LeetCode 剑指 Offer 11. 旋转数组的最小数字（Python、二分查找）

有序自然联想到二分查找！

题目描述

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 $x$：在最小值右侧的元素，它们的值一定都小于等于 $x$；而在最小值左侧的元素，它们的值一定都大于等于 $x$。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 $low$，右边界为 $high$，区间的中点为 $pivot$，最小值就在该区间内。我们将中轴元素 $\text{numbers}[\text{pivot}]$ 与右边界元素 $\text{numbers}[\text{high}]$ 进行比较，可能会有以下的三种情况：

第一种情况是 $\text{numbers}[\text{pivot}]<\text{numbers}[\text{high}]$。如下图所示，这说明 $\text{numbers}[\text{pivot}]$ 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 $\text{numbers}[\text{pivot}]>\text{numbers}[\text{high}]$。如下图所示，这说明 $\text{numbers}[\text{pivot}]$ 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 $\text{numbers}[\text{pivot}]==\text{numbers}[\text{high}]$。如下图所示，由于重复元素的存在，我们并不能确定 $\text{numbers}[\text{pivot}]$ 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 $\text{numbers}[\text{high}]$ 是不是最小值，都有一个它的「替代品」$\text{numbers}[\text{high - 1}]$，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 $O(\log n)$，其中 $n$ 是数组 $numbers$ 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 $n$ 次，每次忽略区间的右端点，时间复杂度为 $O(n)$。
• 空间复杂度：$O(1)$。