第三章二分运算-CSDN博客

本文链接：https://blog.csdn.net/2302_81681363/article/details/140944516

二分算法，作为一种经典的算法策略，其核心精髓在于“二分”二字。顾名思义，它类似于数学中的二等分操作，即在算法中不断将待搜索的范围一分为二，以此高效缩小搜索空间，直至精确定位到目标元素或确认其不存在。。

1 何为二分？

二分算法是一种专为有序数据集（如数组或列表）设计的快速搜索算法。其核心思想在于，通过不断将搜索区间划分为更小的两个部分，并根据中间元素与目标值的比较结果，智能地选择保留包含目标值的那部分区间，从而逐步缩小搜索范围，直至找到目标元素的确切位置或确认其不存在于当前数据集中。

1.1 模拟二分过程：

想象一下，在一条从1到9的数轴上，我们急于找到某个特定目标点A（比如数字4）。为了高效地完成这一任务，我们可以采用二分搜索策略：

首先，我们确定搜索的初始范围，即数轴上的1至9区间。

然后，我们计算该区间的中点（mid=5），作为我们的初步参考点

接下来，我们比较中点与目标点A的大小。发现mid（即5）大于A（即4），这意味着目标点A位于中点的左侧。因此，我们果断地将搜索范围调整为左半部分，即从1到5。

在新的搜索范围内（1—5），我们再次执行上述过程，计算中点并比较。这次，我们会根据比较结果继续缩小搜索范围，直至找到目标点A的确切位置。

值得注意的是，在调整搜索范围时，我们总是移动那些使目标点可能落在搜索范围之外的端点（第一次我们移动右端点R，第二次移动左端点L）。这是因为，我们的目标是保持搜索范围始终包含目标点（如果它存在的话），而移动可能排除目标点的端点则能有效缩小搜索空间。

2 整数二分

2.1 例题

我们从一个例题入手来分析整数二分。

蓝桥【3344】可凑成的最大花束数

问题描述

情人节到了，妮妮学姐的追求者实在太多了，她一共有 n 个追求者，第 i 个追求者赠送了 ai 朵颜色相同的花朵。每个追求者赠送的花朵颜色都不同。为了卖掉这些花并将所得款项捐赠给希望小学，妮妮学姐决定将 k 朵颜色不同的花朵打包成一个花束。请问她最多可以打包成多少个花束？

输入格式

第一行输入两个整数 n 和 k，分别表示妮妮学姐的追求者数量和打包需要的花朵数。

第二行输入 n 个整数 ai，表示每个追求者赠送的花朵数量。

数据范围保证：1≤𝑛,𝑘≤2× $10^{5}$ ，1≤ai≤1 $\times 10^{9}$ 。

输出格式

输出一个整数表示妮妮学姐最多可以打包成多少个花束。

样例输入
2 2
5 6
样例输出
5

2.2 分析

我们考虑总共需要的花朵数，假设答案为 x ，那么我们需要的花朵是则为 x×k 朵。对于第 i 位追求者送的花我们思考他能为答案提供多少有效的花朵，显然是 min(ai,x) 。这样我们就可以统计出每个人可提供的有效花朵的和是否达到了x×k，如果达到则说明我们可以凑出x 束花束，否则则不行。

2.3 代码

#include <iostream>
using namespace std;
const int N = 1e6 + 2;
#define ll long long
ll a[N];
int n, k;

bool cmp(ll mid)
{
    ll ans = 0;
    for (int i = 0; i < n; i++)
    {
        ans += (min(mid, a[i]));
    }
    return (ans / k) >= mid;
}

int main()
{
    cin >> n >> k;
    for (int i = 0; i < n; i++)
    {
        cin >> a[i];
    }
    ll l = 0, r = 1e15;
    while (r > l)
    {
        ll mid = (l + r + 1) / 2;
        if (cmp(mid))
            l = mid;
        else
            r = mid - 1;
    }
    cout << l;
    return 0;
}

我们来逐一分析一下代码

    ll l = 0, r = 1e15;
    while (r > l)
    {
        ll mid = (l + r + 1) / 2;
        if (cmp(mid))
            l = mid;
        else
            r = mid - 1;
    }

这里我们先设定了初始搜索范围（0— $10^{15}$ ），在右端点大于左端点的前提下，每次找到区间的中点mid，判断是否符合条件来移动左右区间，最后左右端点重合即找到最大值。

为什么要写成 `mid = (l + r + 1) / 2` 和 `r = mid - 1`？

本质是整数除法时避免下取整带来的问题。

1. `mid = (l + r + 1) / 2`

目的：当处理整数除法时，为了避免在某些情况下丢失中间值，确保mid更偏向右侧。这在搜索区间为[l, r]且需要找到第一个满足条件的mid时特别有用。
解释：如果l和r都是整数，那么(l + r) / 2的结果将向下取整。如果l和r的差是奇数，这个操作将丢失中间的整数值。通过加1，你可以确保在l和r差为奇数时，mid会偏向r，从而可能在循环中更快地找到满足条件的解或确保最终l和r相遇在正确的点上。

2. `r = mid - 1`

目的：缩小搜索范围，排除mid值。
解释：在二分查找中，当你发现mid不满足条件时（在这个例子中，cmp(mid)返回false），你需要更新搜索范围以排除mid。将r设置为mid - 1可以确保下一次循环中不会再次选择mid作为中点。

什么时候加一，什么时候减一呢？

bool cmp(ll mid)
{
    ll ans = 0;
    for (int i = 0; i < n; i++)
    {
        ans += (min(mid, a[i]));
    }
    return (ans / k) >= mid;
}

判断能不能打包成花束。

3 浮点数二分

浮点数二分与整数二分类似，只是浮点数二分不需要考虑下取整带来的加一减一的问题。

3.1 模板

const double eps = 1e-9; // 定义精度误差范围  
  
bool cmp(double mid) {  
    // 判断条件  
    // 注意：这里需要根据题目要求来编写cmp函数  
    // 可能需要考虑浮点数的精度问题  
}  
  
int main() {  
    double l = 0, r = 1e9 + 3;  
    while (r - l > eps) {  
        double mid = (l + r) / 2.0;  
        if (cmp(mid)) {  
            l = mid;  
        } else {  
            r = mid;  
        }  
    }  
    // 由于浮点数的精度问题，最终l和r可能会非常接近但不相等  
    // 可以选择输出l、r或它们的平均值，具体取决于题目要求   
    return 0;  
}