减治思想——二分查找详细总结

🚀 优质资源分享 🚀

学习路线指引（点击解锁）	知识定位	人群定位
🧡 Python实战微信订餐小程序 🧡	进阶级	本课程是python flask+微信小程序的完美结合，从项目搭建到腾讯云部署上线，打造一个全栈订餐系统。
💛Python量化交易实战💛	入门级	手把手带你打造一个易扩展、更安全、效率更高的量化交易系统

减治思想——二分查找详细总结

二分查找应用于有序数组，可以在以O(log(n))O(log⁡(n))O(\log(n))时间复杂度进行查找。其思想在于利用数组的有序性直接排除掉一些元素，这也是进行“减治”的地方。二分查找思想看起来简单，但是其边界条件其实很容易弄混，下面就对各种情况的二分查找（基础情形、左边界二分查找、右边界二分查找、应插入位置二分查找）进行详细的说明，完整的代码附在附录里面。

文章的的后半部分挑选了部分leetcode中典型应用二分思想的题目。

1. 二分查找的总结

这里贴上一份十分细节的讲解

二分查找写法的核心在于缩小查找的边界，也就是不断地缩小查找范围，使得目标值在范围内。当查找范围为空集或找到了目标值时，就可以结束循环。如果懂得这个道理，二分查找写起来就简单多了。

1.1 普通的二分查找

最普通的二分查找，我们只要求它能找到目标元素或返回异常值（返回-1表示未查找到目标元素）就好。其基本思想非常好理解，就是利用数组的有序性来筛掉不必要进行查找的元素。

注意：

二分查找最重要一点就是边界条件的判断，在整个数组中进行查询时，可以使用lo<=hilo<=hilo<=hi的写法，其中hi的起始值为nums.length - 1。也可以采用lo<hilo<hilo<hi的的写法，其中hi的起始值为num.length：而且两种不同的边界条件lo和hi的变动也有所不同（详见如下代码）。

二分查找非递归实现：

public static int search(int[] nums, int target) {
    return search(nums, target, 0, nums.length - 1);
}
// lo <= hi的写法，hi的初始值为nums.length - 1
public static int search(int[] nums, int target, int lo, int hi) {
    while (lo <= hi) {
        int mid = lo + (hi - lo) / 2; // 避免可能的溢出
        if (nums[mid] < target)
            lo = mid + 1; // 已经确定mid位置不可能是目标元素，将lo设置为mid的下一位
        else if (nums[mid] > target)
            hi = mid - 1; // 已经确定mid位置不可能是目标元素，将hi设置为mid的上一位
        else
            return mid; // 找到了就直接返回mid就好
    }
    return -1; // 没找到返回异常值
}

// lo < hi的写法，hi的初始值为nums.length - 1
public static int search2(int[] nums, int target, int lo, int hi) {
    while (lo < hi) {
        int mid = lo + (hi - lo) / 2;
        if (nums[mid] < target)
            lo = mid + 1; // lo这侧为闭区间，写法与上面示例相同
        else if (nums[mid] > target)
            hi = mid; // hi这侧为开区间，写法与上面示例有区别！开区间这侧端点是取不到的，所以将hi设置为mid就好
        else
            return mid;
    }
    return -1;
}

二分查找递归实现：

public static int binarySearchRecur(int[] nums, int target, int low, int high) {
    int mid = low + (high - low) / 2;
    if (target > nums[mid])
        return binarySearchRecur(nums, target, mid + 1, high);
    else if (target < nums[mid])
        return binarySearchRecur(nums, target, low, mid - 1);
    else if (target == nums[mid])
        return mid;
    return -1;
}

注意：

1. 为什么mid的计算方式不是 m i d = ( l o + h i ) 2 而 是 而 是 而 是 m i d = l o + h i − l o 2 mid = \frac{(lo + hi)}{2} 而是而是而是mid = lo + \frac{hi - lo}{2}