二分查找算法专题——朴素二分模版+左右边界二分模版&力扣实战应用

Sunrise_angel

已于 2024-08-29 20:18:04 修改

阅读量3k

点赞数 93

分类专栏：算法文章标签：算法 leetcode 职场和发展 java 开发语言

于 2024-08-26 00:15:00 首次发布

本文链接：https://blog.csdn.net/2401_83595513/article/details/141497918

版权

算法专栏收录该内容

14 篇文章 0 订阅

订阅专栏

目录：

4.5 题五：寻找旋转排序数组中的最小值

4.5.1 思路分析

4.5.2 算法代码

4.6 题六：点名（原：剑指Offer：0～n-1 中缺失的数字）

4.6.1 思路分析

4.6.2 算法代码

1、二分查找算法简介

算法，是一种思想，并不是固定的模式，我们可以使用一种算法思想解决多种问题。

二分查找算法，是一个细节最多、最恶心、最容易写出死循环的一个算法，但是当我们熟练掌握后它就可以变成一个最简单的算法，利用它，仅仅使用十几行代码就可以解决掉一个难题，所以在算法学习的路途中，二分查找算法的学习是极为重要且必不可少的。

二分法查找算法的使用条件：数据具有“二段性”。(并非数据有序)

注意：并不是只有数据有序的情况下才可以使用二分查找算法，只要数据具有二段性，即使数据乱序，也可以使用二分查找算法！！！

2、算法原理及时间复杂度分析

这里通过例题为大家讲解算法原理。

2.1 朴素二分算法

. - 力扣（LeetCode）

使用二分查找算法的关键点是：数据具有“二段性”。

因为数组为升序排列，所以target左边的数据均<target，target右边的数据均>target，故可将数据分为“二段”，具有二段性，可以使用二分查找算法。

定义left和right指针分别指向数组0下标处和nums.length-1处，以及定义他们的中间位置mid，将nums[mid]和target比较，

nums[mid] < target ---> left = mid+1；
nums[mid] > target ---> right = mid-1；
nums[mid] == target ---> 返回结果；

这样一次比较即可过滤掉一半数据，大大提高了查找效率。、

注意：

循环条件为：left <= right
为防止数据溢出，更新mid的方式为：mid = left + (right - left) / 2；或者mid = left + (right - left + 1) / 2；

class Solution {
    public int search(int[] nums, int target) {
        int left = 0;
        int right = nums.length-1;
        while (left <= right) {
            int mid = left+(right-left)/2;
            if(nums[mid] < target) {
                left = mid+1;
            } else if (nums[mid] > target) {
                right = mid-1;
            }else {
                return mid;
            }
        }
        return -1;
    }
}

注意：朴素二分算法因为太过简单，所以基本不会考察，重点是下方的边界二分查找算法的思想。

3.2 查找左右边界的二分算法

. - 力扣（LeetCode）

因为数组为非递减排序，也就是说数据要么相等，要么递增，而我们要找的就是相等数据target的开始和结束位置。

也就是说，我们要找到target的左边界位置和右边界位置，而target的左边的数据小于target，右边的数据大于target，数据同样具有二段性，可以使用二分查找算法。

同样定义left和right指针，定义mid指向他们的中间位置。

3.2.1 查找左边界

循环条件为：left < right，left == right时就是最终结果，结束循环
nums[mid] < target ---> left = mid+1；//mid的位置肯定不为左边界，所以left = mid+1
num[mid] >= target ---> right = mid；//mid的位置可能就是左边界，所以right=mid
更新mid：mid = left + (right - left) / 2；

3.2.2 查找右边界

循环条件为：left < right，left == right时就是最终结果，结束循环
nums[mid] <= target ---> left = mid；//mid的位置可能就是右边界，所以left=mid
nums[mid] > target ---> right = mid-1；//mid的位置肯定不为右边界，所以right= mid-1
更新mid：mid = left + (right - left + 1) / 2；因为更新right或left时，有-1操作，所以这里更新mid要+1（技巧，记忆即可）

class Solution {
    public int[] searchRange(int[] nums, int target) {
        int left = 0;
        int right = nums.length - 1;
        int[] arr = new int[]{-1,-1};
        //nums为空数组
        if (nums.length == 0) return arr;
        //查找左边界
        while (left < right) {
            int mid = left + (right - left) / 2;
            if (nums[mid] < target) {
                left = mid + 1;
            }else {
                right = mid;
            }
        }
        //数组中不存在target
        if (nums[left] != target) return arr;
        arr[0] = left;
        left = 0;
        right = nums.length - 1;
        //查找右边界
        while (left < right) {
            int mid = left + (right - left + 1) / 2;
            if (nums[mid] <= target) {
                left = mid;
            }else {
                right = mid - 1;
            }
        }
        arr[1] = left;
        return arr;
    }
}

注意：

朴素二分算法的循环条件是：left <= right；因为要查找的数据可能就在left和right重叠的位置处。
边界二分算法的循环条件是：left < right；因为当left == right时，就是最终结果。
为避免数据溢出：mid = left + (right - left) / 2 或者 mid = left + (right - left + 1) / 2，朴素算法+1与否都可以，但是在找边界的二分算法中，若更新left或者right时，有-1出现，则更新的mid要+1。

3.3 时间复杂度分析

第一次二分查找剩下n/2个数据，第二次二分查找剩下n/4个数据，第三次二分查找升序n/8个数据，直至最后一次(第x次)二分查找剩下1个数据(此时查找成功)，则 $n/2^{x}$ == 1，计算得x == logN，因为x就是循环执行的次数，故二分查找算法时间复杂度为：O(logN)

大家可能觉得O(logN)对于O(N)的提升不是很大，其实并不是这样，举个例子：

假设存储了 $2^{32}$ 个数据，若用O(N)的算法去查找某一个数据，即遍历所有数据，那么最多需要查找 $2^{32}$ =4,294,967,296次；而使用O(logN)的算法，则最多查找32次就可以查找成功。

综上所述，O(logN)相对于O(N)的提升非常的大，故二分查找算法是一个极为高效的算法，每次都能排除掉一半的数据，从而快速定位到目标位置。

3、二分查找算法模版

对于算法的模版，一定不要死记硬背，要理解后再记忆，这样才可以在不同的题目中灵活使用该算法。

3.1 朴素二分模版

朴素二分模版是最简单的二分模版，因为简单，所以也很少考察。

注意：朴素模版中的循环条件为： left <= right

//朴素二分模版
        while (left <= right) {
            int mid = left + (right - left) / 2;//避免数据溢出
            //int mid = left + (right - left + 1) / 2;在朴素二分中，加不加1均可
            if(....) {
                left = mid+1;
            } else if (....) {
                right = mid-1;
            }else {
                return ....;
            }
        }

3.2 查找左右边界的二分模版

注意：边界模版中的循环条件为： left < right

4、算法应用【leetcode】

4.1 题一：搜素插入位置

. - 力扣（LeetCode）

4.1.1 思路分析

分析数据，可以发现target要插入的位置就是第一个比target大的数据的位置，而这个位置左侧的均小于target，右侧的数据均大于target，故具有二段性，可以使用二分查找算法。

而我们的目的就是：找到第一个大于target的数据的位置，返回这个位置的下标即可。

需要注意一个边界情况：当target比所以数据都大时，也就是说target要插入数组的末尾，需要特殊处理。

4.1.2 算法代码

class Solution {
    public int searchInsert(int[] nums, int target) {
        int left = 0;
        int right = nums.length-1;
        while (left < right) {
            int mid = left + (right - left) / 2;
            if (nums[mid] < target) {
                left = mid + 1;
            }else {
                right = mid;
            }
        }
        return target > nums[left] ? left + 1 : left;
    }
}

4.2 题二：x的平方根

. - 力扣（LeetCode）

4.2.1 思路分析

分析数据，因为目标数据的平方是小于或等于 x的，所以目标数据及其左侧数据(包括目标数据)的平方均小于等于x，右侧数据的平方均大于x。故具有二段性，可使用二分查找算法解决该题。

4.2.2 算法代码

class Solution {
    public int mySqrt(int x) {
        long left = 0;
        long right = x;
        while (left < right) {
            //mid*mid 可能超出范围，定义为long长整型
            long mid = left + (right - left + 1) / 2;
            if (mid * mid <= x) {
                left = mid;
            }else {
                right = mid - 1;
            }
        }
        return (int)left;
    }
}

4.3 题三：山峰数组的峰顶索引

. - 力扣（LeetCode）

4.3.1 思路分析

由题意可知，数组一定为山峰，故峰顶左侧的数据一定小于峰顶值，峰顶右侧的数据一定大于峰顶值，故数据具有二段性，可使用二分查找算法。且题目已说明使用O(logN)的算法，故必须使用二分查找算法。

算法思想很简单：

若arr[mid] > arr[mid-1]，则峰顶一定在mid右侧或峰顶就为mid；//left = mid
若arr[mid] < arr[mid-1]，则峰顶一定在mid左侧；//right = mid-1

4.3.2 算法代码

class Solution {
    public int peakIndexInMountainArray(int[] arr) {
        int left = 0;
        int right = arr.length - 1;
        while (left < right) {
            int mid = left + (right - left + 1) / 2;
            if(arr[mid] > arr[mid - 1]) {
                left = mid;
            }else {
                right = mid - 1;
            }
        }
        return left;
    }
}

4.4 题四：寻找峰值

. - 力扣（LeetCode）

4.4.1 思路分析

该题思路与上一题山峰数组的解题思路是一模一样的，只不过可能存在多个山峰，也就是说数组是完全无序的，所以，二分查找算法的使用并不局限于有序数组，只要数据具有二段性，就可以使用二分查找算法。

将中间值arr[mid]与arr[mid-1]比较，若arr[mid] < arr[mid-1]，说明在左侧一定有峰值，而右侧是不确定的，可能有也可能没有，这样就可以过滤掉右侧数据，在左侧数据继续寻找山峰；
同样，若arr[mid] > arr[mid-1]，说明右侧一定有山峰，而左侧不确定，过滤左侧数据，故发现数据具有二段性，能够使用二分查找算法。
因为 nums[-1] = nums[n] = -∞，所以即使数组为递增或递减序列时，也能够正确查找到峰值的位置。

4.4.2 算法代码

class Solution {
    public int findPeakElement(int[] arr) {
        int left = 0;
        int right = arr.length - 1;
        while (left < right) {
            int mid = left + (right - left + 1) / 2;
            if(arr[mid] > arr[mid - 1]) {
                left = mid;
            }else {
                right = mid - 1;
            }
        }
        return left;
    }
}

4.5 题五：寻找旋转排序数组中的最小值

. - 力扣（LeetCode）

4.5.1 思路分析

因为数组原来是升序排列，所以经过旋转，数值大的元素就移动到了数组的前面部分。

所以：

未经过旋转的元素必然小于等于数组的最后一个元素。
而经过旋转的元素必然大于数组的最后一个元素。
故数据具有二段性，可以使用二分查找算法。

因为我们是和数组的最后一个元素比较，所以即使在数组完全旋转的特殊情况下也可以得到正确结果。

而如果是和数组的第一个元素比较的话，在特殊情况时，还需特殊处理，这种解法留给大家，可以锻炼大家的代码能力以及加强对二分查找算法的理解。

4.5.2 算法代码

class Solution {
    public int findMin(int[] nums) {
        int left = 0;
        int right = nums.length - 1;
        while (left < right) {
            int mid = left + (right - left) / 2;
            if (nums[mid] <= nums[nums.length-1]) {
                right = mid;
            }else {
                left = mid + 1;
            }
        }
        return nums[left];
    }
}

4.6 题六：点名（原：剑指Offer：0～n-1 中缺失的数字）

. - 力扣（LeetCode）

4.6.1 思路分析

在数组中，缺失的数字前的数据其值与其下标是相对应的。
缺失的数字后的数据其值都比其下标大1，故数据具有二段性，可以使用二分查找算法。
第一个数值与下标不对应的数据的位置，就是缺失的数据。

特殊情况：缺的是最后一个数据时，数组中的所有数据与其下标均对应，此时需要特殊处理。

4.6.2 算法代码

class Solution {
    public int takeAttendance(int[] records) {
        int left = 0;
        int right = records.length - 1;
        while (left < right) {
            int mid = left + (right - left) / 2;
            if (records[mid] > mid) {
                right = mid;
            }else {
                left = mid + 1;
            }
        }
        return records[left] == left ? left + 1 : left;
    }
}

END