分治算法应用:逆序计数(Counting Inversions)

算法:逆序对 逆序对 什么是逆序对呢?百度百科这样解释: 设 A 为一个有 n 个数字的有序集 (n>1),其中所有数字各不相同。 如果存在正整数 i, j 使得 1 ≤ i < j ≤ n 而且 A[i] > A[j],则 <A[i], A[j]> 这个有序对称为 A 的一个逆序对,也称作逆序数。 定义: 对于一个包含N个非负整数的数组A[1…n],如果有i < j,且A[ i ]>A[ j ],则称(A[ i] ,A[ j] )为数组A中的一个逆序对。 例如,数组(3 阅读详情

逆序计数问题是分治(Divide and Conquer)思想的经典应用,它不仅能量化两个序列的相似程度,还能将暴力搜索 O(n²) 的时间复杂度优化至 O (n log n)。本文从问题定义、暴力搜索、分治核心思路、算法实现到复杂度证明,全方位解析逆序计数问题。

一、问题定义:什么是逆序对?

1.1 逆序对的概念

给定一个序列 a1​,a2​,...,an​,若存在下标对 (i,j) 满足 i<j 且 ai​>aj​,则称 (ai​,aj​) 为一个逆序对(Inversion)。逆序对的数量,就是该序列的逆序数。简单的示例如下。

序列 [2,3,1] 的逆序对为:(2,1)、(3,1),因此逆序数为2。序列 [3,2,1] 的逆序对为:(3,2)、(3,1)、(2,1),因此逆序数为3(最大逆序数)。

1.2 问题的实际意义

逆序数是衡量两个序列相似程度的重要指标,典型场景:

  • 电影评分排名:两个用户对同一批电影的排名,逆序数越小,审美越相似;
  • 序列有序性:一个完全升序的序列逆序数为 0,完全降序的序列逆序数为 Cn2​=2n(n−1)​(最大逆序数)。

二、暴力搜索

最直观的方式是枚举所有下标对 (i,j)(i<j),逐一判断是否满足 ai​>aj​,统计符合条件的对数。

伪代码实现

def count_inversions_brute(seq):
    n = len(seq)
    inv_count = 0
    for i in range(n):
        for j in range(i+1, n):
            if seq[i] > seq[j]:
                inv_count += 1
    return inv_count

分析:两层嵌套循环枚举所有点对,共执行 2n(n−1)​ 次判断,时间复杂度为 O (n²)。

问题:当 n 达到 10⁴、10⁵量级时,暴力解法会因计算量过大直接超时,因此需要分治思想优化。

三、分治算法

逆序计数的分治算法基于归并排序(MergeSort)改造,核心是将 “统计逆序数” 与 “归并排序” 结合,在排序的同时完成逆序数统计,分治过程分为三步:分割(Divide)、求解(Conquer)、合并(Merge)。

图1 对半分割以及合并统计

3.1 核心思想

一个序列的逆序数由三部分组成:

  1. 左半部分的逆序数:序列前半段内部的逆序对数量(记为invA​);
  2. 右半部分的逆序数:序列后半段内部的逆序对数量(记为invB​);
  3. 跨左右的逆序数:一个元素在左半段、一个元素在右半段形成的逆序对数量(记为inv​C)。

总逆序数:totalinv​=invA​+invB​+invC​。

3.2 三步拆解

设待处理序列为L,长度为 n,分治步骤如下:

步骤 1:Divide

将序列L从中间划分为左半段 A和右半段 B,使两段长度尽可能相等(相差不超过 1):

  • 左半段:A=L[0,n/2] = [a0,a1,...,am];
  • 右半段:B=L[n/2+1,n−1]=[b0,b1,...,bn];

步骤 2:Conquer

统计左半段 A 的逆序数invA​和右半段 B 的逆序数invB​,同时递归对 A、B 进行升序排序(为合并阶段统计跨段逆序数做准备)。当序列长度为1时,逆序数为 0(单个元素无逆序对)。

步骤 3:Merge

合并阶段的任务:接收两个已排序的子序列 A、B,在将其归并为一个有序序列的同时,统计跨段逆序数​。

由于 A、B 均为升序序列,当遍历到 A 中元素ai>bj时,A 中从i到m的所有元素都大于bj,这些元素都会与bj成逆序对,数量为∣A∣−a(左半段剩余元素数),见图1。无需逐一比较,直接批量统计,将跨段逆序数的统计时间从 O (n²) 降至 O (n)。

合并统计

  1. 初始化指针i=0(指向 A 开头)、j=0(指向 B 开头),跨段逆序数invC​=0,结果序列OutList=[];
  2. 循环比较A[i]和B[j],将较小的元素加入OutList:
    • 若B[j]<A[i]:将B[j]加入OutList,j+=1,且invC​+=∣A∣−i(批量统计逆序对);
    • 若B[j]>=A[i]:将A[i]加入OutList,i+=1;
  3. 当其中一个序列遍历完毕,将另一个序列的剩余元素直接追加到OutList末尾;
  4. 返回跨段逆序数invC​和归并后的有序序列OutList。

四、算法实现

分治算法的核心是SortAndCount函数(递归)和MergeAndCount函数(合并统计),整体流程与归并排序高度一致。

# 合并两个有序序列,统计跨段逆序数,返回(跨段逆序数, 归并后的有序序列)
def MergeAndCount(A, B):
    a = b = cross_inv = 0
    out = []
    len_A, len_B = len(A), len(B)
    while a < len_A and b < len_B:
        if A[a] <= B[b]:
            out.append(A[a])
            a += 1
        else:
            out.append(B[b])
            b += 1
            cross_inv += len_A - a  # 批量统计逆序对
    # 追加剩余元素
    out += A[a:]
    out += B[b:]
    return cross_inv, out

# 递归统计逆序数,返回(总逆序数, 排序后的序列)
def SortAndCount(L):
    n = len(L)
    if n == 1:
        return 0, L  # 终止条件:单个元素逆序数为0
    # 1. 分割:划分为左右两半
    mid = n // 2
    A, B = L[:mid], L[mid:]
    # 2. 求解:递归统计左右半段逆序数,同时排序
    inv_A, sorted_A = SortAndCount(A)
    inv_B, sorted_B = SortAndCount(B)
    # 3. 合并:统计跨段逆序数
    cross_inv, sorted_L = MergeAndCount(sorted_A, sorted_B)
    # 总逆序数 = 左 + 右 + 跨段
    total_inv = inv_A + inv_B + cross_inv
    return total_inv, sorted_L

# 主函数调用
def count_inversions(seq):
    total_inv, _ = SortAndCount(seq)
    return total_inv

五、时间复杂度

5.1 递推公式建立

逆序计数与归并排序的时间复杂度完全一致,设处理长度为 n 的序列的时间为T(n),则:

  • 分割:将序列划分为两半,时间 O (1);
  • 求解:递归处理两个长度为 n/2 的子序列,时间2∗T(n/2);
  • 合并:遍历一次序列,时间 O (n);

递推公式为:

  • T(n)=2∗T(n/2)+O(n),当n>1
  • T(1) = 1, 当n=1;

5.2 递推公式求解

对于上述递推式,有两种经典求解方法:递归树法和代入法(数学归纳法),最终结果均为T(n)=O(nlogn)。

方法 1:递归树法

  1. 递推树的每一层总工作量为 O (n):根节点为 n,第一层两个子节点各为 n/2,总工作量 n/2 + n/2 = n,第二层四个子节点各为 n/4,总工作量仍为 n,以此类推;
  2. 递推树的高度为log2​n:每次将序列划分为两半,直到长度为 1,共划分log2​n次;
  3. 总工作量 = 每层工作量 × 层数 = n∗log2​n=O(nlogn)。

方法 2:代入法(数学归纳法)

证明目标:T(n)≤c∗nlogn(c 为常数)。

  1. 基例:n=2 时,T(2)=2∗T(1)+O(2)=O(2),而c∗2log2=2c≥T(2),基例成立;
  2. 归纳假设:假设对于所有 k < n,有T(k)≤c∗klogk;
  3. 归纳步骤:

T(n)​≤2∗T(n/2)+c∗n

       ≤2∗c∗(n/2)log(n/2)+c∗n

       =c∗n(logn−log2)+c∗n

       =c∗nlogn−c∗n+c∗n

       =c∗nlogn​

归纳成立,因此T(n)=O(nlogn)。

5.3 总时间复杂度

分治算法的总时间复杂度为O(n log n),远优于暴力解法的 O (n²),能高效处理大规模序列。

六、总结

  1. 逆序对是满足i<j且ai​>aj​的下标对,逆序数可量化序列有序性和两个序列的相似程度;
  2. 暴力搜索枚举所有数对,时间复杂度 O (n²),仅适用于小规模序列;
  3. 基于归并排序改造,将逆序数拆分为左半段、右半段、跨段三部分,在排序的同时统计逆序数,时间复杂度优化至O(nlogn);
  4. 合并阶段的批量统计是算法优化的核心:利用有序序列的性质,将跨段逆序数的统计从逐一比较改为批量计算,实现O(n)合并;
  5. T(n)=2∗T(n/2)+O(n)是经典分治递推式,可通过递归树法或代入法求解,结果为O(n logn)。

本文的逆序计数算法是归并排序的经典改造,理解其思路不仅能掌握逆序计数问题,更能深入理解分治思想的核心 ——将复杂问题拆分为简单子问题,再高效合并结果。

【算法(三·三):分治思想——逆序对计数问题】 本文介绍了逆序对计数问题的解决方案,用分治思想配合归并排序框架的效果是最好的。 阅读详情

相关推荐

算法-逆序对

第2N - 1 名和第2N名,各进行一场比赛。每轮比赛的对阵安排与该轮比赛开始前的排名有关:第1 名和第2 名、第 3 名和第 4名、……第一行是三个正整数N,R,Q,每两个数之间用一个空格隔开,表示有2×N名选手、R轮比赛,以及我们。现给定每个选手的初始分数及其实力值,试计算在R轮比赛过后,排名第 Q 的选手编号是多少。在双人对决的竞技性比赛,如乒乓球、羽毛球、国际象棋中,最常见的赛制是淘汰赛和循环赛。这个整数数列的逆序对个数是3,因为(3, 2)、(3, 1)、(2, 1)都是逆序对。

dacongming123355的博客 848

求逆序对的三种方法

无

qq_52639492的博客 1万+

分治算法题:nlgn时间复杂度计算原序列的重要逆序个数

题目描述: Recall the problem of finding the number of inversions. As in the text, we are given a sequence of n numbers a1, ... , an, which we assume are all distinct, and we define an inversion to be a p

zyy_286的博客 3386

算法篇:逆序对

逆序对的计算

依稀_yixy的博客 2万+

Abaqus到LS-DYNA关键字语义映射与Python转换引擎

在多求解器协同仿真中,Abaqus与LS-DYNA虽同属隐式/显式有限元平台,但其输入文件(.inp与.k)采用完全异构的关键字语义体系:同一物理概念(如边界条件、材料本构)对应不同关键字结构、字段顺序、单位制及参数完备性要求。这种语义鸿沟导致简单格式转换极易引发KEYWORD ERROR、参数缺失或物理失真。技术价值在于构建可审计、可扩展的跨求解器语义重写能力,而非文本替换;典型应用场景包括CAE自动化产线集成、多软件模型一致性验证、复合材料冲击等高保真仿真迁移。本文聚焦基于Python的标准库实现词法解

weixin_33859844的博客 396

细说STM32单片机SPI-Flash芯片的FatFS移植及其应用实例详解

本文以开发板上的SPI-Flash芯片W25Q16为媒介详细介绍CubeMX中FatFS各个参数的意义和设置,分析生成的代码中FatFS各个文件的作用和关联,完成针对W25Q16的硬件访问层的移植。继续使用旺宝红龙开发板STM32F407ZGT6 KITV1.0。

wenchm的博客 1648

利用分治策略解决 逆序对计数问题 Counting Inversion Problem

对于逆序对计数问题如果我们用普通的算法即循环嵌套比较能确实能解决,但是不够高效,我们使用分治策略能更有效的解决这个问题,并且在解决这个问题的过程中理解分治、递归等思想。

2401_84452741的博客 1405

SPEI计算避坑指南:gma中Distribution和FitMethod参数怎么选?

本文深入探讨了在SPEI计算中如何科学选择gma库中的Distribution和FitMethod参数,帮助研究者避开常见陷阱。详细分析了LogLogistic、Gamma和Pearson3三种分布的适用场景,以及LMoment与MLE拟合方法的优缺点,为气象干旱研究提供实用指南。

weixin_30308101的博客 254

Merge Sort: Counting Inversions(归并排序统计逆序对)

思路 归并排序是一种分治思想,把一个数组分成左右两边分别排序,然后在合并,我们在合并的时候考虑,对于右边的坐标r_1,左边比右边大的个数不就是mid-l_1+1,每次求和就可以 #include <iostream> using namespace std; const int MAXN=1e7+10; typedef long long ll...

leekerian的博客 640

别再死记硬背了!用TwinCAT 3手把手教你配置EtherCAT伺服驱动的PDO映射(DS402协议)

本文详细介绍了如何使用TwinCAT 3配置EtherCAT伺服驱动的PDO映射(DS402协议),涵盖环境准备、设备扫描、PDO映射实战及高级技巧。通过具体操作步骤和常见问题排查,帮助工程师快速掌握EtherCAT通信配置,提升运动控制系统的效率和稳定性。

weixin_29185493的博客 324

某知名系统漏洞挖掘与利用思路探索

本文以安全研究为目的,分享对该套系统的代码审计和漏洞挖掘过程,文中所提到的漏洞均已提交给CNVD&CITIVD,请勿用做非法用途。

C20220511的博客 1906

HDU 6318 Swaps and Inversions(分治+思维)

题目 https://vjudge.net/contest/302173#problem/J HDU 6318 Swaps and Inversions 思路 先用分治法求一下逆序对的个数。 然后 看一下 x , y的值的大小。 看完大小就可以出答案了。 要么选择全是逆序对的,也就是一个都不交换。 要么选择全都交换,交换到一个逆序对都没有。 这个要从分治法上来理解,分治排序求逆序对,就是因为交换次...

Authur_gyc 224

YOLOv改进 | YOLOv11更换主干Backbone之MobileNetV2(轻量化主干网络结构--高效轻量移动模型)

本文提出将YOLOv11的主干网络替换为轻量化的MobileNetV2,以提升模型在移动端设备的部署效率。MobileNetV2通过倒残差结构和线性瓶颈层,显著减少了计算量和参数量(降至1M~3M),同时保持多尺度特征提取能力。实验表明,改进后的模型在移动设备上可实现20-30 FPS的实时检测,适用于手机APP、无人机和工业监控等场景。核心代码展示了倒残差块的实现,通过深度可分离卷积和通道扩展/压缩实现高效特征提取。

走向CTO的路上... 1464

分治算法

大纲: 1.mergesort归并排序 2.counting inversions统计逆序数 3.closest pair of points点的最短路径 4.randomized quicksort随机化快速排序 5.median and selection中位数 分治 1.将问题分解为几个子问题 2.递归(recursively)的解决每个子问题 3.把子问题的答案组合,成为整个问题的答案 最常使用 在线性时间分解和组合问题n->n/2 Brute force暴力法O(n2),分治法O(nlog.

bajiaoyu517的博客 383

第五节_PySide6基本窗口控件_主窗口和标签

本文介绍了PySide6中主窗口和标签控件的使用。主要内容包括: 窗口控件分类: QWidget是基础窗口部件,可作为独立窗口或子部件 QMainWindow提供标准应用程序框架,包含菜单栏、工具栏等 QDialog用于对话框,支持模态交互 主窗口创建: 演示了如何创建QMainWindow子类 实现了窗口居中、设置图标、状态栏等功能 提供了窗口几何信息的获取方法 QLabel标签控件: 继承自QFrame类 用于显示文本或图像 文章通过代码示例详细说明了主窗口的创建和使用方法,包括位置控制、图标设置等常见

su桥木的博客 1025

FPGA实践教程: 使用HLS将C程序生成IP核心进行FPGA开发

请根据您使用的FPGA开发板和供应商选择适当的HLS工具,并按照他们的安装指南进行安装。根据您使用的FPGA开发板和供应商选择适当的HLS工具,并按照他们的安装指南进行安装。通过本教程,您了解了如何使用HLS工具将C程序生成IP核心,并将其用于FPGA开发。在HLS项目中,您可以对C程序进行设计和优化,以生成对应的IP核心。在HLS项目中,您可以对C程序进行设计和优化,以生成相应的IP核心。将导出的IP核心导入到FPGA项目中。使用FPGA开发环境的菜单中的"导入"或"添加文件"选项导入IP核心。

CqpFsharp的博客 456

Finding the number of inversions

Recall the problem of finding the number of inversions. As in the course, we are given a sequence of n numbers a 1 ,··· ,a n , which we assume are all distinct, and we difine an inversion to be a pair

在努力! 2736

基于 FPGA Vivado 示波器设计(附源工程)

今天给大侠带来基于 FPGA Vivado 示波器设计,开发板实现使用的是Digilent basys 3,如有想要入手basys3开发板的,可以联系牛总:18511371833。话不多说,上货。 本篇掌握基于添加文件和IP的Vivado工程设计流程,掌握基于Tcl的Vivado工程设计流程,学习示波器的基本组成结构。获取本篇相关源工程代码,可在公众号内回复“示波器设计源工程”。 原理介绍 数字存储示波器能够将模拟信号进行采样、存储以及显示。本系统在DIGILENT ...

7390

逆序数 | The Number of Inversions | C/C++实现

问题描述 数列A = {a0, a1, …, an-1}中,如果一组数(i, j)满足ai &amp;gt; aj且i &amp;lt; j,那么这组数就称为一个逆序,数列A中逆序的数量称为逆序数。逆序数与下述冒泡算法的交换次数相等。 bubbleSort(A) cnt = 0 //逆序数 for i = 0 to A.length - 1 for j = A.length - 1 downto i + ...

qq_40998706的博客 1610

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

分治法在归并排序和快速排序中的应用

归并排序 归并排序和快速排序都使用了“分治”策略(divide-and-conquer)。对于数组A[p..r],归并排序先把数组从中间分开,形成两个具有(p+r)/2个元素的子数组(divide);然后,分别对这两个子数组递归地进行归并排序(conquer),当子数组只包含一个元素时到达递归出口;最后,将两个排好序的子数组合并起来,形成有序数组(combine)。 归并排序算法如下: ME

猫咪的晴天 2355

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

【算法导论学习-011】数组中的逆序对个数(Counting inversions in an array)

1、问题来源 《算法导论》P41思考题2-4:Let A[1..n] be an array of n distinct numbers. (i, j) is called an inversion of A if i A[j].  2、解决方案 参考1:http://www.geeksforgeeks.org/counting-inversions/ 讨论区:http:

BrilliantEagle的专栏 2351

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

分治算法原理与应用:从归并排序到工程优化

分治算法是计算机科学中的核心算法范式,通过将复杂问题分解为相互独立的子问题(Divide),递归求解(Conquer)后合并结果(Combine)来实现高效计算。其时间复杂度通常为O(n log n),在排序、搜索等基础算法中表现优异,如归并排序和快速排序都基于此原理。工程实践中,分治算法可通过多线程并行化和内存访问优化显著提升性能,特别适合处理海量数据排序、逆序对统计等场景。掌握分治思想不仅能优化算法实现,更能培养结构化的问题解决能力,是每位开发者必备的基础技能。

weixin_34007906的博客 380

数据结构与算法笔记:分治策略之Greatest Slice,2-Way Merge,Counting Inversions,linearSelect,Diameter,Closest Pair

分而治之 divide and conquer 概述 分而治之,就像是团队合作,将一项工作分解成不同的成员去处理 一般情况,我们面临的规模比较大,用n来表示,我们会把它分为若干个任务来同步进行处理 一般而言,两个其实就可以了,相较于1个来说有本质的提升 分而治之作为解决问题策略的一种,有特殊的条件 分得的两个子问题subproblem的规模要相当,差不太多 两个子问题的规模加在一起不能超过之前的规模 (因为是递归分下去的,一次膨胀一点,很快这个问题本身就会爆炸) 两个子问题彼此不要相关 (有时候往

Wang的专栏 695

算法导论读书笔记:合并排序算法统计逆序数及其Python实现

思考题 2-4 逆序对问题设A[1,…n]是一个n元素数组。若在i&lt; j 的情况下,有A[i]&gt; A[j],则(i, j)就称为A中的一个逆序对(inversion)。例如:数组[2,3, 8, 6, 1]中有5个逆序对(1, 5)、(2,5)、(3,4)、(3,5)和(4,5)。一个极端的情况是数组A中元素按逆序大小排列,此时数组含有最多的逆序对,为\[\left( \begin{g...

SanFancsgo的博客 1295

从归并排序到逆序对:一个算法竞赛选手必须掌握的‘降维打击’技巧

本文深入探讨了归并排序在解决逆序对问题中的高效应用,特别适合算法竞赛选手掌握。通过分析暴力解法的局限性,展示了归并排序如何以O(n log n)的时间复杂度优雅解决问题,并提供了详细的C++实现和关键细节解析。这种‘降维打击’技巧在NOI、洛谷等竞赛平台中尤为重要。

weixin_30889885的博客 399

(分治法、归并排序) Count Inversions in an array

题意:对于一个序列,若存在 i<j , a[j]>a[j] 则是一组逆序对;若这个序列是升序的,则逆序对个数为0;若是降序的,逆序对个数最大。 分而治之模板: Divide and Conquer Paradigm: 1) divide into smaller suibproblems; 2) conquer via recursive calls; 3) c...

weixin_30895603的博客 305
上一篇: 分治算法应用-最近点对问题(Closest Pair of Points)
下一篇: 大数乘法的算法演进:从小学方法到 Karatsuba
vv蔡博士
博客等级 码龄4年 35粉丝 49原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

vv蔡博士

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值