搜索插入位置和区域和检索

搜索插入位置这个题，没啥好说的，就是一个非常简单的二分法。直接遍历虽然说也是个O(n)，但二分法是个O(logn)，能想到好办法还是尽量用好办法吧。这也是难得的能一遍AC的题目。

不过我注意到一件非常有意思的事，我看基本上所有人写二分法都是用left和right进行比较，while(left<=right)，但我特别喜欢拿left和mid比较，while(left < mid)，也不知道为什么：

/**
  * ------result------
  * memory: 8.7 MB (90%)
  * speed:  4 ms   (98%)
*/
int searchInsert(vector<int> &nums, int target)
{
    auto b = 0;
    auto e = nums.size();
    auto mid = (b + e) / 2;
    while (b < mid)
    {
        if (target == nums[mid])
        {
            return mid;
        }
        else if (target > nums[mid])
        {
            b = mid;
        }
        else
        {
            e = mid;
        }
        mid = (b + e) / 2;
    }
    return target > nums[b] ? b + 1 : b;
}

区域和检索，坦率地讲，其实也并不难。说是动态规划吧，好像确实是那么回事；但是这种计算应该是很自然的。不过我觉得这道题背后的东西在生产环境中能用上，因为题目里强调了会多次调用这个函数，也就促使我们去进行缓存；不然，每次重新计算一遍，这谁顶得住。

缓存机制还是挺重要的。仔细想想，很多解法（尤其是那种空间换时间的解法），似乎就是通过保存状态来进行优化的。动态规划似乎也是这样？通过保存之前的状态，来得出全局的最优解。

class NumArray {
private:
    int *sums = nullptr;

public:
    /**
      * ------result------
      * memory: 17.2 MB (60%)
      * speed:  32 ms   (97%)
      */
    NumArray(vector<int> &nums)
    {
        int n = nums.size();
        sums = new int[n + 1]{0};
        for (auto i = 1; i <= n; ++i)
        {
            sums[i] = sums[i - 1] + nums[i - 1];
        }
    }

    int sumRange(int i, int j)
    {
        return sums[j + 1] - sums[i];
    }
};