【刷题之路】不一样的二分法

一、题目描述

原题连接： NC71 旋转数组的最小数字

描述：
有一个长度为 n 的非降序数组，比如[1,2,3,4,5]，将它进行旋转，即把一个数组最开始的若干个元素搬到数组的末尾，变成一个旋转数组，比如变成了[3,4,5,1,2]，或者[4,5,1,2,3]这样的。请问，给定这样一个旋转数组，求数组中的最小值。

数据范围：1 ≤ n ≤ 10000,数组中任意元素的值：0 ≤ val ≤ 10000
要求：空间复杂度：O(1),时间复杂度：O(longn)

示例1：
输入：[3,4,5,1,2]
返回值 1

示例2：
输入：[3, 100, 200, 3]
返回值 3

二、解题

1、方法1——暴力法

最简单也最通用的方法就是直接遍历整个数组找到最小值：

1.1、代码实现

int minNumberInRotateArray1(int* rotateArray, int rotateArrayLen) {
    // 特殊情况特殊处理
    if (rotateArray == NULL) {
        return -1;
    }
    if (1 == rotateArrayLen) {
        return rotateArray[0];
    }
    int min = rotateArray[0];
    int i = 0;
    for (i = 1; i < rotateArrayLen; i++) {
        if (rotateArray[i] < min) {
            min = rotateArray[i];
        }
    }
    return min;
}

时间复杂度：O(n)
空间复杂度：O(1)

2、方法2——二分法

2.1、思路解析

由题目描述可知：
旋转后的数组一定会被分成两部分：“大部分”和“小部分”，
例如：{ 4, 5, 6, 7, 1, 2, 3 } 中4567就是“大部分”，123就是“小部分”：

在“大部分”中最小的数也比“小部分”种最大的数要大，在“小部分”中最大的数也比“大部分”最小的数要小。
毋庸置疑，我们要找的最小值一定是在“小部分”中的，所以我们解题的关键就是要将范围缩小到“小部分”

所以我们可以看到，这个二分法和其他的二分法不太一样，这次我们需要通过mid来帮我们将范围缩小在“小部分中”，那具体怎么缩小呢？
我们可以想到，数组在经过旋转之后，right一定是指向“小部分”最大的值的，
所以我们有以下判断：
当arr[mid] > arr[right]时，就可以肯定mid的位置一定就在“大部分” 中：

这时候就要将范围向右缩小，执行：left = mid + 1;
当arr[mid] < arr[tight]时，就可以肯定mid的位置一定在“小部分”中：

这时候我们就要将范围往左缩小，执行right = mid,

这里可能有人就要有疑惑了： 为什么向右缩小范围时，可以执行left = mid + 1；而向左缩小范围时，却只能执行right = mid呢？这里的mid为什么不能减1呢？
其实这也是为了防止特殊情况的发生，就如上面的例子：

当mid在“大部分”中时，就算是mid已经指向了“大部分”中的最大值，那执行mid + 1跳过的也只是“大部分”中最大的之而已，对于我们找最小值没有任何影响。
但是，请看下例：

若是mid刚好就指向了“小部分”最小的值，那么执行mid - 1就将跳过这个最小值，right指向的就是“大部分”中的最大值了：

这样查找就出错了……

2.2、代码实现

有了上面的思路，那我们写代码就水到渠成了：

int minNumberInRotateArray2(int* rotateArray, int rotateArrayLen) {
	int left = 0;
	int right = rotateArrayLen - 1;
	int mid = 0;
	while (left < right) {
		mid = left + (right - left) / 2;
		if (rotateArray[mid] > rotateArray[right]) {
			left = mid + 1;
		}
		else if (rotateArray[mid] > rotateArray[right]) {
			right = mid;
		}
		else {
			right--; // 数组中可能有重复值，有重复值就要向左缩小范围
		}
	}
	return rotateArray[left];
}

时间复杂度：O(logn)
空间复杂度：O(1)