二分查找的几点思考
很早听说90%的程序员写不出正确的二分查找程序,对此颇为怀疑也颇为惶恐。怀疑的是,二分查找真的很难写吗?惶恐的是,怀疑的我能否在短时间内写出一个正确的二分查找程序?为了自己能成为10%中的一员,在此特别总结了二分查找算法。
二分查找又称折半查找,用于在有序序列中快速寻找一个值。它始终维护一个子序列[low, high],这个子序列可能包含目标值v。初始,这个子序列是整个序列[0, size-1], 每次取序列的中间值A[mid](其中,mid = low + (high-low)/2)与目标值v比较,因为序列是有序的,所以,每次都可以根据比较结果, 抛弃一半的序列。递归这个过程,直到找到目标值v或序列为空。
二分查找可以用递归实现,人们一般把二分查找写成非递归的。
程序1.1
int binary_search(int A[], int size, int v)
{
int mid, low, high;
low = 0; high = size - 1;
while (low <= high) {
mid = low + (high-low)/2; ① //avoid overflow
if(A[mid] == v)
return mid;
elseif(A[mid] < v)
low = mid+1;
else
high = mid-1;
}
return -1;
}
上述程序无需多解释了,①处没有写成mid = (low+high)/2;是为了避免整数溢出,当low和high较大时,low和high本身没有溢出,而low+high有可能溢出。
下面提一个有趣的问题:如果数组中有多个元素都是v,上面的函数返回的是哪一个的下标呢?第一个?最后一个?都不是。有时,我们想确定数组A[0…size-1]中v第一次出现的位置。那应该如何编写程序呢?
程序1.2
int binary_search_lb(int A[], int size, int v)
{
int mid, low, high;
low = 0; high = size - 1;
while(low < high) {
mid = low + (high-low)/2;
if(A[mid] >= v) high = mid; ①
else low = mid + 1; ②
}
//确认是否存在v
if(A[low] == v) return low;
elsereturn -1;
}
A[mid]和v的各种关系所带来的影响如下:
A[mid]=v : 至少已经找到一个,而左边可能还有,因此区间[low, mid];
A[mid]>v : 所求位置不可能在后面,本应该让high = mid-1;但是,令区间为[low, mid]也是没有问题的;
A[mid]<v : m和前面都不可行,因此区间变为[m+1, high]
while(low < high), 都与之前的二分查处程序不一样了。当只有一个元素(low=high)的时候,退出循环,最后仍要判断A[low]是否为v,有的话low就是等v的最小下标,没有的话返回-1;
其实,二分查找不仅可以用来查找某个元素的存在,通常还用来寻找解空间中满足某个条件的下界。这个条件或者说断言p,通常具有如下性质:
若 p(x)成立,对于所有的y>x, p(y)都成立。当然,若p(x) 不成立,所有y < x, p(y)都不成立。
就拿上个例子为例,换个说法就是,给定有序数组A[0…size-1],寻找首个满足>=v条件的元素下标。因为数组是有序的,当某个元素值A[i]>=v时,后续的所有元素都满足>=v的条件。
假设数组A如下:
0 | 5 | 13 | 19 | 22 | 41 | 55 | 68 | 72 | 81 | 98 |
解空间就是下标的集合:
0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
目标值v= 55时, 断言的满足情况如下:
no | no | no | no | no | no | yes | yes | yes | yes | yes |
我们如何写二分查找程序,寻找第一个yes所在的下标呢?程序和上面的是类似的。
如果没有yes存在,通常,我们返回一个不存在的标志。但这里,我们假想A[size]这个哨兵一定是满足条件的,可以把它看成是个无穷大的数,它一定大于v,当没有元素大于等于v时,我们返回size。程序如下:
程序1.3
int binary_search_lb(int A[], int size, int v)
{
int mid, low, high;
low = 0; high = size;
while(low < high) {
mid = low + (high-low)/2;
if(A[mid] >= v) high = mid; ①
else low = mid + 1; ②
}
return low;
}
寻找第一个yes,更通用的程序架构如下:
程序1.4
binary_search(low, high, p):
while low < high
mid = low + (high-low)/2
if p(mid) == true:
high = mid
else:
low = mid+1
if p(low) == false:
complain // p(x) is false for all x in S!
return low // lo is the least x for which p(x) is true
分析:
当p(mid) =true时,mid是解,左边可能还有,区间为[low, mid]。
当p(mid)=false, 解不可能在mid的前面,包括mid,区间为[mid+1, high]。
如何求不满足条件的最后一个no呢?程序框架如下:
程序1.5
// warning: there is a nasty bug in this snippet!
binary_search(low, high, p):
while low < high:
mid = low + (high-low)/2 // note: division truncates
if p(mid) == true:
high = mid-1
else:
low = mid
if p(low) == true:
complain // p(x) is true for all x in S!
return low // lo is the greatest x for which p(x) is false
但是这个程序有问题,当只剩两个解,且第一个解是no时,程序陷入死循环。
no | yes |
解决方法是将mid = low + (high-low)/2改为mid = low + (high-low+1)/2。这样的话,当元素个数大于等于2个时,low<mid<=high, mid -1 < high,区间不会和上次重复,每次范围都会缩小,直到元素个数为1,所以不会陷入死循环。
例题1:
给出n个整数xi和m个询问,对于每个询问(a,b),输出闭区间[a, b]内的整数xi的个数。
有了前面的经验,我们知道“把数据存在数组A里并排序”是一个很好的预处理方法。
问题1: 大于等于a的第一个元素的下标L是什么?它等于a的lower_bound(下界)。如果所有元素都小于a,L = size,相当于把不存在的元素看作无穷大。
问题2: 小于等于b的最后一个元素的“下一个目标”R,或者说大于b的第一个目标R是什么?它和问题2是一样的,都是first yes问题。
这样问题的答案就是区间[L,R]的长度,R-L。
求上界的程序,只需要在程序1.3的基础上将>=v改为>v即可。
程序1.6
int binary_search_ub(int A[], int size, int v)
{
int mid, low, high;
low = 0; high = size;
while(low < high) {
mid = low + (high-low)/2;
if(A[mid] > v) high = mid;
else low = mid + 1;
}
return low;
}
例题2:把一个包含n个正整数的序列划分成m个连续的子序列(每个正整数恰好属于一个序列)。设第i个序列的各数之和为S(i),你的任务是让所有S(i)的最大值尽量小。例如序列1 2 3 2 5 4 划分成3个序列的最优方案为1 2 3| 2 5| 4,其中S(1)、S(2),S(3)分别为6、7、4最大值为7;如果划分成1 2 |3 2| 5 4, 则最大值为9,不如刚才好。n <= 106 ,所有数之和不超过109。
分析: 我们考虑一个新的问题:能否把输入序列划分成m个连续的子序列,使得所有S(i)均不超过x?我们把这个问题的答案用微词P(x)表示,则让P(x)为真的最小x就是原题的答案。P(x)并不难计算尽量往右划分即可。P(x)满足二分查找的条件,解空间对于的P(x)值是 no no no … yes yes yes … yes的形式。寻找first yes即可,时间复杂度为O(nlogM),M是所有数的和。