【优选算法3】二分查找--解决复杂度优化

目录

leetcode  704.⼆分查找

思路：

代码

34.在排序数组中查找元素的第⼀个和最后⼀个位置

思路：

代码

35.搜索插⼊位置

思路

代码

 69.x的平⽅根

思路：

代码

---

leetcode  704.⼆分查找

给定一个 n 个元素有序的（升序）整型数组 nums 和一个目标值 target  ，写一个函数搜索 nums 中的 target，如果目标值存在返回下标，否则返回 -1。

示例 1:

输入: nums = [-1,0,3,5,9,12], target = 9
输出: 4
解释: 9 出现在 nums 中并且下标为 4
示例 2:

输入: nums = [-1,0,3,5,9,12], target = 2
输出: -1
解释: 2 不存在 nums 中因此返回 -1

思路：

算法流程：

a. 定义left ， right 指针，分别指向数组的左右区间。

 b. 找到待查找区间的中间点mid ，找到之后分三种情况讨论：

•  i. arr[mid] == target 说明正好找到，返回mid 的值；
• ii. arr[mid] > target 说明[mid, right] 这段区间都是⼤于target 的，因此舍去右边区间，在左边[left, mid -1] 的区间继续查找，即让right = mid - 1 ，然后重复2 过程；
•  iii. arr[mid] < target 说明[left, mid] 这段区间的值都是⼩于target 的，因 此舍去左边区间，在右边[mid + 1, right] 区间继续查找，即让left = mid + 1 ，然后重复2 过程；

 c. 当left 与right 错开时，说明整个区间都没有这个数，返回 -1 。

代码

class Solution {
public:
    int search(vector<int>& nums, int target) {
        int left=0,right=nums.size()-1;
        while(left<=right)//单调无重复
        {
            int mid=left+(right-left)/2;//防溢出
            if(nums[mid]>target)
            right=mid-1;
            else if(nums[mid]<target)
            left=mid+1;
            else
            return mid;
        }
        return -1;

    }
};

34.在排序数组中查找元素的第⼀个和最后⼀个位置

给你一个按照非递减顺序排列的整数数组 nums，和一个目标值 target。请你找出给定目标值在数组中的开始位置和结束位置。

如果数组中不存在目标值 target，返回 [-1, -1]。

你必须设计并实现时间复杂度为 O(log n) 的算法解决此问题。

示例 1：

输入：nums = [5,7,7,8,8,10], target = 8
输出：[3,4]
示例 2：

输入：nums = [5,7,7,8,8,10], target = 6
输出：[-1,-1]
示例 3：

输入：nums = [], target = 0
输出：[-1,-1]

思路：

用的还是二分思想，就是根据数据的性质，在某种判断条件下将区间一分为二，然后舍去其中一个区间，然后再另一个区间内查找。

方便叙述，用 x 表示该元素， resLeft 表示左边界， resRight 表示右边界。

寻找左边界思路：

- 寻找左边界：

- 我们注意到以左边界划分的两个区间的特点：

• - 左边区间 [left, resLeft - 1] 都是小于 x 的；
• - 右边区间（包括左边界） [resLeft, right] 都是大于等于 x 的；

- 因此，关于 mid 的落点，我们可以分为以下两种情况：

• - 当我们的 mid 落在 [left, resLeft - 1] 区间的时候，也就是 arr[mid] < target 。说明 [left, mid] 都是可以舍去的，此时更新 left 到 mid + 1 的位置，继续在 [mid + 1, right] 上寻找左边界；
• - 当 mid 落在 [resLeft， right] 的区间的时候，也就是 arr[mid] >= target 。说明 [mid + 1, right] （因为 mid 可能是最终结果，不能舍去）是可以舍去的，此时更新 right 到 mid 的位置，继续在 [left, mid] 上寻找左边界；

- 由此，就可以通过二分，来快速寻找左边界； 注意：这里找中间元素需要向下取整。因为后续移动左右指针的时候：

• - 左指针： left = mid + 1 ，是会向后移动的，因此区间是会缩小的；
• - 右指针： right = mid ，可能会原地踏步（比如：如果向上取整的话，如果剩下 1, 2 两个元素， left = 1 ， right = 2 ， mid = 2 。更新区间之后， left，right，mid 的值没有改变，就会陷入死循环）。

- 因此一定要注意，当 right = mid 的时候，要向下取整。

二分查找算法总结：

请大家一定不要觉得背下模板就能解决所有二分问题。二分问题最重要的就是要分析题意，然后确定要搜索的区间，根据分析问题来写出二分查找算法的代码。

要分析题意，确定搜索区间，不要死记模板，不要看左闭右开什么乱七八糟的题解。 重要的事情说三遍。

模板记忆技巧：

1. 关于什么时候用三段式，还是二段式中的某一个，一定不要强行去用，而是通过具体的问题分析情况，根据查找区间的变化确定指针的转移过程，从而选择一个模板。

2. 当选择两段式的模板时：

- 在求 mid 的时候，只有 right - 1 的情况下，才会向上取整（也就是 +1 取中间数）。

代码

class Solution {
public:
    vector<int> searchRange(vector<int>& nums, int target) {
        int begin=-1,end=-1;
        //左端点，小于的全不要
        if(nums.size() == 0) return {-1, -1};//注意返回格式
        int left=0,right=nums.size()-1;
        while(left<right)//相等时要输进行判断，循环是找相等的点，得不到结果
        {
            int mid=left+(right-left)/2;//根据后面判断是否要+1
            if(nums[mid]<target)
            left=mid+1;
            else 
            right=mid;
        }
        if(nums[right]==target) begin=right;
        //右端点，大于的全不要
        left=0,right=nums.size()-1;
        while(left<right)
        {
            int mid=left+(1+right-left)/2;
            if(nums[mid]>target)
            right=mid-1;
            else
            left=mid;
        }
        if(nums[right]==target) end=right;
        return {begin,end};//注意返回元素的形式


    }
};

35.搜索插⼊位置

给定一个排序数组和一个目标值，在数组中找到目标值，并返回其索引。如果目标值不存在于数组中，返回它将会被按顺序插入的位置。

请必须使用时间复杂度为 O(log n) 的算法。

示例 1:

输入: nums = [1,3,5,6], target = 5
输出: 2
示例 2:

输入: nums = [1,3,5,6], target = 2
输出: 1
示例 3:

输入: nums = [1,3,5,6], target = 7
输出: 4

思路

a. 分析插入位置左右两侧区间上元素的特点：设插入位置的坐标为 index ，根据插入位置的特点可以知道：

• - [left, index - 1] 内的所有元素均是小于 target 的；
• - [index, right] 内的所有元素均是大于等于 target 的。

b. 设 left 为本轮查询的左边界， right 为本轮查询的右边界。根据 mid 位置元素的信息，分析下一轮查询的区间：

• - 当 nums[mid] >= target 时，说明 mid 落在了 [index, right] 区间上，mid 左边包括 mid 本身，可能是最终结果，所以我们接下来查找的区间在 [left, mid] 上。因此，更新 right 到 mid 位置，继续查找。
• - 当 nums[mid] < target 时，说明 mid 落在了 [left, index - 1] 区间上，mid 右边但不包括 mid 本身，可能是最终结果，所以我们接下来查找的区间在 [mid + 1, right] 上。因此，更新 left 到 mid + 1 的位置，继续查找。

c. 直到我们的查找区间的长度变为 1 ，也就是 left == right 的时候， left 或者 right 所在的位置就是我们要找的结果。

代码

class Solution {
public:
    int searchInsert(vector<int>& nums, int target) {
        int left = 0, right = nums.size() - 1;
        while(left <= right) {
            int mid = left + (right - left) / 2;
            if(nums[mid] == target) {
                return mid;
            } else if(nums[mid] < target) {
                left = mid + 1;
            } else {
                right = mid - 1;
            }
        }
        return left;//返回的是偏小值
    }
};

 69.x的平⽅根

给你一个非负整数 x ，计算并返回 x 的 算术平方根 。

由于返回类型是整数，结果只保留 整数部分 ，小数部分将被 舍去 。

注意：不允许使用任何内置指数函数和算符，例如 pow(x, 0.5) 或者 x ** 0.5 。

示例 1：

输入：x = 4
输出：2
示例 2：

输入：x = 8
输出：2
解释：8 的算术平方根是 2.82842..., 由于返回类型是整数，小数部分将被舍去。
 

提示：

0 <= x <= 231 - 1

思路：

设x的平方根的最终结果为index：

a. 分析index左右两侧数据的特点：

- [0, index] 之间的元素，平方之后都是小于等于x的；

- [index + 1, x] 之间的元素，平方之后都是大于x的。

因此可以使用二分查找算法。

代码

class Solution {
public:
    int mySqrt(int x) {
        if (x < 1)
            return 0; // 处理边界情况
        int left = 1, right = x;
        while (left < right) {
            long long mid = left + (right - left + 1) / 2; // 防溢出
            if (mid * mid <= x)
                left = mid;
            else
                right = mid - 1;
        }
        return left;
    }
};