第一章 基础算法 二分

1、算法思路

二分算法不仅仅只适用于具有单调性的数组上， 其本质是
对于一个数组，左边（右边）符合某条件A，右边（左边）符合某条件B，并且没有元素可以同时满足条件A和条件B，我们都可以通过二分，找到符合条件A的或者B的分界点。

二分又可以分成整数二分和浮点数二。
对于整数二分，我们可以找到两个分界点，如下图。为了寻找这两个分界点，我们在处理的时候会有不同。

而对于浮点数二分，只需要在足够小的区间内任意选取一个点作为分界点。

整数二分具体步骤

1. 定义check()函数，用来判断某元素是否符合某条件

2. 判断符合该条件的元素位于整个区间的哪一边

3. 具体处理，假设符合该条件的分界点位置为x，l为当前分析区间的左端点，r为右端点

   3.1 如果是位于整个数组的左边

   1. 取中间位置mid = (l + r +1) / 2 (整数除法）
   2. 如果mid元素符合check函数,则有l <= mid <= x <= r，将l设为mid，则新的l，r区间中，仍然包含着x。
   3. 如果mid元素不符合check函数，则有l <= x < mid < r,将r设为mid - 1（因为mid不符合check函数而x符合check函数，mid必不能等于x),则新区间l,r中，仍包含着x。
   4. 当l == r时，则找到了x

   3.2 如果是位于整个数组的右边

   1. 取中间位置mid = (l + r) / 2 (整数除法）
   2. 如果mid元素符合check函数,则有l <= x <= mid <= r，将r设为mid，则新的l，r区间中，仍然包含着x。
   3. 如果mid元素不符合check函数，则有l <= mid < x < r,将l设为mid + 1（因为mid不符合check函数而x符合check函数，mid必不能等于x),则新区间l,r中，仍包含着x。
   4. 当l == r时，则找到了x

可以看到，不断缩小的[l,r]区间中始终包含着x，所以当l==r的时候，就找到了x

浮点数二分具体步骤

1. 定义check()函数，用来判断某元素是否符合某条件

2. 判断符合该条件的元素位于整个区间的哪一边

3. 取中间位置 mid = (l + r) / 2 （浮点数除法）

   3.1 如果是位于整个数组的左边

   1. 如果mid元素符合check函数，将l设为mid，则新的l，r区间中，仍然包含着x。
   2. 如果mid元素不符合check函数,将r设为mid ，则新区间l,r中，仍包含着x。

   3.2 如果是位于整个数组的右边

   1. 如果mid元素符合check函数，将r设为mid，则新的l，r区间中，仍然包含着x。
   2. 如果mid元素不符合check函数,将l设为mid ，则新区间l,r中，仍包含着x。

4. 当 r - l 足够小时时，则区间内任何一个点都可以当做结果

可以看到，不断缩小的[l,r]区间中始终包含着x，所以当r - l足够小的时候，区间内任何一个数都可以算作结果

2、模板代码

以下代码模板参考Acwing

bool check(int t);
//整数二分
//符合条件的元素位于区间右边
int bsearch_1(int l, int r)
{
    while (l < r)
    {
        int mid = l + r >> 1;
        if (check(mid)) r = mid;    // check()判断mid是否满足性质
        else l = mid + 1;
    }
    return l;
}
//符合条件的元素位于区间左边
int bsearch_2(int l, int r)
{
    while (l < r)
    {
        int mid = l + r + 1 >> 1;
        if (check(mid)) l = mid;
        else r = mid - 1;
    }
    return l;
}
//浮点数二分
//符合条件的元素位于区间右边
double bsearch_3(double l, double r)
{
    const double eps = 1e-6;   // eps 表示精度，取决于题目对精度的要求
    while (r - l > eps)
    {
        double mid = (l + r) / 2;
        if (check(mid)) r = mid;
        else l = mid;
    }
    return l;
}
//符合条件的元素位于区间左边
double bsearch_4(double l, double r)
{
    const double eps = 1e-6;   // eps 表示精度，取决于题目对精度的要求
    while (r - l > eps)
    {
        double mid = (l + r) / 2;
        if (check(mid)) l = mid;
        else r = mid;
    }
    return l;
}

1、代码解释

我认为二分就是保证目标位置x一直在区间中的情况下，不断地缩小区间，从而找到这个位置。
注意浮点二分中，最后保留的区间精度取决于题目要求保留的答案位数，需要多保留两位。

2、具体示例

对于一个数组，我们寻找大于3的第一个数字的位置

1 2 3 3 4 4 5

我们看到我们想寻找的位置是在整个数组的右边

元素值	1	2	3	3	4	4	5
元素位置	0	1	2	3	4	5	6
查找区间	l						r

mid = (l + r) / 2 = 3

第三个位置值为3 不符合大于3的要求，l = mid + 1

元素值	1	2	3	3	4	4	5
元素位置	0	1	2	3	4	5	6
查找区间					l		r

mid = (l + r) / 2 = 4

第四个位置的值为4 符合大于3的要求，r = mid

元素值	1	2	3	3	4	4	5
元素位置	0	1	2	3	4	5	6
查找区间					l r

此时l == r可以返回位置 4

3、边界问题分析

1. 避免递归时区间无限划分问题

两个mid的取法不一样，一个是上取整，一个是下取整，是因为需要避免无限划分的问题。
比如符合该条件的元素位于整个区间右边的情况下，符合条件的时候，r = mid , 否则l = mid + 1。
如果是上取整，也就是mid = （l + r + 1 ) / 2。当 l和r相差1的时候，也就是r比l大1的时候，mid = r了，此时如果符合条件的时候，r不会变，区间仍然是l,r，会一直循环下去。
如果是下取整，上述情况时，mid = l,区间会变成（l,l)从而结束循环。

3、 算法复杂度分析

1.时间复杂度分析

每次循环都会把区间缩小一半，将区间缩小到1需要缩小$lo{g}_{2}N$次，所以时间复杂度为$O(lo{g}_{2}N)$

参考资料

1. Acwing