二分查找的秘密
学习于Leetcode
前言
一、二分查找是什么?
这是最常见也是大家一开始从书本上第一次学习到二分查找的样子,
在一个有序数组内查找某一个值是否存在其中
int search(vector<int>& nums, int target) {
int left = 0, right = nums.size() - 1;
while (left <= right){
int mid = (right + left) / 2;//为了防止(left + right)overflow 可以用(left - right) / 2 + left
if (nums[mid] < target){
left = mid + 1;
} else if (nums[mid] > target){
right = mid - 1;
} else {
return mid;
}
}
return -1;
}
33. 搜索旋转排序数组
整数数组 nums 按升序排列,数组中的值 互不相同 。
在传递给函数之前,nums 在预先未知的某个下标 k(0 <= k < nums.length)上进行了 旋转,使数组变为 [nums[k], nums[k+1], …, nums[n-1], nums[0], nums[1], …, nums[k-1]](下标 从 0 开始 计数)。例如, [0,1,2,4,5,6,7] 在下标 3 处经旋转后可能变为 [4,5,6,7,0,1,2] 。
给你 旋转后 的数组 nums 和一个整数 target ,如果 nums 中存在这个目标值 target ,则返回它的下标,否则返回 -1 。
你必须设计一个时间复杂度为 O(log n) 的算法解决此问题。
来源:力扣(LeetCode)
链接:https://leetcode.cn/problems/search-in-rotated-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。
class Solution {
public:
int search(vector<int>& nums, int target) {//logN则先想到二分
//关键:旋转之后,利用二分,一定可以将数组分为一个有序一个无序的,再在无序的部分上分还是一个有序一个无序
int n = nums.size();
int l = 0, r = n - 1;
if (n == 0) {
return -1;
}
if (n == 1) {
return nums[0] == target ? 0 : -1;
}
while (l <= r) {
int mid = (r - l) / 2 + l;
if (nums[mid] == target) {
return mid;
}
if (nums[0] <= nums[mid]) {//左半区域有序,直接查找即可
if (nums[0] <= target && target < nums[mid]) {
r = mid - 1;
} else {
l = mid + 1;
}
} else {//左半无序则右半有序
if (nums[mid] < target && target <= nums[n - 1]) {
l =mid + 1;
} else {
r = mid - 1;
}
}
}
return -1;
}
};
二、高级用法
区别于第一种经典的用法,这种题目倾向于二分比较到最后一步,而非中途找到target便退出,例如求最值,符合某一条件的最小值等等
题目中的有序条件或许是隐藏的
寻找旋转排序数组中的最小值
已知一个长度为 n 的数组,预先按照升序排列,经由 1 到 n 次 旋转 后,得到输入数组。例如,原数组 nums = [0,1,2,4,5,6,7] 在变化后可能得到:
若旋转 4 次,则可以得到 [4,5,6,7,0,1,2]
若旋转 7 次,则可以得到 [0,1,2,4,5,6,7]
注意,数组 [a[0], a[1], a[2], …, a[n-1]] 旋转一次 的结果为数组 [a[n-1], a[0], a[1], a[2], …, a[n-2]] 。
给你一个元素值 互不相同 的数组 nums ,它原来是一个升序排列的数组,并按上述情形进行了多次旋转。请你找出并返回数组中的 最小元素 。
你必须设计一个时间复杂度为 O(log n) 的算法解决此问题。
作者:力扣 (LeetCode)
链接:https://leetcode.cn/leetbook/read/binary-search/xeawbd/
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。
class Solution {
public:
int findMin(vector<int>& nums) {//同样此数组仍然一半有序一半无序,升序部分最左最小,无序部分再分
int l = 0, r = nums.size() - 1;
int n = nums.size();
while (l < r) {
int mid = (r - l) / 2 + l;
if (nums[mid] < nums[n - 1]) {//若右半有序则最小值在0~mid之间
r = mid;
} else {//若右半无序则mid~n-1之间一定有最小值
l = mid + 1;
}
}
return nums[l];
}
};
三、最高级用法
这第三种需要判断当前索引mid的左右相邻元素来判断区间左右走向
第一种经典用法只需要比较mid即可
第二种需要比较mid一侧相邻元素来决定走向
找到 K 个最接近的元素
给定一个 排序好 的数组 arr ,两个整数 k 和 x ,从数组中找到最靠近 x(两数之差最小)的 k 个数。返回的结果必须要是按升序排好的。
整数 a 比整数 b 更接近 x 需要满足:
|a - x| < |b - x| 或者
|a - x| == |b - x| 且 a < b
示例 1:
输入:arr = [1,2,3,4,5], k = 4, x = 3
输出:[1,2,3,4]
示例 2:
输入:arr = [1,2,3,4,5], k = 4, x = -1
输出:[1,2,3,4]
作者:力扣 (LeetCode)
链接:https://leetcode.cn/leetbook/read/binary-search/xeve4m/
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。
class Solution {
public:
vector<int> findClosestElements(vector<int>& arr, int k, int x) {//先找到数组中不小于x的第一个位置,左右依次比较寻找区间
int l = 0, r = arr.size() - 1;
while (l < r) {
int mid = (r - l) / 2 + l;
if (arr[mid] < x) {
l = mid + 1;
} else {
r = mid;
}
}
int right = l;
int left = l - 1;
while (k--) {
if (left < 0) {
right++;
} else if (right >= arr.size()) {
left--;
} else if (x - arr[left] <= arr[right] - x) {
left--;
} else {
right++;
}
}
return vector<int> (arr.begin() + left + 1, arr.begin() + right);
}
};
总结
关键在于,边界如何确定,二分区间如何走向(是判断左向、右向、还是两个都判断),以及区间地开闭如何判断,主要有以下几处细节注意
int search(vector<int>& nums, int target) {
int left = 0, right = nums.size() - 1;
while (left <= right){//第一、这里到底什么时候带等号?
int mid = (right + left) / 2;//
if (nums[mid] < target){
left = mid + 1;//第二、这里left到底加不加一
} else if (nums[mid] > target){
right = mid - 1;//这里right到底减不减一
} else {
return mid;
}
}
return -1;
}
第一点
while ()这一判断条件其实就是循环结束的条件
while (left <= right) 意味着结束条件是left > right,即这时候,剩余搜索区间为空
while (left < right) 意味着结束条件是left = right, 即这时候,剩余搜索区间内只剩下mid = left = right这一个元素
有的时候我们需要找到target,那么在找到的情况下直接返回mid;
有的时候我们找不到target,则while (left <= right) 结束之后返回-1;
有时候我们需要找到target的最小或最大位置,就不能简单直接结束循环返回,而是要循环到最后一步while (left < right) 返回left``
第二点
对于搜索区间 [left,right] 左闭右闭,在检查完mid的值以后,便将搜索区间分为了[left,mid - 1] 和 [mid + 1,right] 两个闭区间
而对于要找到target的最小位置,则当mid的元素大于等于target时,说明 [left,mid] 闭区间为下一步搜索区间,而若mid的元素小于target时,则 [mid + 1,right]为搜索区域,也即 (mid,right] 左开右闭区间。
由此可见,区间端点是否需要再一次搜索,是mid是否加一的关键。