题目
把一个数组最开始的若干个元素搬到数组的末尾,我们称之为数组的旋转。输入一个递增排序的数组的一个旋转,输出旋转数组的最小元素。例如,数组 [3,4,5,1,2] 为 [1,2,3,4,5] 的一个旋转,该数组的最小值为1。
输入:[3,4,5,1,2]
输出:1
思路
最简单的方法就是从头到尾遍历数组,然后找到最小的元素。这种方法的时间复杂度是O(n);
优化
- 旋转数组的特性,旋转之后的数组实际上可以分为两个排序的子数组。前面子数组的元素都大于或等于后面子数组的元素。而且最小的元素刚好是这两个子数组的分界线。
- 比如
{3,4,5,1,2}
。可以分为{3,4,5}
和{1,2}
。在排序的数组中可以用二分查找法实现O(logn)
的查找。 - 跟二分查找法一样,可以先用两个指针分别指向数组的首元素和尾元素。
- 然后找到中间的元素,如果中间元素位于前面的递增子数组,那么它应该大于或者等于第一个指针指向的元素。此时数组中最小的元素应该位于中间元素的后面。
- 那么我们就可以将第一个指针指向该中间元素,以缩小寻找范围。移动之后的第一个指针仍然位于前面的递增子数组。
- 例如
{3,4,5,1,2}
,中间元素5大于第一个指针指向的元素3,那么最小的元素肯定位于5之后,将第一个指针指向元素5,此时寻找的范围就缩小为{5,1,2}。
- 例如
- 那么我们就可以将第一个指针指向该中间元素,以缩小寻找范围。移动之后的第一个指针仍然位于前面的递增子数组。
- 反之,如果中间元素位于后面的递增数组,那么他应该小于或等于第二个指针指向的元素。此时数组中最小的元素应该位于中间元素的前面。可以将第二个指针指向该中间元素。
- 因为第一个指针总是会指向前面递增的子数组元素,第二个指针总是会指向后面递增的子数组元素。所以,最终两个指针会相邻,第二个指针指向的元素是最小元素。
- 考虑特殊的情况
- 数组
{0,1,1,1,1}
的两个旋转{1,0,1,1,1}
{1,1,1,0,1}
,此时首指针指向的元素、中间元素、尾指针指向的元素都相同,无法确定中间的数字1是属于第一个递增子数组还是第二个递增子数组。此种情况只能通过从头遍历数组查找最小元素。
- 数组
class Solution {
public int minArray(int[] a) {
if (a == null || length <= 0) return -1;
int p1 = 0, p2 = a.length - 1;
int mid = p1; // 把mid初始化为p1的原因是因为考虑到旋转后数组是{1,2,3,4,5}的特例,此时第一个元素是最小元素
while (a[p1] >= a[p2]) {
if (p2 - p1 == 1) { // 最终两个指针相邻,第二个指针指向最小元素,将第二个指针返回
mid = p2;
break;
}
mid = (p2 - p1) / 2 + p1;
if (a[p1] == a[p2] && a[p2] == a[mid]) return Order(a, p1, p2);
if (a[mid] >= a[p1]) p1 = mid;
else if (a[mid] <= a[p2]) p2 = mid;
}
return a[mid];
}
static int Order(int[] a,int p1,int p2) {
int res = a[p1];
for(int i = p1 + 1; i <= p2; i++) {
res = Math.min(res, a[i]);
}
return res;
}
}
二分法的另一种思路
- 用
p1
和p2
分别指向数组的第一个和最后一个元素,mid
指向中间a[mid] < a[p2]
,说明a[mid]
是最小值右侧的元素,将p2 = mid
a[mid] > a[p2]
,说明a[mid]
是最小值左侧的元素,将p1 = mid + 1
a[mid] == a[p2]
,由于重复元素的存在,我们并不能确定a[mid]
究竟在最小值的左侧还是右侧,a[mid]
和a[p2]
的值相同,所以可以将p2 - 1
,忽略掉a[p2]
- 特例
a[3, 3, 1, 3]
- 特例
class Solution {
public int minArray(int[] a) {
int p1 = 0;
int p2 = a.length - 1;
while (p1 < p2) {
int mid = p1 + (p2 - p1) / 2;
if (a[mid] < a[p2]) {
p2 = mid;
} else if (a[mid] > a[p2]) {
p1 = mid + 1;
} else {
p2 -= 1;
}
}
return a[p1];
}
}
复杂度分析
- 时间复杂度
O(log n)
,二分查找的时间复杂度,最坏情况下,数组中元素相同,只能遍历一次数组,时间复杂度为O(n)
- 空间复杂度
O(1)