峰值元素是指其值严格大于左右相邻值的元素。
给你一个整数数组 nums
,找到峰值元素并返回其索引。数组可能包含多个峰值,在这种情况下,返回 任何一个峰值 所在位置即可。
你可以假设 nums[-1] = nums[n] = -∞
。
你必须实现时间复杂度为 O(log n)
的算法来解决此问题。
示例 1:
输入:nums = [1,2,3,1] 输出:2 解释:3 是峰值元素,你的函数应该返回其索引 2。
示例 2:
输入:nums = [1,2,1,3,5,6,4] 输出:1 或 5 解释:你的函数可以返回索引 1,其峰值元素为 2; 或者返回索引 5, 其峰值元素为 6。
提示:
1 <= nums.length <= 1000
-2^31 <= nums[i] <= 2^31 - 1
- 对于所有有效的
i
都有nums[i] != nums[i + 1]
解法1:一次遍历数组
由于题目保证了 nums[i] != nums[i+1],那么数组 nums 中最大值两侧的元素一定严格小于最大值本身。因此,最大值所在的位置就是一个可行的峰值位置。
我们对数组 nums 进行一次遍历,找到最大值对应的位置即可。
Java版:
class Solution {
public int findPeakElement(int[] nums) {
int n = nums.length;
for (int i = 0; i < n; i++) {
if ( (i == 0 || nums[i] > nums[i - 1]) && (i == n - 1 || nums[i] > nums[i + 1]) ) {
return i;
}
}
return -1;
}
}
Python3版:
class Solution:
def findPeakElement(self, nums: List[int]) -> int:
n = len(nums)
for i in range(n):
if (i == 0 or nums[i] > nums[i - 1]) and (i == n - 1 or nums[i] > nums[i + 1]):
return i
return -1
复杂度分析
-
时间复杂度:O(n),其中 n 是数组 nums 的长度。
-
空间复杂度:O(1)。
解法2:迭代爬坡
俗话说「人往高处走,水往低处流」。如果我们从一个位置开始,不断地向高处走,那么最终一定可以到达一个峰值位置。
因此,我们首先在 [0,n) 的范围内随机一个初始位置 i,随后根据 nums[i−1],nums[i],nums[i+1] 三者的关系决定向哪个方向走:
- 如果 nums[i−1]<nums[i]>nums[i+1],那么位置 i 就是峰值位置,我们可以直接返回 i 作为答案;
- 如果 nums[i−1]<nums[i]<nums[i+1],那么位置 i 处于上坡,我们需要往右走,即 i = i+1;
- 如果 nums[i−1]>nums[i]>nums[i+1],那么位置 i 处于下坡,我们需要往左走,即 i = i−1;
- 如果 nums[i−1]>nums[i]<nums[i+1],那么位置 i 位于山谷,两侧都是上坡,我们可以朝任意方向走。
如果我们规定对于最后一种情况往右走,那么当位置 i 不是峰值位置时:
- 如果 nums[i]<nums[i+1],那么我们往右走;
- 如果 nums[i]>nums[i+1],那么我们往左走。
Java版:
class Solution {
public int findPeakElement(int[] nums) {
int n = nums.length;
Random random = new Random();
int i = random.nextInt(n);
while (i >= 0 && i < n) {
if ((i == 0 || nums[i] > nums[i - 1] ) && (i == n - 1 || nums[i] > nums[i + 1])) {
return i;
}
if (i < n - 1 && nums[i] < nums[i + 1]) {
i = i + 1;
} else {
i = i - 1;
}
}
return -1;
}
}
Python3版:
class Solution:
def findPeakElement(self, nums: List[int]) -> int:
n = len(nums)
i = random.randint(0, n - 1)
while i >= 0 and i < n:
if (i == 0 or nums[i] > nums[i - 1]) and (i == n - 1 or nums[i] > nums[i + 1]):
return i
if i < n - 1 and nums[i] < nums[i + 1]:
i += 1
else:
i -= 1
return -1
复杂度分析
-
时间复杂度:O(n),其中 n 是数组 nums 的长度。在最坏情况下,数组 nums 单调递增,并且我们随机到位置 0,这样就需要向右走到数组 nums 的最后一个位置。
-
空间复杂度:O(1)。
解法3:解法2的查找优化
我们可以发现,如果 nums[i] < nums[i+1],并且我们从位置 i 向右走到了位置 i+1,那么位置 i 左侧的所有位置是不可能在后续的迭代中走到的。
这是因为我们每次向左或向右移动一个位置,要想「折返」到位置 i 以及其左侧的位置,我们首先需要在位置 i+1 向左走到位置 i,但这是不可能的。
并且根据方法二,我们知道位置 i+1 以及其右侧的位置中一定有一个峰值,因此我们可以设计出如下的一个算法:
对于当前可行的下标范围 [l,r],我们随机一个下标 i;
如果下标 i 是峰值,我们返回 i 作为答案;
如果 nums[i]<nums[i+1],那么我们抛弃 [l,i] 的范围,在剩余 [i+1,r] 的范围内继续随机选取下标;
如果 nums[i]>nums[i+1],那么我们抛弃 [i,r] 的范围,在剩余 [l,i−1] 的范围内继续随机选取下标。
在上述算法中,如果我们固定选取 i 为 [l,r] 的中点,那么每次可行的下标范围会减少一半,成为一个类似二分查找的方法,时间复杂度为 O(logn)。
Java版:
class Solution {
public int findPeakElement(int[] nums) {
int n = nums.length;
int l = 0;
int r = n - 1;
int i = 0;
while (l <= r) {
i = l + (r - l) / 2;
if ((i == 0 || nums[i] > nums[i - 1] ) && (i == n - 1 || nums[i] > nums[i + 1])) {
return i;
}
if (i < n - 1 && nums[i] < nums[i + 1]) {
l = i + 1;
} else {
r = i - 1;
}
}
return -1;
}
}
Python3版:
class Solution:
def findPeakElement(self, nums: List[int]) -> int:
n = len(nums)
l = 0
r = n - 1
i = 0
while l <= r:
i = l + (r - l) // 2
if (i == 0 or nums[i] > nums[i - 1]) and (i == n - 1 or nums[i] > nums[i + 1]):
return i
if i < n - 1 and nums[i] < nums[i + 1]:
l = i + 1
else:
r = i - 1
return -1
复杂度分析
-
时间复杂度:O(logn),其中 n 是数组 nums 的长度。
-
空间复杂度:O(1)。