我们假设数据大小是 n，每次查找后数据都会缩小为原来的一半，也就是会除以 2。最坏情况下，直到查找区间被缩小为空，才停止。
可以看出来，这是一个等比数列。其中 n/2k=1 时，k 的值就是总共缩小的次数。而每一次缩小操作只涉及两个数据的大小比较，所以，经过了 k 次区间缩小操作，时间复杂度就是 O(k)。通过 n/2k=1，我们可以求得 k=log2n，所以时间复杂度就是 O(logn)。
二分查找是我们目前为止遇到的第一个时间复杂度为 O(logn) 的算法。后面章节我们还会讲堆、二叉树的操作等等，它们的时间复杂度也是 O(logn)。我这里就再深入地讲讲 O(logn) 这种对数时间复杂度。这是一种极其高效的时间复杂度，有的时候甚至比时间复杂度是常量级 O(1) 的算法还要高效。为什么这么说呢？
因为 logn 是一个非常“恐怖”的数量级，即便 n 非常非常大，对应的 logn 也很小。比如 n 等于 2 的 32 次方，这个数很大了吧？大约是 42 亿。也就是说，如果我们在 42 亿个数据中用二分查找一个数据，最多需要比较 32 次。
我们前面讲过，用大 O 标记法表示时间复杂度的时候，会省略掉常数、系数和低阶。对于常量级时间复杂度的算法来说，O(1) 有可能表示的是一个非常大的常量值，比如 O(1000)、O(10000)。所以，常量级时间复杂度的算法有时候可能还没有 O(logn) 的算法执行效率高。
1、有序数组中不存在重复元素
// 有序数组中不存在重复元素
public int binarySearch(int[] arr, int n, int value) {
int low = 0, high = n - 1;
while (low <= high) {
int mid = low + ((high - low) >> 1);
if (arr[mid] > value) {
high = mid - 1;
} else if (arr[mid] < value) {
low = mid + 1;
} else {
return mid;
}
}
return -1;
}
容易错的几个点：
- 循环退出条件
注意是 low<=high，而不是 low。
- mid 的取值
实际上，很多人写法是这个mid=(low+high)/2，这种写法是有问题的。因为如果 low 和 high 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 low+(high-low)/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 low+((high-low)>>1)。因为相比除法运算来说，计算机处理位运算要快得多。
- low 和 high 的更新
low=mid+1，high=mid-1。注意这里的 +1 和 -1，如果直接写成 low=mid 或者 high=mid，就可能会发生死循环。比如，当 high=3，low=3 时，如果 arr[3]不等于 value，就会导致一直循环不退出。
2、二分查找的递归实现
// 二分查找的递归实现
public int binarySearchRecursive(int[] arr, int n, int value) {
return binarySearchInternally(arr, 0, n - 1, value);
}
private int binarySearchInternally(int[] arr, int low, int high, int value) {
if (low > high) return -1;
int mid = low + ((high - low) >> 1);
if (arr[mid] > value) {
binarySearchInternally(arr, low, mid - 1, value);
} else if (arr[mid] < value) {
binarySearchInternally(arr, mid - 1, high, value);
} else {
return mid;
}
return -1;
}
不知道你有没有听过这样一个说法：“十个二分九个错”。二分查找虽然原理极其简单，但是想要写出没有 Bug 的二分查找并不容易。我们接下来来看一下以下几种变形问题。
1、查找目标值区域的左边界/查找与目标值相等的第一个位置/查找第一个不小于目标值数的位置
比如下面这样一个有序数组，其中，a[5]，a[6]，a[7]的值都等于 20，是重复的数据。我们希望查找第一个等于 20 的数据，也就是下标是 5 的元素。
如果我们用上面讲的二分查找的代码实现，首先拿 20 与区间的中间值 arr[4]比较，20 比 19 大，于是在下标 5 到 8 之间继续查找。下标 5 和 8 的中间位置是下标 6，arr[6]正好等于 8，所以代码就返回了。
尽管 arr[6] 也等于 20，但它并不是我们想要找的第一个等于 20 的元素，因为第一个值等于 20的元素是数组下标为 5 的元素。我们上面讲的二分查找代码就无法处理这种情况了。所以，针对这个变形问题，我们可以稍微改造一下上一小节的代码。
// 查找与目标值相等的第一个位置
public int binarySearch_1(int[] arr, int n, int value) {
int low = 0, high = n - 1;
while (low <= high) {
int mid = low + ((high - low) >> 1);
if (arr[mid] > value) {
high = mid - 1;
} else if (arr[mid] < value) {
low = mid + 1;
} else {
if (mid == 0 || arr[mid - 1] != mid) {
return mid;
} else {
high = mid - 1;
}
}
}
return -1;
}
LeetCode参考：35. Search Insert Position
2、查找目标值区域的右边界/查找与目标值相等的最后一个位置/查找最后一个不大于目标值数的位置
如果你掌握了前面的写法，那这个问题你应该很轻松就能解决。
// 查找与目标值相等的最后一个位置
public int binarySearch_2(int[] arr, int n, int value) {
int low = 0, high = n - 1;
while (low <= high) {
int mid = low + ((high - low) >> 1);
if (arr[mid] > value) {
high = mid - 1;
} else if (arr[mid] < value) {
low = mid + 1;
} else {
if (mid == n - 1 || arr[mid + 1] != mid) {
return mid;
} else {
low = mid + 1;
}
}
}
return -1;
}
3、查找最后一个小于目标值的数/查找比目标值小但是最接近目标值的数
此题可有第1小题变形而来
arr [2, 3, 7, 11, 19, 20, 20, 20, 93]
target 20
return 4
// 查找最后一个小于目标值的数
public static int binarySearch_3(int[] arr, int n, int value) {
int low = 0, high = n - 1;
while (low <= high) {
int mid = low + ((high - low) >> 1);
if (arr[mid] >= value) {
high = mid - 1;
} else {
if (mid == n - 1 || arr[mid + 1] >= value) {
return mid;
} else {
low = mid + 1;
}
}
}
return -1;
}
4、查找第一个大于目标值的数/查找比目标值大但是最接近目标值的数
// 查找第一个大于目标值的数
public static int binarySearch_4(int[] arr, int n, int value) {
int low = 0, high = n - 1;
while (low <= high) {
int mid = low + ((high - low) >> 1);
if (arr[mid] > value) {
if (mid == 0 || arr[mid - 1] <= value) {
return mid;
} else {
high = mid - 1;
}
} else {
low = mid + 1;
}
}
return -1;
}
5、旋转数组返回最小元素
5.1、查找旋转数组的最小元素（假设不存在重复数字）
LeetCode参考：153. Find Minimum in Rotated Sorted Array
Input: [3,4,5,1,2]
Output: 1
// 查找旋转数组的最小元素（假设不存在重复数字）
public static int binarySearch_5(int[] arr, int n) {
int low = 0, high = n - 1;
while (low < high) {
int mid = low + ((high - low) >> 1);
if(arr[mid] > arr[high])
low = mid + 1;
else{
high = mid;
}
}
return arr[low];
}
意这里和之前的二分查找的几点区别：
-
循环判定条件为low < high，没有等于号。
-
循环中，通过比较arr[low]与arr[mid]的值来判断mid所在的位置。
-
如果arr[mid] > arr[high]，说明前半部分是有序的，最小值在后半部分，令low = mid + 1。
-
如果arr[mid] <= arr[high]，说明最小值在前半部分，令high = mid。
最后，left会指向最小值元素所在的位置。
5.2、查找旋转数组的最小元素（存在重复项）
LeetCode参考：154. Find Minimum in Rotated Sorted Array II
Input: [2,2,2,0,1]
Output: 0
// 查找旋转数组的最小元素（存在重复项）
public static int binarySearch_6(int[] arr, int n) {
int low = 0, high = n - 1;
while (low < high) {
int mid = low + ((high - low) >> 1);
if (arr[mid] > arr[high]) {
low = mid + 1;
} else if (arr[mid] < arr[high]) {
high = mid;
} else {
high–;
}
}
return arr[low];
}
和之前不存在重复项的差别是：当arr[mid] == arr[high]时，我们不能确定最小值在 mid的左边还是右边，所以我们就让右边界减一。
6、在旋转排序数组中搜索
6.1、不考虑重复项
自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。
深知大多数Java工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！
因此收集整理了一份《2024年Java开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Java开发知识点，真正体系化！
由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且会持续更新！
如果你觉得这些内容对你有帮助，可以扫码获取！！（备注Java获取）
总结
如果你选择了IT行业并坚定的走下去，这个方向肯定是没有一丝问题的，这是个高薪行业，但是高薪是凭自己的努力学习获取来的，这次我把P8大佬用过的一些学习笔记（pdf）都整理在本文中了
《Java中高级核心知识全面解析》
小米商场项目实战，别再担心面试没有实战项目：
《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！
实战项目、讲解视频，并且会持续更新！**
如果你觉得这些内容对你有帮助，可以扫码获取！！（备注Java获取）
总结
如果你选择了IT行业并坚定的走下去，这个方向肯定是没有一丝问题的，这是个高薪行业，但是高薪是凭自己的努力学习获取来的，这次我把P8大佬用过的一些学习笔记（pdf）都整理在本文中了
《Java中高级核心知识全面解析》
[外链图片转存中…(img-NsnVYt6X-1713713450718)]
小米商场项目实战，别再担心面试没有实战项目：
[外链图片转存中…(img-NsaPt9sV-1713713450718)]
《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！
6464
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
