两分查找（又称折半查找）是程序员耳熟能详的算法了，不管你用什么语言，不会写简直都不好意思找工作。但我仍然愿意费些笔墨讨论一下这个老生常谈的话题，一方面是自己在网络上看了些资料，温故而知新，另一方面也想借此挑战大众的口味，看看抛砖能否引玉。此处标题稍稍调侃一下诺奖赔率之王村上春树。
懒得描述算法了，直接上代码（以下代码都用 C 语言描述，且假设查找对象都是整型数，数组非降序排列），最“经典”的版本：
int binary_search(int *A, int n, int target)
{
int low = 0, high = n - 1;
assert(A != NULL && n >= 0);
while (low <= high)
{
int mid = low + (high - low) / 2;
if(A[mid] == target)
return mid;
else if (A[mid] < target)
low = mid + 1;
else
high = mid - 1;
}
return -1;
}干净利落。一般面试的时候都会考察边界条件迭代、循环终止条件设定以及中位数计算，这里也用了我一向习惯的闭区间设定，即 low 指向数组第一个元素，high 指向数组最后一个元素，当退出循环的时候（没找到），low 大于 high。
当年我也想过，如果用半开半闭区间，那么会增加代码逻辑的复杂性。
int binary_search(int *A, int n, int target)
{
int low = 0, high = n;
assert(A != NULL && n >= 0);
while (low < high)
{
int mid = low + (high - low) / 2;
if (A[mid] == target)
return mid;
else if (A[mid] < target)
low = mid + 1;
else
high = mid;
}
return -1;
}注意high是开区间的一端，也就是说A[high]不包含目标值。这样一来，第一，循环条件要改成 low < high，注意写成 low <= high 会死循环的（why?）；第二，迭代时 high = mid，而low = mid + 1，因为区间是[low， high)，代码写法上不一致。这是容易为人遗漏的一点。
可见开区间比闭区间逻辑上处理麻烦，尤其要提防边界条件迭代和中位数计算可能导致的死循环，算法实现上的差异也在区间的界定上，理论上所有基于中位数二分的算法都会遇到这样的问题。但真的必要用开区间吗？《代码之美》里有一段话：
我们先来考虑循环的执行步骤。假设我们有一个有着 n 个元素的数组（此处n是一个很大的数值），那么从该数组中第一次找到目标的概率为 1/n（一个很小的数值），下一次（经过一次二分）的概率则是 1/(n/2)——仍然不是很大——以此类推下去。事实上，只有当元素的个数减少到了 10 到 20 的时候，一次找到目标的概率才变得有意义，而对于10 到 20 个元素进行查找需要的只是大概 4 次循环。当查找失败时（在大多数的应用中很普遍），那些额外的测试就将变成纯粹的额外开销。
我们也可以来计算一下，在什么时候找到目标值的概率能接近 50%，但请你扪心自问：在一个复杂度为 O(log2N) 的算法中，对于它的每一步都增添一个额外的复杂计算，而目的仅仅是为了减少最后的几次计算，这样做有意义吗？
这段话什么意思呢？归根到底就一个意思，如果一个很大的数组中没有我们想要的目标，那么条件判断 if (A[mid] == target) 完全是一个不必要的开销（分支跳转）。实际上，这种条件只要一次就够了，那就是循环终止并判断最终目标的时候。
给定一个有序（非降序）数组A，可含有重复元素，求最小的i使得A[i]等于target
int binary_search_first_position(int *A, int n, int target)
{
int low = 0, high = n;
assert(A != NULL && n >= 0);
while (low < high)
{
int mid = low + (high - low) / 2;
if (A[mid] < target)
low = mid + 1;
else // A[mid] >= target
high = mid;
}
if (low >= n || A[low] != target)
return -low - 1;
else
return low;
}我们提出点额外需求，希望目标处于所有重复的匹配项中第一个位置，此时需要返回的下标 low 必须是闭区间一端，不然就没法包含第一位置了。后面的迭代里我们看到，如果目标比 A[mid] 小，闭区间一端 low = mid + 1 就会将 A[mid] 排除在外，反之开区间一端 high = mid。注意我们将相等条件判断包含在 target <= A[mid] 的条件里了，也就是说这种情况下只会移动high，low则一直处于最先位置上保持不动，这样就可过滤掉重复项。根据迭代逻辑，终止条件将是 low == high，如果目标匹配，那么 A[low] 就是第一位置，否则就是不存在。这样一来，循环体中只需用一个 if-else 分支即可。
此外不匹配时的返回值可写成 -low - 1 而不是单纯的 -1，这样调用者一旦发现返回值是负值，那么可以再做一次逆运算，即可获得需要插入新元素的位置，之所以要减 1 是为了避免 low 为 0 时，返回 -low 会被误认为目标存在。
还要注意的是断言写成 assert(n >= 0)，防止调用传参时无符号转有符号发生符号扩展正变负，如果 n == 0 表示空数组，那么返回 0 表示需要插入新元素的索引。
给定一个有序（非降序）数组A，可含有重复元素，求最大的i使得A[i]等于target
int binary_search_last_position(int *A, int n, int target)
{
int low = -1, high = n - 1;
assert(A != NULL && n >= 0);
while (low < high)
{
int mid = high - (high - low) / 2;
if (A[mid] > target)
high = mid - 1;
else // A[mid] <= target
low = mid;
}
if (high < 0 || A[high] != target)
return -high - 2;
else
return high;
}反过来，如果目标希望是最后一个位置呢？同理需要返回的下标 high 必须是闭区间一端。这里 low 和 high 的初始值分别为 -1 和 n - 1， mid 迭代改成 mid = high – (high – low) / 2，另外不匹配返回-high - 2（why?）。一来避免出现非法值，二来体现对称性，同时避免产生死循环。
扩展思考，如果给定一个有序（非降序）数组 A，可含有重复元素，求 target 在数组中出现的次数，我们该如何做？
更多内容参考：二分查找问题全集（很多例子可看成上述两例的变种，我对里面的代码做了些修改，仁者见仁）。
更新（2014-02-16）：
@programath同学展现了一种循环不变式(loop invariant)：如果目标值存在于数组中，那么它的索引必然存在于开区间 (low, high)，其中 low + 1 < high，并给出了源代码，这种算法采取完全开区间，好处是消除了闭区间带来的中位数和边界迭代的额外“心智负担”：一来杜绝了迭代死循环，二来不需要像闭区间关注中位数的落点，只要坐落在开区间内即可。我修改了一下：
int binary_search_first_position(int *A, int n, int target)
{
int low = -1, high = n;
assert(A != NULL && n >= 0);
while (low + 1 < high)
{
int mid = low + (high - low) / 2;
if (A[mid] < target)
low = mid;
else
high = mid;
}
if (high >= n || A[high] != target)
return -high - 1;
else
return high; // high == low + 1
}
int binary_search_last_position(int *A, int n, int target)
{
int low = -1, high = n;
assert(A != NULL && n >= 0);
while (low + 1 < high)
{
int mid = low + (high - low) / 2;
if (A[mid] > target)
high = mid;
else
low = mid;
}
if (low < 0 || A[low] != target)
return -low - 2;
else
return low; // low == high - 1
}
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
