给定一个按照升序排列的整数数组 nums,和一个目标值 target。找出给定目标值在数组中的开始位置和结束位置。
如果数组中不存在目标值 target,返回 [-1, -1]。
进阶:
你可以设计并实现时间复杂度为 O(log n) 的算法解决此问题吗?
示例 1:
输入:nums = [5,7,7,8,8,10], target = 8
输出:[3,4]
示例 2:
输入:nums = [5,7,7,8,8,10], target = 6
输出:[-1,-1]
示例 3:
输入:nums = [], target = 0
输出:[-1,-1]
提示:
0 <= nums.length <= 105
-109 <= nums[i] <= 109
nums 是一个非递减数组
-109 <= target <= 109
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/find-first-and-last-position-of-element-in-sorted-array
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
老哥的代码:
class Solution {
public int[] searchRange(int[] nums, int target) {
int [] result = new int[2];
if(nums.length == 0){
result[0] = -1;
result[1] = -1;
return result;
}
result[0] = findFirst(nums, nums.length, target);
result[1] = findLast(nums, nums.length, target);
return result;
}
public int findFirst(int [] a, int len, int key)
{
if (len < 1)
return - 1;
int low = 0;
int high = len - 1;
while(low <= high)
{
int mid = (low + high)/2;
if (a[mid] == key && (mid - 1 < 0 || a[mid - 1] != key))
{
return mid;
}
else if (a[mid] >= key)
{
high = mid - 1;
}
else
{
low = mid + 1;
}
}
return -1;
}
public int findLast(int [] a, int len, int key)
{
if (len < 1)
return - 1;
int low = 0;
int high = len - 1;
while(low <= high)
{
int mid = (low + high)/2;
if (a[mid] == key && (mid + 1 >= len || a[mid + 1] != key))
{
return mid;
}
else if (a[mid] <= key)
{
low = mid + 1;
}
else
{
high = mid - 1;
}
}
return -1;
}
}
接下去 来我们的思考:
class Solution {
public int[] searchRange(int[] nums, int target) {
/** 对应首尾的话,可以明确对应值是二个数,所以定义int [2] */
int [] result = new int[2];
/** 处理问题通常会优先判断某些特殊的边界情况,比如这里的数量都是为数据都不存在,那么匹配必然是匹配不到的。所以这里是 不存在返回必然是 [-1][-1] */
if(nums.length == 0){
result[0] = -1;
result[1] = -1;
return result;
}
/** 前面一个是前面的,后面一个是后面的。所以分二条路的二分法 接下去分析对应数据 */
result[0] = findFirst(nums, nums.length, target);
result[1] = findLast(nums, nums.length, target);
return result;
}
/** 前一个值可以转换题目,获取某个值在数组中出现的第一次 */
public int findFirst(int [] a, int len, int key)
{
/** 如果该数组小于1,那么说明该数组是空数组,所以自然是没有找到该值,返回-1 */
if (len < 1)
return - 1;
/** 从首尾开始从头到尾开始二分法寻找 */
int low = 0;
int high = len - 1;
while(low <= high)
{
/** 因为从前找后,所以处理数据 min是首尾相加/2,对应取商,不会有小数点。 如果中间值满足大于给的对比值,那么就从最小值-中间值,对应满足的中间值就取代对应上限值,继续进行二分处理,直到该值是满足题目给的对比值,但是这个值如果有前一位的话,该前一位不等于题目给的对比值。那么这个值就是我们要找的匹配第一个索引;
如果是中间值小于给的对比值,那么最小值重新定义为中间值,继续比较,比较内容如上
*/
int mid = (low + high)/2;
if (a[mid] == key && (mid - 1 < 0 || a[mid - 1] != key))
{
return mid;
}
else if (a[mid] >= key)
{
high = mid - 1;
}
else
{
low = mid + 1;
}
}
return -1;
}
/** 因为从前找后,所以处理数据 min是首尾相加/2,对应取商,不会有小数点。 如果中间值满足大于给的对比值,那么就从最小值-中间值,对应满足的中间值就取代对应上限值,继续进行二分处理,直到该值是满足题目给的对比值,但是这个值如果有后一位的话,该后一位不等于题目给的对比值。那么这个值就是我们要找的匹配最后一个索引;
如果是中间值小于给的对比值,那么最小值重新定义为中间值,继续比较,比较内容如上
*/
public int findLast(int [] a, int len, int key)
{
if (len < 1)
return - 1;
int low = 0;
int high = len - 1;
while(low <= high)
{
int mid = (low + high)/2;
if (a[mid] == key && (mid + 1 >= len || a[mid + 1] != key))
{
return mid;
}
else if (a[mid] <= key)
{
low = mid + 1;
}
else
{
high = mid - 1;
}
}
return -1;
}
}
我的解题感触是什么。你可以把算法理解成优化。当你需要从某个已知按顺序排序区间内获取到某个值(题意要求你只需要获取一个值即可,或者是某个最优值),那么你的处理可以是二分法。定位到你想定位的。该题我有设想过,如果循环比较,应该是最简单能想到的,我for去做对比,或者我一开始二分法,回去到一个坐标,然后这个坐标进行前推跟后推来获取对应的数据。
上面提交的效率是
首先进行二分法找到某个值,然后按照这个值开始向前向后进行检索,来处理数据,直接就是超出时间限制。可行应该是可行,但是效率差非常多。算法提示的东西就很稳健。
官方解题
class Solution {
public int[] searchRange(int[] nums, int target) {
int leftIdx = binarySearch(nums, target, true);
int rightIdx = binarySearch(nums, target, false) - 1;
if (leftIdx <= rightIdx && rightIdx < nums.length && nums[leftIdx] == target && nums[rightIdx] == target) {
return new int[]{leftIdx, rightIdx};
}
return new int[]{-1, -1};
}
public int binarySearch(int[] nums, int target, boolean lower) {
int left = 0, right = nums.length - 1, ans = nums.length;
while (left <= right) {
int mid = (left + right) / 2;
if (nums[mid] > target || (lower && nums[mid] >= target)) {
right = mid - 1;
ans = mid;
} else {
left = mid + 1;
}
}
return ans;
}
}
作者:LeetCode-Solution
链接:https://leetcode-cn.com/problems/find-first-and-last-position-of-element-in-sorted-array/solution/zai-pai-xu-shu-zu-zhong-cha-zhao-yuan-su-de-di-3-4/
来源:力扣(LeetCode)
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
复杂度分析
时间复杂度: O(\log n)O(logn) ,其中 nn 为数组的长度。二分查找的时间复杂度为 O(\log n)O(logn),一共会执行两次,因此总时间复杂度为 O(\log n)O(logn)。
空间复杂度:O(1)O(1) 。只需要常数空间存放若干变量。
对二分法的使用,加深了一点。