[数据结构与算法] 二分查找 I

一种针对有序数据集合的查找方法：二分查找（Binary Search），折半查找。

二分思想

二分查找是一种非常简单易懂的快速查找算法。

猜测0-99中的目标数字，target = 23 。如果是 0 到 999 的数字，最多也只要 10 次就能猜中。

对有序表折半查找，其最坏情况下查找一个元素的最大比较次数将介于1和 [ log2n ] + 1 ( n为元素的个数)之间。

假设有 10 个订单，订单金额分别是：8，11，19，23，27，33，45，55，67，98。利用二分思想，每次都与区间的中间数据比对大小，缩小查找区间的范围。如图，其中 low 和 high 表示待查找区间的下标，mid 表示待查找区间的中间元素下标。

​🧨二分查找针对的是一个有序的数据集合，查找思想有点类似分治思想 —— 每次都通过跟区间的中间元素对比，将待查找的区间缩小为之前的一半，直到找到要查找的元素，或者区间被缩小为 0。

O(logn) 查找速度 —— 时间复杂度

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，上述是一个等比数列。其中 n/(2^k)=1 时，k 的值就是总共缩小的次数，每一次区间缩小的操作只涉及两个数据的大小比较，所以经过 k 次区间缩小操作，时间复杂度就是 O(k)。通过 n/(2^k)=1，可以求得 k=log2n，即时间复杂度为 O(logn)。

二分查找的时间复杂度为 O(logn) —— 堆、二叉树等。
 
O(logn) ：对数时间复杂度，是一种极其高效的时间复杂度，有时甚至比时间复杂度是常量级 O(1) 的算法还要高效。
 
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。
 
指数时间复杂度的算法在大规模数据面前是无效的。

二分查找的递归与非递归实现

如何来写 简单的二分查找 。最简单的情况就是有序数组中不存在重复元素，在其中用二分查找值等于给定值的数据。

// 非递归解法：循环实现
class Solution {
   
    public int search(int[] nums, int target) {
   
        int left = 0;
        int right = nums.length - 1;

        while(left <= right){
   
            // 防止数据溢出
            int mid = left +