二分查找方法

总结

二分查找可能会遇到哪些边界情况？为什么示例代码能完美的解决这些边界情况？

答：总是可以通过问题转换写出满足L < R的优美代码。

• 二分查找伪代码

while( L < R ) {
    int M = L + (R - L)/2;
    if( 答案在[M + 1,R]中 ) { // 思考一下，什么情况下能够说明“答案在[M+1,R]中”
        L = M + 1;
    } else { // 答案在[L,M]中
        R = M;
    }
}

• 写二分查找遇到了死循环，考虑是不是遇到了“差一点”问题。

  • 如果代码中是用的L = M，把L不断往右push，那么M向上取整（M = L + (R - L + 1)/2）；

  • 如果代码中是用的R = M，把R不断往左push，那么M向下取整（M = L + (R - L)/2）。

• 代码示例：

  • 有一个从小到大排好序的数组，你要找到第一个大于等于x的数字，应该怎么做？

  输入n，x，以及一个长度为n的数组a（已经从小到大排好序了）

  输入样例：

  9 4

  2 3 3 3 3 4 4 4 4

  • 代码样例：

• #include <iostream>
  using namespace std;
  
  int n, x, a[100000];
  
  int main() {
      cin >> n >> x; // n为数组元素个数，x为
      // 输入数组
      for( int i = 0; i < n; ++i ) 
          cin >> a[i];
      // 考虑数组中不存在大于等于x的数字的情况
      if( x > a[n-1] ) {           
          cout << -1 << endl;
          return 0;
      }
      
      // 二分查找
      int L = 0, R = n-1;          // 数组下标从0到n-1，闭区间
      while( L < R ) {             // 当区间中至少有两个数字的时候，需要继续二分
          int M = L + (R - L) / 2; // 求出区间中点
          if( a[M] < x ) {         // 答案一定出现在[M+1,R]中
              L = M + 1;
          } else {                 // a[M] >= x，答案一定出现在[L,M]中
              R = M;
          }
      }
      // 此时L == R，a[L]就是第一个大于等于x的数字
      if ( a[L] == x) {
          cout << L << endl;  // 如果答案存在，则输出答案
      } else {
          cout << -1 << endl; // 如果答案不存在，则输出-1
      }
      return 0;

  最后，再回顾一下在上一知识点中，我们推导了二分查找的时间复杂度。只有当我们询问区间中点的时候，我们才能让可行区间的长度以最快的速度变短——每次大约变为原来长度的一半，所以二分查找的时间复杂度是log_2(n)log2​(n)。

  二分查找时间复杂度的计算方法：

  比如，在猜数字的游戏中，假设我们一开始有n个数字。每次把剩余数字的区间分成两半，直到xx次后只剩下最后一个数字，就是我们想要的答案啦。 计算公式如下：

  n * 1/(2^x) = 1n∗1/(2x)=1

  xx次后只剩下最后一个数字

  x = log_2(n)x=log2​(n)

  那么，xx的值就是log_2(n)log2​(n)咯