有序自然联想到二分查找!
文章目录
方法一:找非单调增的点
class Solution:
def minArray(self, numbers: List[int]) -> int:
smallest = numbers[0]
for i in numbers:
if i < smallest:
return i
return smallest
方法二:二分查找
思路与算法
一个包含重复元素的升序数组在经过旋转之后,可以得到下面可视化的折线图:
其中横轴表示数组元素的下标,纵轴表示数组元素的值。图中标出了最小值的位置,是我们需要旋转的目标。
我们考虑数组中的最后一个元素 x x x:在最小值右侧的元素,它们的值一定都小于等于 x x x;而在最小值左侧的元素,它们的值一定都大于等于 x x x。因此,我们可以根据这一条性质,通过二分查找的方法找出最小值。
在二分查找的每一步中,左边界为 l o w \it low low,右边界为 h i g h \it high high,区间的中点为 p i v o t \it pivot pivot,最小值就在该区间内。我们将中轴元素 numbers [ pivot ] \textit{numbers}[\textit{pivot}] numbers[pivot] 与右边界元素 numbers [ high ] \textit{numbers}[\textit{high}] numbers[high] 进行比较,可能会有以下的三种情况:
第一种情况是 numbers [ pivot ] < numbers [ high ] \textit{numbers}[\textit{pivot}] < \textit{numbers}[\textit{high}] numbers[pivot]<numbers[high]。如下图所示,这说明 numbers [ pivot ] \textit{numbers}[\textit{pivot}] numbers[pivot] 是最小值右侧的元素,因此我们可以忽略二分查找区间的右半部分。
第二种情况是 numbers [ pivot ] > numbers [ high ] \textit{numbers}[\textit{pivot}] > \textit{numbers}[\textit{high}] numbers[pivot]>numbers[high]。如下图所示,这说明 numbers [ pivot ] \textit{numbers}[\textit{pivot}] numbers[pivot] 是最小值左侧的元素,因此我们可以忽略二分查找区间的左半部分。
第三种情况是 numbers [ pivot ] = = numbers [ high ] \textit{numbers}[\textit{pivot}] == \textit{numbers}[\textit{high}] numbers[pivot]==numbers[high]。如下图所示,由于重复元素的存在,我们并不能确定 numbers [ pivot ] \textit{numbers}[\textit{pivot}] numbers[pivot] 究竟在最小值的左侧还是右侧,因此我们不能莽撞地忽略某一部分的元素。我们唯一可以知道的是,由于它们的值相同,所以无论 numbers [ high ] \textit{numbers}[\textit{high}] numbers[high] 是不是最小值,都有一个它的「替代品」 numbers [ high - 1 ] \textit{numbers}[\textit{high - 1}] numbers[high - 1],因此我们可以忽略二分查找区间的右端点。
当二分查找结束时,我们就得到了最小值所在的位置。
class Solution:
def minArray(self, numbers: List[int]) -> int:
left, right = 0, len(numbers) - 1
while left < right:
pivot = left + (right - left) // 2 # 写的low + (high - low) // 2 而不是 (high + low) // 2, 因为当low和high都很大的时候,相加可能会爆int
if numbers[pivot] < numbers[right]:
right = pivot
elif numbers[pivot] > numbers[right]:
left = pivot + 1
else:
right -= 1
return numbers[left]
复杂度分析
- 时间复杂度:平均时间复杂度为
O
(
log
n
)
O(\log n)
O(logn),其中
n
n
n 是数组
n
u
m
b
e
r
s
\it numbers
numbers 的长度。如果数组是随机生成的,那么数组中包含相同元素的概率很低,在二分查找的过程中,大部分情况都会忽略一半的区间。而在最坏情况下,如果数组中的元素完全相同,那么
while
循环就需要执行 n n n 次,每次忽略区间的右端点,时间复杂度为 O ( n ) O(n) O(n)。 - 空间复杂度: O ( 1 ) O(1) O(1)。