Dada una array arr[] de tamaño n. Tres elementos arr[i], arr[j] y arr[k] forman una inversión de tamaño 3 si a[i] > a[j] >a[k] e i < j < k. Encuentre el número total de inversiones de tamaño 3.
Ejemplo:
Input: {8, 4, 2, 1} Output: 4 The four inversions are (8,4,2), (8,4,1), (4,2,1) and (8,2,1). Input: {9, 6, 4, 5, 8} Output: 2 The two inversions are {9, 6, 4} and {9, 6, 5}
Ya hemos discutido el conteo de inversión del tamaño dos por ordenación por fusión , Self Balancing BST y BIT .
Enfoque simple: haga un bucle para todos los valores posibles de i, j y k y compruebe la condición a[i] > a[j] > a[k] e i < j < k.
Python
# A simple python O(n^3) program # to count inversions of size 3 # Returns counts of inversions # of size threee def getInvCount(arr): n = len(arr) invcount = 0 #Initialize result for i in range(0,n-1): for j in range(i+1 , n): if arr[i] > arr[j]: for k in range(j+1 , n): if arr[j] > arr[k]: invcount += 1 return invcount # Driver program to test above function arr = [8 , 4, 2 , 1] print "Inversion Count : %d" %(getInvCount(arr)) # This code is contributed by Nikhil Kumar Singh(nickzuck_007)
Producción:
Inversion Count : 4
La complejidad temporal de este enfoque es: O (n ^ 3)
Mejor enfoque:
podemos reducir la complejidad si consideramos cada elemento arr [i] como elemento medio de inversión, encuentre todos los números mayores que a [i] cuyo índice es menor que i, encuentra todos los números que son menores que a[i] y el índice es mayor que i. Multiplicamos el número de elementos mayores que a[i] por el número de elementos menores que a[i] y lo sumamos al resultado.
A continuación se muestra la implementación de la idea.
Python3
# A O(n^2) Python3 program to # count inversions of size 3 # Returns count of inversions # of size 3 def getInvCount(arr, n): # Initialize result invcount = 0 for i in range(1,n-1): # Count all smaller elements # on right of arr[i] small = 0 for j in range(i+1 ,n): if (arr[i] > arr[j]): small+=1 # Count all greater elements # on left of arr[i] great = 0; for j in range(i-1,-1,-1): if (arr[i] < arr[j]): great+=1 # Update inversion count by # adding all inversions that # have arr[i] as middle of # three elements invcount += great * small return invcount # Driver program to test above function arr = [8, 4, 2, 1] n = len(arr) print("Inversion Count :",getInvCount(arr, n)) # This code is Contributed by Smitha Dinesh Semwal
Producción :
Inversion Count : 4
Complejidad temporal de este enfoque: O (n ^ 2)
Enfoque de árbol indexado binario:
Al igual que las inversiones de tamaño 2, podemos usar el árbol indexado binario para encontrar inversiones de tamaño 3. Se recomienda encarecidamente consultar primero el artículo a continuación.
Contar inversiones de tamaño dos Usando BIT
La idea es similar al método anterior. Contamos el número de elementos mayores y elementos menores para todos los elementos y luego multiplicamos mayor[] por menor[] y lo sumamos al resultado.
Solución :
- Para averiguar el número de elementos más pequeños para un índice iteramos de n-1 a 0. Para cada elemento a[i] calculamos la función getSum() para (a[i]-1) que da el número de elementos hasta a[i]-1.
- Para averiguar el número de elementos mayores para un índice, iteramos de 0 a n-1. Para cada elemento a[i] calculamos la suma de números hasta a[i] (suma menor o igual a a[i]) por getSum() y lo restamos de i (ya que i es el número total de elementos hasta ese punto ) para que podamos obtener un número de elementos mayor que a[i].
¡ Consulte el artículo completo sobre inversiones de conteo de tamaño tres en una array dada para obtener más detalles!
Publicación traducida automáticamente
Artículo escrito por GeeksforGeeks-1 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA