key进行匹配&#xff0c;匹配到dict…

qt打包失败 ,应用程序无法正常启动0xc000007b解决办法

用 windeployqt 打包QT程序&#xff0c;运行时提示程序无法正常启动0xc000007b #原因&#xff1a;因本机装了多个版本的Qt&#xff0c;包括32位&#xff0c;64位的&#xff0c;在cmd下可能是环境变量原因&#xff0c;用 windeployqt 打的包无法运行 解决办法&#xff1a; 1、…

【netty】三万字详解!JAVA高性能通信框架,关于netty,看这一篇就够了

目录 1.概述 2.hello world 3.EventLoop 4.channel 4.1.同步 4.2.异步 4.3.调试 4.4.关闭 4.5.为什么要用异步 5.future 6.promise 7.pipeline 8.byteBuf 8.1.创建 8.2.内存模式和池化 8.2.1.内存模式 8.2.2.池化 8.3.组成 8.4.操作 8.4.1.读写 8.4.2.释放…

内容安全复习 2 - 网络信息内容的获取与表示

文章目录 信息内容的获取网络信息内容的类型网络媒体信息获取方法 信息内容的表示视觉信息视觉特征表达文本特征表达音频特征表达 信息内容的获取 网络信息内容的类型 网络媒体信息 传统意义上的互联网网站公开发布信息&#xff0c;网络用户通常可以基于网络浏览器获得。网络…

数据结构_优先级队列(堆)

目录 一、优先级队列 1.1 堆 1.2 PriorityQueue接口 二、模拟实现优先级队列 2.1 初始化 2.2 创建大根堆 (向下调整) 2.3 堆的插入 2.4 堆的删除 2.5 堆排序 总结 一、优先级队列 优先级队列是一种特殊的队列&#xff0c;其出队顺序与入队顺序无关&#xff0c;而与优…

Unet已死,Transformer当立!详细解读基于DiT的开源视频生成大模型EasyAnimate

Diffusion Models视频生成-博客汇总 前言&#xff1a;最近阿里云PIA团队开源了基于Diffusion Transformer结构的视频生成模型EasyAnimate&#xff0c;并且提出了专门针对视频的slice VAE&#xff0c;对于目前基于Unet结构的视频生成最好如SVD形成了降维打击&#xff0c;不论是生…

16s功能注释--PICRUST2的安装及使用

文章目录 安装本地安装conda安装 使用一些报错 安装 本地安装 在github网址下载压缩包&#xff1a;https://github.com/picrust/picrust2/releases/tag/v2.5.2 解压后将bin目录设置到环境变量 conda安装 利用bioconda安装 conda create -n picrust2 -c bioconda -c conda-…

Matlab基础语法:变量和数据类型,基本运算,矩阵和向量,常用函数,脚本文件

目录 一、变量和数据类型 二、基本运算 三、矩阵和向量 四、常用函数 五、脚本文件 六、总结 一、变量和数据类型 Matlab 支持多种数据类型&#xff0c;包括数值类型、字符类型和逻辑类型。掌握这些基本的变量和数据类型&#xff0c;是我们进行数学建模和计算的基础。 数…

网络安全复习笔记

概述 要素 CIA&#xff1a;可用性&#xff1b;完整性&#xff1b;保密性。 可控性&#xff1b;不可否认性&#xff1b;可审查性。 攻击 被动&#xff1a;窃听 - 保密性&#xff1b;监听 - 保密性主动&#xff1a;假冒 - 完整性&#xff1b;重放 - 完整性&#xff1b;改写 -…

数学建模系列(4/4):Matlab建模实战

目录 引言 1. Matlab简介与安装 1.1 Matlab简介 1.2 Matlab的安装 2. Matlab基础操作 2.1 Matlab基础语法和常用命令 2.2 Matlab中的数据类型和数据结构 3. 用Matlab进行建模 3.1 矩阵运算与线性代数 矩阵运算 3.2 Matlab中的绘图功能 绘制2D图形 绘制3D图形 3.3…

中服云产品远程运维系统

中服云产品远程运维系统主要针对设备售后市场服务的管理&#xff0c;利用工业物联网技术&#xff0c;一方面面向设备生产厂商&#xff0c;将分散的经销商、客户、销售出去的设备统一管理&#xff1b;另一方面面向设备使用厂家&#xff0c;实现设备实时运行监控&#xff1b;系统…