理想汽车学华为，年终奖红包有点大（含算法原题）

理想年终奖红包

2月5日，有微博用户发帖称，脉脉上看到，今年理想汽车的年终奖红包有点大。

对此，李想转发并评论：

不能只学华为的流程，而不学华为的利益分配。奖罚不分明，是组织低效的最大原因。有成长、有成就、有回报，三者缺一不可。

由此可见，华为的狼性文化，虽然被无数打工人所诟病，但还是被很多创业公司拿去借鉴的。

更残忍的是，像李想这样有"悟性"的老板还是少数。

大多创始人都是只抄流程，不抄分配。

更甚者，不学分配就算了，PUA 员工的时候还不忘把「像华为、学华为」这样的词挂嘴边。

...

回归主线。

来一道和理想汽车面试相关的算法题。

根据我们统计过的「理想汽车」面试算法题，都是比较简单的。

题目描述

平台：LeetCode

题号：2824

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 $( i , j ) (i, j)$ (i,j) 的数目。

示例 1：

scss 复制代码

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：

scss 复制代码

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：

$1 < = n u m s . l e n g t h = n < = 50 1 <= nums.length = n <= 50$ 1<=nums.length=n<=50
$− 50 < = n u m s$ $i$ , t a r g e t < = 50 -50 <= nums $i$ , target <= 50 −50<=nums $i$ ,target<=50

基本分析

为了方便，先对 nums 进行排序。

当 nums 有了有序特性后，剩下的便是「遍历右端点，在右端点左侧找最大合法左端点」或「遍历左端点，在左端点右侧找最大合法右端点」过程。

排序 + 二分

这是一种「遍历右端点，在右端点左侧找最大合法左端点」做法。

遍历右端点 i，然后在 $0 , i - 1$ $0, i - 1$ $0,i-1$ 范围内进行二分，找到最大的满足 $n u m s$ $j$ + n u m s $i$ < t a r g e t nums $j$ + nums $i$ < target nums $j$ +nums $i$ <target 的位置 j。

若存在这样左端点 j，说明以 $n u m s$ $i$ nums $i$ nums $i$ 为右端点时，共有 $j + 1 j + 1$ j+1 个（范围为 $0 , j$ $0, j$ $0,j$ ）个合法左端点，需要被统计。

Java 代码：

Java 复制代码

class Solution {
    public int countPairs(List<Integer> nums, int target) {
        Collections.sort(nums);
        int n = nums.size(), ans = 0;
        for (int i = 1; i < n; i++) {
            int l = 0, r = i - 1;
            while (l < r) {
                int mid = l + r + 1 >> 1;
                if (nums.get(mid) + nums.get(i) < target) l = mid;
                else r = mid - 1;
            }
            if (nums.get(r) + nums.get(i) < target) ans += r + 1;
        }
        return ans;
    }
}

C++ 代码：

C++ 复制代码

class Solution {
public:
    int countPairs(vector<int>& nums, int target) {
        sort(nums.begin(), nums.end());
        int n = nums.size(), ans = 0;
        for (int i = 1; i < n; i++) {
            int l = 0, r = i - 1;
            while (l < r) {
                int mid = l + r + 1 >> 1;
                if (nums[mid] + nums[i] < target) l = mid;
                else r = mid - 1;
            }
            if (nums[r] + nums[i] < target) ans += r + 1;
        }
        return ans;
    }
};

Python 代码：

Python 复制代码

class Solution:
    def countPairs(self, nums: List[int], target: int) -> int:
        nums.sort()
        n, ans = len(nums), 0
        for i in range(1, n):
            l, r = 0, i - 1
            while l < r:
                mid = l + r + 1 >> 1
                if nums[mid] + nums[i] < target: l = mid
                else: r = mid - 1
            if nums[r] + nums[i] < target: ans += r + 1
        return ans

TypeScript 代码：

TypeScript 复制代码

function countPairs(nums: number[], target: number): number {
    nums.sort((a,b)=>a-b);
    let n = nums.length, ans = 0;
    for (let i = 1; i < n; i++) {
        let l = 0, r = i - 1;
        while (l < r) {
            const mid = l + r + 1 >> 1;
            if (nums[mid] + nums[i] < target) l = mid;
            else r = mid - 1;
        }
        if (nums[r] + nums[i] < target) ans += r + 1;
    }
    return ans;
};

时间复杂度：排序复杂度为 $O ( n log ⁡ n ) O(n\log{n})$ O(nlogn)；构造答案复杂度为 $O ( n log ⁡ n ) O(n\log{n})$ O(nlogn)。整体复杂度为 $O ( n log ⁡ n ) O(n\log{n})$ O(nlogn)
空间复杂度： $O ( log ⁡ n ) O(\log{n})$ O(logn)

排序 + 双指针

这是一种「遍历左端点，在左端点右侧找最大合法右端点」做法。

使用 l 和 r 分别指向排序好的 nums 的首尾。

若当前 $n u m s$ $l$ + n u m s $r$ ≥ t a r g e t nums $l$ + nums $r$ \geq target nums $l$ +nums $r$ ≥target，说明此时对于 l 来说，r 并不合法，对 r 自减（左移）。

直到满足 $n u m s$ $l$ + n u m s $r$ < t a r g e t nums $l$ + nums $r$ < target nums $l$ +nums $r$ <target，此时对于 l 来说，找到了最右侧的合法右端点 r，在 $l + 1 , r$ $l + 1, r$ $l+1,r$ 期间的数必然仍满足 $n u m s$ $l$ + n u m s $r$ < t a r g e t nums $l$ + nums $r$ < target nums $l$ +nums $r$ <target，共有 $r − l r - l$ r−l 个（范围为 $l + 1 , r$ $l + 1, r$ $l+1,r$ ）个合法右端点，需要被统计。