双指针与组合数学解决子序列计数问题

1. 问题背景与核心概念

这道题目属于典型的数组操作与组合数学结合的算法问题。给定一个整数数组和一个目标值，要求统计所有满足"最小元素与最大元素之和小于等于目标值"的子序列数量。子序列的定义是原数组中不连续的元素序列，这与子数组（要求连续）有本质区别。

在实际编程面试中，这类问题经常出现在大厂的中高级算法岗位考察中。它综合考察了候选人对以下能力的掌握：

• 双指针技巧的灵活运用
• 组合数学的快速计算能力
• 边界条件的处理意识
• 算法优化的思考深度

注意：子序列与子数组的区分至关重要。例如数组[1,2,3]的子序列包括[1,3]这样不连续的元素，而子数组只能是[1,2]或[2,3]这样的连续片段。

2. 暴力解法与复杂度分析

最直观的解法是枚举所有可能的子序列，然后检查每个子序列是否满足条件。对于一个长度为n的数组，子序列总数是2^n（每个元素都有选或不选两种可能）。

python复制def countSubsequences(nums, target):
    n = len(nums)
    count = 0
    for mask in range(1, 1<<n):  # 枚举所有非空子序列
        sub = [nums[i] for i in range(n) if (mask >> i) & 1]
        if min(sub) + max(sub) <= target:
            count += 1
    return count

这种解法的时间复杂度是O(n * 2^n)，当n=20时运算量已经超过百万，完全无法应对常规的算法题数据范围（通常n在10^5量级）。我们需要更高效的算法。

3. 双指针优化思路

关键观察点在于：如果将数组排序，对于任意固定的最小值nums[i]，要找到最大的nums[j]使得nums[i]+nums[j]<=target。此时所有以nums[i]为最小值，最大值不超过nums[j]的子序列都满足条件。

具体步骤：

1. 将数组升序排序
2. 初始化两个指针i=0（最小值），j=len(nums)-1（最大值）
3. 当nums[i] + nums[j] > target时，j--（缩小最大值）
4. 否则，统计i到j之间的