Leetcode(34)——在排序数组中查找元素的第一个和最后一个位置

Leetcode(34)——在排序数组中查找元素的第一个和最后一个位置

题目

给你一个按照非递减顺序排列的整数数组 n u m s nums nums,和一个目标值 t a r g e t target 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 t a r g e t target target,返回 [ − 1 , − 1 ] [-1, -1] [1,1]

你必须设计并实现时间复杂度为 O ( log ⁡ n ) O(\log n) O(logn) 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]

提示:

  • 0 0 0 <= nums.length <= 1 0 5 10^5 105
  • − 1 0 9 -10^9 109 <= nums[i] <= 1 0 9 10^9 109
  • nums 是一个非递减数组
  • − 1 0 9 -10^9 109 <= target <= 1 0 9 10^9 109

题解

方法一:暴力破解

思路

​​  直观的思路肯定是从前往后遍历一遍。用两个变量记录第一次和最后一次遇见 target \textit{target} target 的下标,但这个方法的时间复杂度为 O ( n ) O(n) O(n),没有利用到数组升序排列的条件。

代码实现

我自己的:

class Solution {
public:
    vector<int> searchRange(vector<int>& nums, int target) {
        vector<int> ans(2, -1);
        int l = 0, r = nums.size()-1;
        while(l <= r){
            if(nums[l] == target){
                ans[0] = l;
                break;
            }
            l++;
        }
        if(l > r) return ans;
        while(l <= r){
            if(nums[r] == target){
                ans[1] = r;
                break;
            }
            r--;
        }
        return ans;
    }
};
复杂度分析

时间复杂度 O ( n ) O(n) O(n),其中 n n n 是数组 nums 的长度
空间复杂度 O ( 1 ) O(1) O(1)

方法二:二分查找

思路

​​  由于数组已经排序,因此整个数组是单调递增的,我们可以利用二分法来加速查找的过程

​​  考虑 target \textit{target} target 开始和结束位置,其实我们要找的就是数组中「第一个等于 target \textit{target} target 的位置」(记为 leftIdx \textit{leftIdx} leftIdx)和「第一个大于 target \textit{target} target 的位置减一」(记为 rightIdx \textit{rightIdx} rightIdx)。

​​  二分查找中,寻找 leftIdx \textit{leftIdx} leftIdx 即为在数组中寻找第一个大于等于 target \textit{target} target 的下标,寻找 rightIdx \textit{rightIdx} rightIdx 即为在数组中寻找第一个大于 target \textit{target} target 的下标,然后将下标减一。两者的判断条件不同,为了代码的复用,我们定义 binarySearch(nums, target, lower) 表示在 nums \textit{nums} nums 数组中二分查找 target \textit{target} target 的位置,如果 lower \textit{lower} lower t r u e \rm true true,则查找第一个大于等于 target \textit{target} target 的下标,否则查找第一个大于 target \textit{target} target 的下标

​​  最后,因为 target \textit{target} target 可能不存在数组中,因此我们需要重新校验我们得到的两个下标 leftIdx \textit{leftIdx} leftIdx rightIdx \textit{rightIdx} rightIdx,看是否符合条件,如果符合条件就返回 [ leftIdx , rightIdx ] [\textit{leftIdx},\textit{rightIdx}] [leftIdx,rightIdx],不符合就返回 [ − 1 , − 1 ] [-1,-1] [1,1]

代码实现

Leetcode 官方题解:

class Solution { 
public:
    int binarySearch(vector<int>& nums, int target, bool lower) {
        int left = 0, right = (int)nums.size() - 1, ans = (int)nums.size();
        while (left <= right) {
            int mid = (left + right) / 2;
            if (nums[mid] > target || (lower && nums[mid] >= target)) {
                right = mid - 1;
                ans = mid;
            } else {
                left = mid + 1;
            }
        }
        return ans;
    }

    vector<int> searchRange(vector<int>& nums, int target) {
        int leftIdx = binarySearch(nums, target, true);
        int rightIdx = binarySearch(nums, target, false) - 1;
        if (leftIdx <= rightIdx && rightIdx < nums.size() && nums[leftIdx] == target && nums[rightIdx] == target) {
            return vector<int>{leftIdx, rightIdx};
        } 
        return vector<int>{-1, -1};
    }
};
复杂度分析

时间复杂度 O ( log ⁡ n ) O(\log n) O(logn),其中 n n n 为数组的长度。二分查找的时间复杂度为 O ( log ⁡ n ) O(\log n) O(logn),一共会执行两次,因此总时间复杂度为 O ( log ⁡ n ) O(\log n) O(logn)
空间复杂度 O ( 1 ) O(1) O(1)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值