数据结构—二分查找

简介

这篇二分查找（binarySearch）是在一篇购买的课程（极客时间）中学习过来的，讲的挺好。

这篇文章符合我的书写形式，也就是区间是在[0, size - 1]内，所以，所有的形式也均为此类形式。

注：所有的代码在我的Github中有均具体C++代码实现

几种形式

常见的二分查找

递归形式

int binarySearch(vector<int> &nums, int target) {
        int left = 0;
		int right = nums.size() - 1; 
        while(left <= right){  // *
        	int mid = left + ((right - left)>>1); // * 
			if(nums[mid] == target){  //记住都用 else if 的形式
				return mid;
			} else if(nums[mid] < target){ 
				left = mid + 1; // *
			} else if(nums[mid] > target){ 
				right = mid - 1; //*
			}
		} 
        return -1;
    }

这里有几个地方需要注意的地方，也就是我在代码中打 * 的地方

1. 循环退出条件注意是 left<=right，而不是 left<right。
2. mid 的取值实际上，mid=(left+right)/2 这种写法是有问题的。因为如果 left和 right比较大的话，两者之和就有可能会溢出。改进的方法是将 mid 的计算方式写成 left+(right-left)/2。更进一步，如果要将性能优化到极致的话，我们可以将这里的除以 2 操作转化成位运算 left+((right-left)>>1)，因为相比除法运算来说，计算机处理位运算要快得多。注意符号优先级，不要写成了left+(right-left)>>1的形式了。
3. left和 right的更新left=mid+1，right=mid-1。注意这里的 +1 和 -1，如果直接写成 left=mid 或者 right=mid，就可能会发生死循环。比如，当 right=3，left=3 时，如果 nums[3]不等于 target，就会导致一直循环不退出。如果你留意我刚讲的这三点，我想一个简单的二分查找你已经可以实现了。实际上，二分查找除了用循环来实现，还可以用递归来实现，过程也非常简单。

非递归形式

int binarySearch(vector<int> &nums, int left, int right, int target) {
		if(left > right)	return -1;
		int mid = left + ((right - left)>>1);
		if(nums[mid] == target){
			return mid;
		}else if(nums[mid] < target){
			return binarySearch1(nums, mid + 1, right, target);
		}else{
			return binarySearch1(nums, left, mid - 1, target);
		}
    }

二分查找之-左边界（存在多个target值，寻找其第一次出现的位置）

int leftBound(vector<int> &nums, int target) {
        int left = 0;
		int right = nums.size() - 1; 
        while(left <= right){  
        	int mid = left + ((right - left)>>1);
			if(nums[mid] < target){
				left = mid + 1;; 
			} else if(nums[mid] > target){ 
				right = mid - 1;
			}else{
				if(mid == 0 || nums[mid - 1] != target)	return mid;
				else
					right = mid - 1;
			}
		}
		return -1;
    }

我来稍微解释一下这段代码。nums[mid]跟要查找的 value 的大小关系有三种情况：大于、小于、等于。
对于 nums[mid]>target的情况，我们需要更新 right= mid-1；

对于 nums[mid]<target的情况，我们需要更新 left=mid+1。

这两点都很好理解。那当 nums[mid]=target的时候应该如何处理呢？如果我们查找的是任意一个值等于给定值的元素，当 nums[mid]等于要查找的值时，nums[mid]就是我们要找的元素。但是，如果我们求解的是第一个值等于给定值的元素，当 nums[mid]等于要查找的值时，我们就需要确认一下这个 nums[mid]是不是第一个值等于给定值的元素。

我们重点看这一行if(mid == 0 || nums[mid - 1] != target) return mid;。如果 mid 等于 0，那这个元素已经是数组的第一个元素，那它肯定是我们要找的；如果 mid 不等于 0，但 nums[mid]的前一个元素 nums[mid-1]不等于 target，那也说明 nums[mid]就是我们要找的第一个值等于给定值的元素。如果经过检查之后发现 nums[mid]前面的一个元素 nums[mid-1]也等于 target，那说明此时的 nums[mid]肯定不是我们要查找的第一个值等于给定值的元素。那我们就更新 right=mid-1，因为要找的元素肯定出现在[left, mid-1]之间。

二分查找之-右边界 （存在多个target值，寻找其最后一次出现的位置）

int rightBound(vector<int> &nums, int target) {
        int left = 0;
		int right = nums.size() - 1; 
        while(left <= right){  
        	int mid = left + ((right - left)>>1);
			if(nums[mid] < target){
				left = mid + 1;; 
			} else if(nums[mid] > target){ 
				right = mid - 1;
			}else{
				if(mid == nums.size() - 1 || nums[mid + 1] != target)	return mid;
				else
					left = mid + 1;
			}
		}
		return -1;
    }

依然看if(mid == nums.size() - 1 || nums[mid + 1] != target) return mid;这一行，如果 nums[mid]这个元素已经是数组中的最后一个元素了，那它肯定是我们要找的；如果 nums[mid]的后一个元素 nums[mid+1]不等于 target，那也说明 nums[mid]就是我们要找的最后一个值等于给定值的元素。如果我们经过检查之后，发现 nums[mid]后面的一个元素 nums[mid+1]也等于 target，那说明当前的这个 nums[mid]并不是最后一个值等于给定值的元素。我们就更新 left=mid+1，因为要找的元素肯定出现在[mid+1, right]之间。

二分查找之-查找第一个大于等于 target 的数

int searchOne(vector<int> &nums, int target) {
        int left = 0;
		int right = nums.size() - 1; 
        while(left <= right){  
        	int mid = left + ((right - left)>>1);
			if(nums[mid] >= target){
				if(mid == 0 || nums[mid - 1] < target)	return mid;
				else
					right = mid - 1; 
			}else{ 
				left = mid + 1;
			}
		}
		return -1;
    }

还看if(mid == 0 || nums[mid - 1] < target) return mid;这一行，如果 nums[mid]小于要查找的值 target，那要查找的值肯定在[mid+1, right]之间，所以，我们更新 left=mid+1。对于 nums[mid]大于等于给定值 target的情况，我们要先看下这个 nums[mid]是不是我们要找的第一个值大于等于给定值的元素。如果 nums[mid]前面已经没有元素，或者前面一个元素小于要查找的值 target，那 nums[mid]就是我们要找的元素。如果 nums[mid-1]也大于等于要查找的值 target，那说明要查找的元素在[left, mid-1]之间，所以，我们将 right更新为 mid-1。

二分查找之-查找最后一个小于等于 target 的数

int searchTwo(vector<int> &nums, int target) {
        int left = 0;
		int right = nums.size() - 1; 
        while(left <= right){  
        	int mid = left + ((right - left)>>1);
			if(nums[mid] <= target){
				if(mid == nums.size()-1 || nums[mid + 1] > target)	return mid;
				else
					left = mid + 1; 
			}else{ 
				right = mid - 1;
			}
		}
		return -1;
    }

还是看if(mid == nums.size()-1 || nums[mid + 1] > target) return mid;这一行，如果 nums[mid]大于要查找的值 target，那要查找的值肯定在[left, mid-1]之间，所以，我们更新 right=mid-1。对于 nums[mid]小于等于给定值 target的情况，我们要先看下这个 nums[mid]是不是我们要找的最后一个小于等于给定值的元素。如果 nums[mid]后面已经没有元素，或者后面一个元素大于要查找的值 target，那 nums[mid]就是我们要找的元素。如果 nums[mid+1]也大于等于要查找的值 target，那说明要查找的元素在[mid+1, right]之间，所以，我们将 left更新为 mid+1。

二分查找的局限性

虽然二分查找的时间复杂度是O(nlogn)，查找的效率是非常高，但是它的应用场景是由局限性的。

二分查找依赖顺序结构

那二分查找能否依赖其他数据结构呢？比如链表。答案是不可以的，主要原因是二分查找算法需要按照下标随机访问元素。我们在数组和链表那两节讲过，数组按照下标随机访问数据的时间复杂度是 O(1)，而链表随机访问的时间复杂度是 O(n)。所以，如果数据使用链表存储，二分查找的时间复杂就会变得很高。

二分查找依赖有序的数据

二分查找对这一点的要求比较苛刻，数据必须是有序的。如果数据没有序，我们需要先排序。我们知道，排序的时间复杂度最低是 O(logn)。所以，如果我们针对的是一组静态的数据，没有频繁地插入、删除，我们可以进行一次排序，多次二分查找。这样排序的成本可被均摊，二分查找的边际成本就会比较低。

但是，如果我们的数据集合有频繁的插入和删除操作，要想用二分查找，要么每次插入、删除操作之后保证数据仍然有序，要么在每次二分查找之前都先进行排序。

针对这种动态数据集合，无论哪种方法，维护有序的成本都是很高的。所以，二分查找只能用在插入、删除操作不频繁，一次排序多次查找的场景中。针对动态变化的数据集合，二分查找将不再适用。

数据量太小不适合二分查找

如果要处理的数据量很小，完全没有必要用二分查找，顺序遍历就足够了。比如我们在一个大小为 10 的数组中查找一个元素，不管用二分查找还是顺序遍历，查找速度都差不多。只有数据量比较大的时候，二分查找的优势才会比较明显。

不过，这里有一个例外。如果数据之间的比较操作非常耗时，不管数据量大小，我都推荐使用二分查找。比如，数组中存储的都是长度超过 300 的字符串，如此长的两个字符串之间比对大小，就会非常耗时。我们需要尽可能地减少比较次数，而比较次数的减少会大大提高性能，这个时候二分查找就比顺序遍历更有优势。

数据量太大不适合二分查找

二分查找的底层需要依赖数组这种数据结构，而数组为了支持随机访问的特性，要求内存空间连续，对内存的要求比较苛刻。比如，我们有 1GB 大小的数据，如果希望用数组来存储，那就需要 1GB 的连续内存空间。

注意这里的“连续”二字，也就是说，即便有 2GB 的内存空间剩余，但是如果这剩余的 2GB 内存空间都是零散的，没有连续的 1GB 大小的内存空间，那照样无法申请一个 1GB 大小的数组。而我们的二分查找是作用在数组这种数据结构之上的，所以太大的数据用数组存储就比较吃力了，也就不能用二分查找了。

应用

假设我们有 1000 万个整数数据，每个数据占 8 个字节，如何设计数据结构和算法，快速判断某个整数是否出现在这 1000 万数据中？ 我们希望这个功能不要占用太多的内存空间，最多不要超过 100MB。

答：我们的内存限制是 100MB，每个数据大小是 8 字节，最简单的办法就是将数据存储在数组中，内存占用差不多是 80MB，符合内存的限制。借助今天讲的内容，我们可以先对这 1000 万数据从小到大排序，然后再利用二分查找算法，就可以快速地查找想要的数据了。

定位IP地址归属地的问题…

题目

• leetcode 33. 搜索旋转排序数组

• leetcode 35. 寻找插入位置

• leetcode 69. x 的平方根

• [leetcode 74. 搜索二维矩阵]

• leetcode 80. 删除排序数组中的重复项 II

• leetcode 81. 搜索旋转排序数组 II

• [leetcode 240. 搜索二维矩阵]

…

总结

凡是用二分查找能解决的，绝大部分我们更倾向于用散列表或者二叉查找树；

二分查找更适合用在“近似”查找问题，在这类问题上，二分查找的优势更加明显，正如上面的几种变体形式。