1. 逆序对问题概述
逆序对（Inversion Pair）是算法竞赛和数据结构课程中的经典问题，指在一个序列中，如果前面的数字比后面的数字大，则这两个数字构成一个逆序对。比如序列[3,1,2]中，(3,1)和(3,2)都是逆序对，总逆序对数为2。
这个问题看似简单，但高效计算逆序对数量需要巧妙运用分治思想和数据结构。P1908是洛谷题库中的一道经典逆序对题目，要求我们在O(nlogn)时间复杂度内解决问题。
2. 暴力解法与优化思路
2.1 朴素暴力法
最直观的解法是双重循环：
python复制count = 0
for i in range(n):
for j in range(i+1, n):
if a[i] > a[j]:
count += 1
这种方法时间复杂度为O(n²)，当n=1e5时显然会超时。
2.2 分治思想引入
我们可以借鉴归并排序的分治思想：
- 将序列分成两半
- 分别计算左半和右半的逆序对
- 计算跨越左右的逆序对
- 合并结果
关键在于步骤3的高效实现，这引出了我们的核心解法。
3. 基于归并排序的解法
3.1 算法流程
python复制def merge_sort(arr):
if len(arr) <= 1:
return arr, 0
mid = len(arr) // 2
left, cnt_left = merge_sort(arr[:mid])
right, cnt_right = merge_sort(arr[mid:])
merged, cnt_merge = merge(left, right)
total = cnt_left + cnt_right + cnt_merge
return merged, total
def merge(left, right):
result = []
i = j = 0
count = 0
while i < len(left) and j < len(right):
if left[i] <= right[j]:
result.append(left[i])
i += 1
else:
result.append(right[j])
j += 1
count += len(left) - i
result += left[i:]
result += right[j:]
return result, count
3.2 时间复杂度分析
每次合并操作是O(n)，递归深度为O(logn)，因此总时间复杂度为O(nlogn)，完美满足题目要求。
4. 基于树状数组的解法
4.1 离散化处理
由于元素值可能很大，我们需要先进行离散化：
python复制sorted_unique = sorted(set(nums))
rank = {v:i+1 for i,v in enumerate(sorted_unique)}
4.2 树状数组实现
python复制class BIT:
def __init__(self, size):
self.N = size + 2
self.tree = [0] * (self.N)
def update(self, index, delta=1):
while index < self.N:
self.tree[index] += delta
index += index & -index
def query(self, index):
res = 0
while index > 0:
res += self.tree[index]
index -= index & -index
return res
def count_inversions(nums):
sorted_unique = sorted(set(nums))
rank = {v:i+1 for i,v in enumerate(sorted_unique)}
bit = BIT(len(sorted_unique))
res = 0
for num in reversed(nums):
r = rank[num]
res += bit.query(r-1)
bit.update(r)
return res
4.3 算法解析
- 从右向左遍历数组
- 查询比当前元素小的已处理元素数量
- 更新树状数组
- 累加所有查询结果
5. 二维偏序问题扩展
5.1 问题定义
二维偏序是指需要同时考虑两个维度的顺序关系。比如：
- 给定一组点(x,y)，统计满足x_i<x_j且y_i>y_j的点对数量
5.2 解决方案
可以按x排序后，对y坐标使用树状数组：
python复制points.sort() # 按x升序排序
bit = BIT(max_y)
res = 0
for x, y in points:
res += bit.query(max_y) - bit.query(y)
bit.update(y)
6. 实战技巧与注意事项
6.1 边界情况处理
- 空数组或单元素数组返回0
- 处理重复元素时要特别注意等号情况
- 离散化时注意从1开始编号（树状数组要求）
6.2 性能优化
- 在归并解法中，预先分配结果数组空间
- 在树状数组解法中，使用更快的IO方法
- 对于Python，可以考虑使用PyPy解释器
6.3 常见错误
- 忘记在归并排序中累加子问题的解
- 树状数组的size设置不足
- 离散化时处理重复元素不当
- 没有使用long long导致溢出（C++中）
7. 扩展应用场景
逆序对问题在实际中有广泛应用：
- 衡量排序的混乱程度
- 计算肯德尔秩相关系数
- 分析用户行为序列的异常
- 基因组序列分析
在解决P1908这类题目时，建议先写归并排序版本，再尝试树状数组解法，最后扩展到二维偏序问题。这样能循序渐进地掌握这个重要的算法思想。