转载

【算法之美】你可能想不到的归并排序的神奇应用 — leetcode 327. Count of Range Sum

又是一道有意思的题目， Count of Range Sum 。（PS：leetcode 我已经做了 190 道，欢迎围观全部题解 https://github.com/hanzichi/leetcode ）

题意非常简单，给一个数组，如果该数组的一个子数组，元素之和大于等于给定的一个参数值（lower），小于等于一个给定的参数值（upper），那么这为一组解，求总共有几组解。

一个非常容易想到的解法是两层 for 循环遍历子数组首尾，加起来判断，时间复杂度 O(n^2)。

/**  * @param {number[]} nums  * @param {number} lower  * @param {number} upper  * @return {number}  */ var countRangeSum = function(nums, lower, upper) {   var len = nums.length;    var ans = 0;    for (var i = 0; i < len; i++) {     var sum = 0;     for (var j = i; j < len; j++) {       sum += nums[j];       if (sum >= lower && sum <= upper)         ans++;     }   }    return ans; };

交了下 TLE 了，看了下测试数据，数组长度为 9000，复杂度达到了 8100w，还是蛮大的。其实题目中也说了： A naive algorithm of O(n2) is trivial. You MUST do better than that.

如何将复杂度降到 log 级别？想到了二分的方法。可以将子数组和转换成两个前缀数组和的差，定义数组 sum, sum[i] 表示数组前 i 个元素的和，特殊的, sum[0]=0，那么元素 i 到元素 j 的和可以表示为 sum[j]-sum[i-1]。我们枚举 0 到 nums.length，比如枚举到了 sum[j]，我们需要求满足条件的 i（i<j)，sum[j]-sum[i] 的值满足大于等于 lower，小于等于 upper。我们需要枚举 sum[0] 到 sum[i]，复杂度还是 O(n^2)，如果 sum[0] 到 sum[i] 有序呢？

解法似乎呼之而出，用二分维护有序数组（用 splice 插入），同时用二分找到临界的数据，一次迭代需要多次二分。二分查找相关可以看我以前的文章二分查找大集合（妈妈再也不用担心我的二分查找了）。

注意下二分的边界，代码很容易写出来。

function binarySearch1(a, target) {   target += 1;   var start = 0     , end = a.length - 1;    while(start <= end) {     var mid = ~~((start + end) >> 1);     if (a[mid] >= target)       end = mid - 1;     else        start = mid + 1;   }    return start; }  function binarySearch2(a, target) {   var start = 0     , end = a.length - 1;    while(start <= end) {     var mid = ~~((start + end) >> 1);     if (a[mid] >= target)       end = mid - 1;     else        start = mid + 1;   }    return end; }   var countRangeSum = function(nums, lower, upper) {   var len = nums.length;    var sum = [];    var ans = 0;    var num = 0;    sum.push(0);    for (var i = 0; i < len; i++) {     ans += nums[i];      var a = ans - upper;     var b = ans - lower;      var pos1 = binarySearch2(sum, a) + 1;     var pos2 = binarySearch1(sum, b) - 1;      num += pos2 - pos1 + 1;      var pos3 = binarySearch1(sum, ans);      sum.splice(pos3, 0, ans);   }      return num;    };

很不幸，还是 TLE 了，究其原因，我觉得应该是调用了 n 次 splice 方法。感觉维护一棵二叉搜索树应该是可行的，无奈不会手写二叉搜索树 = =

那么可行的解法是什么呢？答案是归并排序的 "另类使用"。这里不讲归并排序，关于归并排序，可见我以前的文章 http://www.cnblogs.com/zichi/p/4796727.html 。

言归正传，首先预处理数组的前缀和，保存到数组 sum 中。然后用归并排序对数组 sum 进行排序，归并排序中有一步调用 merge 函数，将有序的左数组和右数组进行合并，而这时的右数组中的任一元素在 sum 数组中的位置正是在左数组任一元素之后！利用这，我们可以在 merge 前，对 left 数组和 right 数组满足条件的元素进行求解。

这个函数我定义为 getAns：

// 返回 b[j] - a[i] 值在 [wlower, wupper] 范围内组数 function getAns(a, b) {    var sum = 0;    var lena = a.length;    var lenb = b.length;    var start = 0;   var end = 0;    for (var i = 0; i < lenb; i++) {      // to get start     while (b[i] - a[start] >= wlower) {       start++;     }      // to get end     while (b[i] - a[end] > wupper) {       end++;     }      sum += start - end;   }    return sum; }