二分法

理解

原理：如何将一个问题，可以将规模为n的问题，通过O（1）的时间，变成规模为n/2的问题。

表达式：T（n）= T（n / 2） + O（1） = O（logn）。，当输入规模n = 8时，x = 3,代表8除3次2等于1。

问题：如何得到O（logn）？

解答：T（n）= T（n / 2） + O（1）= T（n / 4） + O（1）+ O（1）= T（n / 8） + O（1）+ O（1）+ O（1）= ...经过logn次后... =  O（logn）

如果 T（n）= T（n / 2） + O（n） = ?

解答：T（n）= T（n / 2） + O（n）= T（n / 4） + O（n / 2）+ O（n）= T（n / 8） + O（n / 4）+ O（ n / 2）+ O（n）= O（1） + ... + O（n / 4）+ O（ n / 2）+ O（n） =  O（1+..+ n / 8 + n / 4 + n / 2 + n）= 通过等比公式 ，     计算可得 = O(2n) = O（n）

有关时间复杂度的题型

二分法常见痛点

通用的二分法模板

1.循环的结束条件是 start + 1 < end ，并且永远是start + 1 < end

2.不纠结到底哪一个是target，在循环结束后再来判断start和end索引位哪一个是要的target

int binarySearch(int[] nums,int target)
{
    if(nums == NULL || nums.length == 0)
    {
        return -1;
    }
    
    int start = 0, end = nums.length - 1;
    //相邻就退出循环
    //start = 1,end = 2就要退出
    while(start + 1 < end)
    { 
        //int mid = (start + end) / 2;对于start,end ~ 2^31，不会下标越界
        int mid = (end - start) / 2 + start;
        
        if(target == nums[mid]) end
        {
            end = mid;
        }
        else if(target <nums[mid])
        {
            end = mid;
        }
        else
        {
            start = mid;
        }
    }

    //double check
    if(nums[start] == target)
    {
        return start;
    }
    if(nums[end] == target)
    {
        return end;
    }
    return -1;
}