2026-04-19:固定长度子数组中的最小逆序对数目。用go语言,给你一个整数数组 nums(长度为 n)和一个整数 k。所谓“逆序对”,指的是在数组中下标满足 i < j 且 nums[i] >

news2026/4/27 5:26:40
2026-04-19固定长度子数组中的最小逆序对数目。用go语言给你一个整数数组 nums长度为 n和一个整数 k。所谓“逆序对”指的是在数组中下标满足 i j 且 nums[i] nums[j] 的任意一对位置 (i, j)。对某个连续片段即子数组而言统计它内部所有满足上述条件的逆序对数量这个数量就是该子数组的“逆序对数量”。现在考虑 nums 中所有长度恰好为 k 的连续子数组要求找出其中逆序对数量的最小值并返回。1 n nums.length 100000。1 nums[i] 1000000000。1 k n。输入nums [5,3,2,1], k 4。输出6。解释只有一个长度为 k 4 的子数组[5, 3, 2, 1]。在该子数组中逆序对为(0, 1), (0, 2), (0, 3), (1, 2), (1, 3), 和 (2, 3)。逆序对总数为 6因此最小逆序对数量是 6。题目来自力扣3768。大体步骤如下一、核心前置知识铺垫逆序对子数组内满足ij 且 nums[i]nums[j]的数对我们要统计每个长度为k的连续子数组的逆序对总数找最小值。滑动窗口数组中所有长度为k的连续子数组本质是一个固定大小为k的窗口从左向右滑动每次移动一位。树状数组高效完成单点更新和前缀和查询的数据结构用来快速统计逆序对避免暴力枚举超时。离散化因为数组元素值最大可达1e9无法直接用树状数组存储所以把原数组的值映射为连续的小整数1,2,3…。二、分步骤详细执行过程步骤1离散化处理压缩数值范围原数组[5, 3, 2, 1]克隆原数组并排序、去重得到排序去重数组[1,2,3,5]把原数组的每个值替换为它在排序数组中的位置1树状数组下标从1开始5 → 43 → 32 → 21 → 1离散化后的数组[4, 3, 2, 1]✅ 作用把超大数值变成1~4的连续整数适配树状数组。步骤2初始化核心变量初始化树状数组长度为离散化后最大值1 5初始值全0。逆序对计数器inv 0记录当前窗口的逆序对总数。答案变量ans 最大值存储所有窗口的最小逆序对。固定窗口大小k4。步骤3滑动窗口遍历数组逐个元素处理我们遍历离散化后的数组[4,3,2,1]每一步分为元素入窗口 → 计算逆序对 → 窗口成型则更新答案 → 元素出窗口。第1次遍历处理第一个元素4元素入窗口把数字4加入树状数组树状数组标记4的位置计数1。累加逆序对当前窗口内比4大的数字个数为0逆序对总数inv 0。窗口判断当前窗口长度1 4未形成有效窗口不执行后续操作。第2次遍历处理第二个元素3元素入窗口把数字3加入树状数组树状数组标记3的位置计数1。累加逆序对当前窗口内比3大的数字只有4逆序对总数inv 1。窗口判断当前窗口长度2 4未形成有效窗口不执行后续操作。第3次遍历处理第三个元素2元素入窗口把数字2加入树状数组树状数组标记2的位置计数1。累加逆序对当前窗口内比2大的数字有4、3逆序对总数inv 123。窗口判断当前窗口长度3 4未形成有效窗口不执行后续操作。第4次遍历处理第四个元素1元素入窗口把数字1加入树状数组树状数组标记1的位置计数1。累加逆序对当前窗口内比1大的数字有4、3、2逆序对总数inv 336。窗口判断窗口长度4刚好形成第一个有效窗口。更新最小答案当前逆序对总数6是最小值ans6。元素出窗口窗口左侧第一个元素4移出树状数组树状数组标记4的位置计数-1。修正逆序对减去移出元素4带来的逆序对数量逆序对总数更新。步骤4遍历结束输出结果整个数组遍历完成唯一的有效窗口逆序对总数为6最终返回6。三、关键逻辑补充说明元素入窗口时用树状数组快速查询当前窗口中比新元素大的数字个数直接累加到逆序对总数。窗口成型后用当前逆序对总数更新最小值。元素出窗口时用树状数组快速查询比移出元素小的数字个数从逆序对总数中减去因为这个元素离开了窗口它贡献的逆序对也要删掉。提前终止如果逆序对总数变为0理论最小值直接结束计算优化效率。四、时间复杂度分析离散化排序去重映射时间复杂度为O(n log n)。滑动窗口遍历遍历n个元素每个元素执行2次树状数组操作更新查询树状数组单次操作复杂度为O(log m)m是离散化后的数值范围m≤n。总遍历复杂度O(n log n)。✅总的时间复杂度O(n log n)这是处理n≤1e5数据的最优复杂度能完美通过题目限制五、额外空间复杂度分析额外空间指除输入数组外代码主动开辟的空间离散化用的排序数组O(n)。树状数组O(n)。其他临时变量O(1)。✅总的额外空间复杂度O(n)总结执行流程离散化压缩数值 → 滑动窗口遍历元素 → 树状数组高效统计逆序对 → 维护最小逆序对数量时间复杂度O(n log n)适配1e5规模数据额外空间复杂度O(n)。Go完整代码如下packagemainimport(fmtmathslicessort)typefenwick[]intfunc(t fenwick)update(i,valint){for;ilen(t);ii-i{t[i]val}}func(t fenwick)pre(iint)(resint){for;i0;ii-1{rest[i]}return}funcminInversionCount(nums[]int,kint)int64{// 离散化sorted:slices.Clone(nums)slices.Sort(sorted)sortedslices.Compact(sorted)fori,x:rangenums{nums[i]sort.SearchInts(sorted,x)1// 树状数组下标从 1 开始}t:make(fenwick,len(sorted)1)inv:0ans:math.MaxIntfori,in:rangenums{// 1. 入t.update(in,1)invmin(i1,k)-t.pre(in)// 窗口大小 - (x 的元素个数) (x 的元素个数)left:i1-kifleft0{// 尚未形成第一个窗口continue}// 2. 更新答案ansmin(ans,inv)ifans0{// 已经最小了无需再计算break}// 3. 出out:nums[left]inv-t.pre(out-1)// out 的元素个数t.update(out,-1)}returnint64(ans)}funcmain(){nums:[]int{5,3,2,1}k:4result:minInversionCount(nums,k)fmt.Println(result)}Python完整代码如下# -*-coding:utf-8-*-fromtypingimportListclassFenwick:def__init__(self,n:int):self.nn self.bit[0]*(n1)defupdate(self,i:int,val:int)-None:将位置i增加vali从1开始whileiself.n:self.bit[i]val ii-idefpre(self,i:int)-int:前缀和1到i的和res0whilei0:resself.bit[i]ii-1returnresdefmin_inversion_count(nums:List[int],k:int)-int: 计算所有长度为k的子数组中逆序对的最小值 # 离散化sorted_numssorted(set(nums))# 映射到1,2,3,...树状数组下标从1开始num_to_idx{val:idx1foridx,valinenumerate(sorted_nums)}nums[num_to_idx[x]forxinnums]# 树状数组bitFenwick(len(sorted_nums))inv0# 当前窗口的逆序对数ansfloat(inf)fori,numinenumerate(nums):# 1. 入将当前元素加入窗口bit.update(num,1)# 窗口大小 min(i1, k)window_sizemin(i1,k)# 大于num的元素个数 窗口大小 - 小于等于num的元素个数invwindow_size-bit.pre(num)lefti1-kifleft0:# 尚未形成第一个窗口continue# 2. 更新答案ansmin(ans,inv)ifans0:# 已经是最小值无需继续计算break# 3. 出移除窗口最左边的元素out_numnums[left]# 小于out_num的元素个数这些元素与out_num构成逆序对inv-bit.pre(out_num-1)bit.update(out_num,-1)returnint(ans)defmain():nums[5,3,2,1]k4resultmin_inversion_count(nums,k)print(result)if__name____main__:main()C完整代码如下#includeiostream#includevector#includealgorithm#includeclimitsusingnamespacestd;classFenwick{private:vectorintbit;public:Fenwick(intn):bit(n1,0){}voidupdate(inti,intval){for(;ibit.size();ii-i){bit[i]val;}}intpre(inti){intres0;for(;i0;ii-1){resbit[i];}returnres;}};longlongminInversionCount(vectorintnums,intk){// 离散化vectorintsortednums;sort(sorted.begin(),sorted.end());sorted.erase(unique(sorted.begin(),sorted.end()),sorted.end());for(inti0;inums.size();i){nums[i]lower_bound(sorted.begin(),sorted.end(),nums[i])-sorted.begin()1;// 树状数组下标从1开始}Fenwickbit(sorted.size());intinv0;intansINT_MAX;for(inti0;inums.size();i){intinnums[i];// 1. 入bit.update(in,1);invmin(i1,k)-bit.pre(in);// 窗口大小 - (x的元素个数) (x的元素个数)intlefti1-k;if(left0){// 尚未形成第一个窗口continue;}// 2. 更新答案ansmin(ans,inv);if(ans0){// 已经最小了无需再计算break;}// 3. 出intoutnums[left];inv-bit.pre(out-1);// out的元素个数bit.update(out,-1);}return(longlong)ans;}intmain(){vectorintnums{5,3,2,1};intk4;longlongresultminInversionCount(nums,k);coutresultendl;return0;}

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:http://www.coloradmin.cn/o/2533116.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…