二分查找（从分治思想谈二分查找原理，一次搞定边界条件）

查找算法

有序查找：二分查找（704）

例题（704）

给定一个 n 个元素有序的（升序）整型数组 nums 和一个目标值 target ，写一个函数搜索 nums 中的 target，如果目标值存在返回下标，否则返回 -1。

示例 1:

输入: nums = [-1,0,3,5,9,12], target = 9
输出: 4
解释: 9 出现在 nums 中并且下标为 4

代码：

class Solution:
	# 初始条件一[]
    def binSearch111(self, nums: List[int], target: int) -> int:
        left = 0
        right = len(nums)-1

        # []问题，所以<=
        while left <= right:
            # 不使用((n+1) + (n-1)) // 2公式，避免溢出
            mid = left + (right - left) // 2
            # 拆分为[left,mid-1],mid,[mid+1,right]两个问题
            if nums[mid] == target:
                return mid
            elif nums[mid] > target:
                right = mid -1
            elif nums[mid] < target:
                left = mid + 1
        return -1
        
	# 初始条件二[）
    def binSearch(self, nums: List[int], target: int) -> int:
        left = 0
        right = len(nums)

        # [）问题，所以<
        while left < right:
            mid = left + (right - left) // 2
            # [left,mid),mid,[mid+1,right)两个问题
            # 如果 right = mid -1，下一轮循环变为[left,mid-1),mid,[mid+1,right)，此时mid-1得不到验证
            # 如果 left = mid，下一轮循环变为[left,mid),mid,[mid,right)，此时mid验了两遍
            if nums[mid] == target:
                return mid
            elif nums[mid] > target:
                right = mid
            elif nums[mid] < target:
                left = mid + 1
        return -1

难点分析：循环条件的分析判断

分治理论

二分法是分治思想的典范，这句话很多人听过只觉得是个概念，不当回事，但实际上这才是解决二分法问题的核心关键。

什么是分治思想，分治思想就是把一个大问题A，拆成无数个小问题B，再采用相同的方法分而治之。典型的案例是动态规划问题的应用，二分法也可以理解为一个简单的动态规划问题，只不过由于二分法逐渐缩小范围，实际上是将其他不符合要求的小问题抛弃了。

既然是分治，那就可以把每次循环，看成一个问题的拆分动作。每次缩小范围后，都视为在处理一个拆分后的小问题。

由于解决大问题和小问题采用的是同一套方法，那么拆分后的小问题，与大问题一定要有相同的性质。

所以拆分时，要遵照以下核心思想：

1. 拆分等价性：拆分过程中不能漏元素，同一个元素也不能再多次循环终处理多遍
2. 大小问题性质相似：由于处理方法相同，所以大小问题区间开合相同

思考流程

1. 根据核心思想1，要保证所有元素都不漏，可以确定初始条件的选择和开闭区间的选择

   初始条件1： 如果第一次就取右开，那永远验证不到右边界

   初始条件2： 右侧超出数组范围，不能取右闭

   ​

2. 根据核心思想2，要保证在多次循环中，要求区间开合相同。同时，按照核心思想1，还要满足同一个元素不能再多次循环终处理多遍

   ​

   假设A-H分别为数组下标（即A=0，B=1等等，为了区分元素和下标也是拼了），I为数组长度

   ①首先最简单的拆分

   比如[A,H]类问题 [A,H] = [A,C]+[D,H]

   比如[A,I）类问题 [A,I) = [A,C）+[C,I)

   ②此时一个大问题就拆成了两个小问题，再去掉已经验证过的元素，假设为D

   [A,H] = [A,C] + [D] + [E,H]

   [A,H] = [A,C） + [C,D）+ D + [E,I)

   ③此时就可以将已验证过 和舍弃 的部分去掉，剩下的部分继续拆解

   ​

   比如假设nums = [1,2,3,4,5,6,8,9]，target = 7 ，利用此种拆分的方式拆分结果如下

   初始条件1 ：[A,H] = [A,C](舍弃) + [D](已验证) + [E,H]（继续拆分）= [A,C] + [D]+ [E](舍弃) + [F](已验证) + [G,H]（继续拆分）

   初始条件2 ：[A,I） = [A,D）(舍弃) + D(已验证) + [E,I）（继续拆分）= [A,D) + [D]+ [E,F)(舍弃) + [F](已验证) + [G,I]（继续拆分）

   ​

   问题一：为什么要保证区间开合相同？可不可以让 [A,H） = [A,C]（右闭） + [C,H）呢？

   答：不可以，因为循环内容一定的情况下，是没有办法保证在处理[A,C] 时处理了C，而在处理[C,H）时，不处理H的

   问题二：在使用二分法时，第一步求得是(left + right)/2， 区间的开闭对第一步好像并没有什么影响，如果我不用[A,I） ，而是用了[A,I]（右闭），会出现什么问题呢？

   答：当target元素不在数组内，且target>nums[H]，此时会校验nums[I]，但5超出了数组下标。比如nums = [1,2,5,7,9]，target = 10 会在查找到右边界时出现问题。

   此时，我们发现问题并不是出现在循环的第一步，而是出现在了循环的最后一步。这是因为分治问题的特性，使得最后一步处理问题的性质，一定与第一步处理问题的性质相同。所以当改了第一步的区间开闭时，并没有影响第一步的结果，但影响了最后一步的结果

   ​

3. 由区间开闭，可以确定循环终止条件。既然我们已经确定了，二分法其实就是将一个大问题，拆解为一个小问题求解，那么此时，循环终止一定是在问题拆解到最小可求解的时候，才会循环终止。

   对于初始条件1 ：[A,H] 的情况，当最小问题时候，理论上应该考虑是[F，G]，但是此时发现(F+G)/2===F，right 还会左移一步，所以最小问题并不是[F，G] 而是[F]， 此时[F]还没有得到验证，所以还需要最后运行一次，即left==right 运行完成后终止，循环条件为while(left <= right)

   对于初始条件2 ：[A,I） 的情况，当最小问题时候是[F，G），毋庸置疑。此时只需要再验证一次F即可，即left < right 运行完成后终止，，循环条件为while(left < right)

   ​

解题关键

1. 同一元素不要在循环中多次处理
2. 区分好区间开闭
3. 根据区间开闭选择循环终止条件

算法特性

1. 适用条件：有序数组
2. 时间复杂度：O(log n)（小于O(n)）