二分查找概述

二分查找的前提：有序。

这些序信息能够确保你可以大胆的缩减空间，进行定位。

二分查找的两个关键点：

1.缩减规则的制定。

我们接触的二分查找很多是从有序数组中查找某个数，所以缩减规则比较单一。（大于目标值，往哪边走，小于往哪边走？）
但实际中还有很多复杂的场景，比如说寻找最近的k个数的问题。

【例子】在有序数组中二分查找某个数

(1)【缩减规则】 目标值与中间值的比较。（等于，大于，或者小于将导致不同的变化）

(2)这规则是容易看出来的。

public static int binarySearch(Integer[] srcArray, int des) {
    //定义初始最小、最大索引
    int low = 0;
    int high = srcArray.length - 1;
    //确保不会出现重复查找，越界
    while ((low <= high) && (low <= srcArray.length - 1)
            && (high <= srcArray.length - 1)) {
        //计算出中间索引值
        int middle = (high + low)/2 ;
        if (des == srcArray[middle]) {
            return middle;
        //判断下限
        } else if (des < srcArray[middle]) {
            high = middle - 1;
        //判断上限
        } else {
            low = middle + 1;
        }
    }
    //若没有，则返回-1
    return -1;
}

【例子】寻找最近的K个数

题目参考：【疑问】leetcode - 658. Find K Closest Elements【二分查找 + 双指针 + 找最近】

解法：（二分查找）

【目标】本题的目标在于，在有序数组中寻找离 x 最近的k个数。

【规则观察】经过仔细观察，我们可以发现在k个相邻的元素中，最远的情况出现在该K个元素的最左端( $kLleft$ )或者最右端( $kRight$ )。接下来让我们来进行一下简单的推理：

我们此处认为，x一定是在区间的中间的部分，才能最近。

(1) 假如说 $x - kLeft > kRight - x$ ,那么会导致 $x - i > kRight - x$ ,其中 $i < kLeft$。

而

$$j - x > kRight - x ，其中 j > kRight。$$
$$因为 x - kLeft > kRight - x$$
$$j - x 存在潜在的可能性 小于 x - kLeft$$
$$也就是说，将k个区间右移，可能导致总体距离变小（kRight + 1 - x 替换了 x - kLeft）$$

【规则制定】规则在于确定k个区间的起点。
(1) x - arr.get(mid) > arr.get(mid + k) - x 导致 右移1个单位 start = mid + 1
(2)否则，左移一个单位

class Solution {  
    public List<Integer> findClosestElements(List<Integer> arr, int k, int x) {  
        int start = 0, end = arr.size() - k;  
        while(start < end) {  
            int mid = start + (end - start) / 2;  
            if(x - arr.get(mid) > arr.get(mid + k) - x) {  
                start = mid + 1;  //起点在mid右边。（排除mid,因为mid到mid + k区间中有 k + 1 个元素）
            }else {  
                end = mid;  //起点在mid左边。（包括mid）
            }  
        }  
        return arr.subList(start, start + k);  
    }  
} 

2.边界控制

边界控制的细节经常让人感到头疼。下面分析一下，如何去理解这些边界。

我们此处设置几个变量来进行说明：
start:要查询区间的左端点。
end:要查询区间的右端点。
mid:区间靠近中间的点。（start +end）/ 2
target:待查找值。
（区间数值按从小到大排序）

接下来我们开始分析，
mid 大于 target

根据有序信息，以及有序的传递性，我们可以知道mid右边的区间的所有数值也大于target,所以我们相当于对mid及其右边的区间都已经进行了比较。（换句话说，右边区间数字和target的关系（大于关系）等同于mid与target的关系）
所以mid及其右边的区间已经没有了寻找的价值，将区间缩小，得到右端点 end = mid-1。

当mid小于target时，也可以做类似的分析。( start = mid +1 )
……
区间缩减

区间就这样一步一步被缩减了。

【缩减后的效果】前面的缩减规则确定了，每一步一定会将不符合要求的区间排除出去，但是不确定剩下有没有目标。（剩下的有待进一步探索，类似于做题时候的排除法）
再次重申一下观点，此处认为缩减的过程，是在排除不符合要求的内容，因为那些真正比较过了（可确定为无用）。

那么最后区间会缩减成什么状态呢？

这里考虑3种情况，
start = end ,区间有一个元素。
start +1 =end,区间有两个元素。
start + 2 =end,区间有3个元素。（加入该种情况是为方便理解）

所有的缩减区间最后都会变为这3种情况的一种，（接下来考虑找不到目标值的情况）

情况3经过一步会变成情况1。（一次比较，能够消去两元素）。

情况2下一个状态有两种，其一是变为第一种情况，其二是终止。（这里说明了为什么不能将start == end设为终止条件，这种情况会将其跳过，直接从 start +1=end,变为start > end,因为同时排除了两个元素）

情况1经过一步比较，一定可以排除1个元素，导致start 大于end.

参考：
二分查找有几种写法？它们的区别是什么？