LeetCode 2824.统计和小于目标的下标对数目
给你一个下标从 0 开始长度为 n 的整数数组 nums 和一个整数 target ，请你返回满足 0 <= i < j < n 且 nums[i] + nums[j] < target 的下标对 (i, j) 的数目。
示例 1：
输入：nums = [-1,1,2,3,1], target = 2
输出：3
解释：总共有 3 个下标对满足题目描述：
- (0, 1) ，0 < 1 且 nums[0] + nums[1] = 0 < target
- (0, 2) ，0 < 2 且 nums[0] + nums[2] = 1 < target
- (0, 4) ，0 < 4 且 nums[0] + nums[4] = 0 < target
注意 (0, 3) 不计入答案因为 nums[0] + nums[3] 不是严格小于 target 。
示例 2：
输入：nums = [-6,2,5,-2,-7,-1,3], target = -2
输出：10
解释：总共有 10 个下标对满足题目描述：
- (0, 1) ，0 < 1 且 nums[0] + nums[1] = -4 < target
- (0, 3) ，0 < 3 且 nums[0] + nums[3] = -8 < target
- (0, 4) ，0 < 4 且 nums[0] + nums[4] = -13 < target
- (0, 5) ，0 < 5 且 nums[0] + nums[5] = -7 < target
- (0, 6) ，0 < 6 且 nums[0] + nums[6] = -3 < target
- (1, 4) ，1 < 4 且 nums[1] + nums[4] = -5 < target
- (3, 4) ，3 < 4 且 nums[3] + nums[4] = -9 < target
- (3, 5) ，3 < 5 且 nums[3] + nums[5] = -3 < target
- (4, 5) ，4 < 5 且 nums[4] + nums[5] = -8 < target
- (4, 6) ，4 < 6 且 nums[4] + nums[6] = -4 < target
提示：
1 <= nums.length == n <= 50
-50 <= nums[i], target <= 50
法一：直接模拟：
class Solution {
public:
int countPairs(vector<int>& nums, int target) {
int sz = nums.size();
int ans = 0;
for (int i = 0; i < sz; ++i)
{
for (int j = i + 1; j < sz; ++j)
{
if (nums[i] + nums[j] < target)
{
++ans;
}
}
}
return ans;
}
};
如果nums中有n个元素，此算法时间复杂度为O(n 2 ^{2} 2)，空间复杂度为O(1)。
法二：双指针法，先对nums排序，再用两个指针分别指向nums的首尾，当两指针指向的数字和小于target时，说明两指针中间的所有数字和首指针指向的数字的和都小于target，将小于target的数对的数目加到结果上，此时我们有两个选择，一是自增首指针，二是自减尾指针，由于我们把首尾指针之间所有数字和首指针指向的数字的数对的数目都加上了，相当于自减尾指针的结果也已经计算过了，因此要自增首指针；如果两指针指向的数字和大于等于target，那么首尾指针之间的所有数字和尾指针指向的数字的和也都大于target，因此要自减尾指针：
class Solution {
public:
int countPairs(vector<int>& nums, int target) {
int begin = 0;
int end = nums.size() - 1;
quickSort(nums, begin, end);
int res = 0;
while (begin < end)
{
if (nums[begin] + nums[end] < target)
{
res += end - begin;
++begin;
}
else
{
--end;
}
}
return res;
}
private:
void quickSort(vector<int> &nums, int begin, int end)
{
if (begin >= end)
{
return;
}
int mid = (begin + end) / 2;
swap(nums[mid], nums[end]);
int bound = begin - 1;
for (int i = begin; i <= end - 1; ++i)
{
if (nums[i] < nums[end])
{
++bound;
swap(nums[bound], nums[i]);
}
}
swap(nums[bound + 1], nums[end]);
quickSort(nums, begin, bound);
quickSort(nums, bound + 2, end);
}
};
此算法时间复杂度为O(nlogn)，空间复杂度为O(logn)。
法三：二分法，先对nums排序，之后遍历nums中的每个元素，对于每个元素i，二分法找该元素后面的符合题目的最大元素m，m和i之间所有数字都可以与i组成符合题意的数对：
class Solution {
public:
int countPairs(vector<int>& nums, int target) {
int begin = 0;
int end = nums.size() - 1;
quickSort(nums, begin, end);
int res = 0;
for (int i = 0; i <= end; ++i)
{
res += binarySearch(nums, i, target - nums[i]) - i;
}
return res;
}
private:
int binarySearch(vector<int> nums, int begin, int subtraction)
{
int end = nums.size() - 1;
int result = begin;
while (begin <= end)
{
int mid = begin + (end - begin) / 2;
if (nums[mid] < subtraction)
{
result = mid;
begin = mid + 1;
}
else
{
end = mid - 1;
}
}
return result;
}
void quickSort(vector<int> &nums, int begin, int end)
{
if (begin >= end)
{
return;
}
int mid = (begin + end) / 2;
swap(nums[mid], nums[end]);
int bound = begin - 1;
for (int i = begin; i <= end - 1; ++i)
{
if (nums[i] < nums[end])
{
++bound;
swap(nums[bound], nums[i]);
}
}
swap(nums[bound + 1], nums[end]);
quickSort(nums, begin, bound);
quickSort(nums, bound + 2, end);
}
};
此算法时间复杂度为O(nlogn)，空间复杂度为O(logn)。
法四：前缀和，可将nums中的元素作为key，元素出现的数量为value，组合出一个数字出现频率的数组，然后计算该数组的前缀和，此时该前缀和数组中某一元素的含义变为，小于等于该元素的key的数字的个数，然后遍历nums，找出小于目标数字的个数。对于一对符合题意的数对，此方法会计数两次，因此最后要将结果除2：
class Solution {
public:
int countPairs(vector<int>& nums, int target) {
vector<int> prefixSum(101);
for (int num : nums)
{
++prefixSum[num + 50];
}
for (int i = 1; i < prefixSum.size(); ++i)
{
prefixSum[i] += prefixSum[i - 1];
}
int ans = 0;
for (int num : nums)
{
// 如果目标数字小于0，就跳过，因为这时说明要找的数字小于-50，不存在
if (target - num + 49 < 0)
{
continue;
}
// 如果目标数字大于100，按最大的数算，因为下标最多只到100
if (target - num + 49 > 100)
{
ans += prefixSum[100];
}
else
{
ans += prefixSum[target - num + 49];
}
// 如果num本身也符合目标数字，则去掉自身
if (num * 2 < target)
{
--ans;
}
}
return ans / 2;
}
};
如果nums的长度为n，每个元素的范围为m，此方法时间复杂度为O(n+m)，空间复杂度为O(m)。
法五：树状数组可以更高效地计算前缀和，树状数组每次更新前缀和的时间复杂度为O(lgn)，计算前缀和的时间复杂度也是O(lgn)，原理是按二进制的每一位来计算前缀和，比如前11个数字的前缀和，11的二进制为1011，我们就可以把1010-1011区间的前缀和、1000-1010区间的前缀和、0000-1000区间的前缀和加起来，这样最多是对数级别的时间复杂度：
class Solution {
public:
int countPairs(vector<int>& nums, int target) {
tree.resize(151);
int ans = 0;
for (int num : nums)
{
ans += query(target - num + 49);
add(num + 50, 1);
}
return ans;
}
private:
vector<int> tree;
int query(int n)
{
++n;
int ans = 0;
for (int i = n; i > 0; i -= lowbit(i))
{
ans += tree[i];
}
return ans;
}
void add(int n, int add)
{
++n;
for (int i = n; i <= tree.size(); i += lowbit(i))
{
tree[i] += add;
}
}
// 求x二进制表示中，最后一位二进制1表示的值
int lowbit(int x)
{
return x & (-x);
}
};
如果nums的长度为n，target和nums的范围之和为m，此方法时间复杂度为O(nlgm)，空间复杂度为O(m)。
法六：使用upper_bound或lower_bound函数代替自己写的二分查找：
// upper_bound
class Solution {
public:
int countPairs(vector<int>& nums, int target) {
sort(nums.begin(), nums.end());
int ans = 0;
for (vector<int>::iterator it = nums.begin(); it < nums.end() - 1; ++it)
{
// upper_bound函数找第一个大于第三个参数的值
ans += upper_bound(it + 1, nums.end(), target - *it - 1) - it - 1;
}
return ans;
}
};
// lower_bound
class Solution {
public:
int countPairs(vector<int>& nums, int target) {
sort(nums.begin(), nums.end());
int ans = 0;
for (vector<int>::iterator it = nums.begin(); it < nums.end() - 1; ++it)
{
// lower_bound函数找第一个大于等于第3个参数的值
ans += lower_bound(it + 1, nums.end(), target - *it) - it - 1;
}
return ans;
}
};
上两种方式是遍历到每个nums中的元素时，看该元素后面是否能与该元素组成符合题目的数对；下面两种方式是遍历到nums中的元素num时，看num前面是否能与该元素组成符合题目的数对：
// lower_bound
class Solution {
public:
int countPairs(vector<int>& nums, int target) {
sort(nums.begin(), nums.end());
int ans = 0;
for (vector<int>::iterator it = nums.begin(); it < nums.end(); ++it)
{
ans += lower_bound(nums.begin(), it, target - *it) - nums.begin();
}
return ans;
}
};
// upper bound
class Solution {
public:
int countPairs(vector<int>& nums, int target) {
sort(nums.begin(), nums.end());
int ans = 0;
for (vector<int>::iterator it = nums.begin(); it < nums.end(); ++it)
{
ans += upper_bound(nums.begin(), it, target - *it - 1) - nums.begin();
}
return ans;
}
};
可见从遍历点的前面找符合题目的数对的代码更简洁。如果nums的长度为n，则此方法时间复杂度为O(nlogn)，空间复杂度为O(logn)。