LeetCode - Binary Search 总结

模版

(l + 1 < r) {
  int mid = l + (r - l) / 2;
  if (num[mid] < target) {
     start = mid;
  } else {
     end = mid;
  }
  if (num[start] == target) return start;
  if (num[end] == target) return end;
  return -1;
}
(l <= r) {
  int mid = l + (r - 1) / 2;
  if (num[mid]) < target) {
     start = mid + 1;
  } else if (nums[mid] > target) {
     end = mid - 1;
  } else {
     return mid;
  }
  return -1;
}
(l < r) {
  int mid = l + (r - 1) / 2;
  if (num[mid]) < target) {
     start = mid + 1;
  } else if (nums[mid] > target) {
     end = mid;
  } else {
     return mid;
  }
  return -1;
}

33. Search in Rotated Sorted Array

class Solution:
    def search(self, nums: List[int], target: int) -> int:
        if len(nums)==0: return -1
        l=0
        r = len(nums)-1
        while l+1<r:
            mid = l+int((r-l)/2)
            if nums[mid]>=nums[l]:
                if nums[l]<=target and target<nums[mid]:
                    r=mid
                else: l=mid
            else:
                if nums[mid]<target and target<=nums[r]:
                    l=mid
                else: r=mid
        if nums[l]==target: return l
        if nums[r]==target: return r
        return -1

34. Find First and Last Position of Element in Sorted Array

class Solution:
    def searchRange(self, nums: List[int], target: int) -> List[int]:
        if len(nums)==0: return [-1, -1]
        res = []
        l = 0
        r = len(nums) - 1
        while l+1<r:
            mid = l+int((r-l)/2)
            if target <= nums[mid]: r=mid
            else: l=mid
        if nums[l]==target: res.append(l)
        elif nums[r]==target: res.append(r)
        else: return [-1, -1]
        
        l = 0
        r = len(nums) - 1
        while l+1<r:
            mid = l+int((r-l)/2)
            if target >= nums[mid]: l=mid
            else: r=mid
        if nums[r]==target: res.append(r)
        elif nums[l]==target: res.append(l)
        return res

287. Find the Duplicate Number

Think as a linked list [Cycle Detection in Linked List]

1.Hashing: iterate and count the number of occurance (extra space)

2.Floyed's Cycle Detection Algorithm / tortoise and hare algorithm
Prove: 1) part 1: fast 2, slow 1 -> if have a cycle, must meet
            2) part 2: fast 1, slow 1
                -> must meet
                -> meet at the entry point

Binary Search

class Solution:
    def findDuplicate(self, nums: List[int]) -> int:
        l=1
        r=len(nums)
        while l<r:
            mid =l+int((r-l)/2)
            cnt = sum(x<=mid for x in nums)
            if cnt<=mid:
                l=mid+1
            else:
                r=mid
        return r
        
class Solution:
    def findDuplicate(self, nums: List[int]) -> int:
        l=1
        r=len(nums)-1
        while l<=r:
            mid =l+int((r-l)/2)
            cnt = sum(x<=mid for x in nums)
            if cnt>mid:
                r=mid-1
            else:
                l=mid+1
        return l
        

278. First Bad Version

class Solution:
    def firstBadVersion(self, n):
        l=1
        r=n
        while l+1<r:
            mid = l+int((r-l)/2)
            if isBadVersion(mid):
                r=mid
            else:
                l=mid
        if isBadVersion(l):
            return l
        elif isBadVersion(r):
            return r
        return -1
        
class Solution:
    def firstBadVersion(self, n):
        l=1
        r=n
        while l<=r:
            mid = l+int((r-l)/2)
            if isBadVersion(mid):
                r=mid-1
            else:
                l=mid+1
        return l
        
class Solution:
    def firstBadVersion(self, n):
        l=1
        r=n+1
        while l<r:
            mid = l+int((r-l)/2)
            if isBadVersion(mid):
                r=mid
            else:
                l=mid+1
        return r
        

153. Find Minimum in Rotated Sorted Array

class Solution:
    def findMin(self, nums: List[int]) -> int:
        if nums[0]<=nums[len(nums)-1]: return nums[0]
        l=0
        r=len(nums)-1
        while l+1<r:
            mid = l+int((r-l)/2)
            if nums[l]<nums[mid]:
                l=mid
            else:
                r=mid
        return min(nums[l], nums[r])
        
class Solution:
    def findMin(self, nums: List[int]) -> int:
        if nums[0]<=nums[len(nums)-1]: return nums[0]
        l=0
        r=len(nums)-1
        while l<r:
            mid = l+int((r-l)/2)
            if nums[mid]>=nums[r]:
                l=mid+1
            else:
                r=mid
        return nums[l]
        

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 题目描述:给定一个升序整型数组和一个目标值,搜索数组中是否存在目标值,若存在返回下标,否则返回-1。 解题思路:由于数组是有序的,可以使用二分查找的方法进行搜索。首先确定数组的左右边界,然后计算中间位置的下标,比较中间位置的值和目标值的大小,如果相等则返回下标,如果中间位置的值大于目标值,则在左半部分继续查找,否则在右半部分继续查找,直到找到目标值或者左右边界相遇。 代码实现: class Solution { public: int search(vector<int>& nums, int target) { int left = , right = nums.size() - 1; while (left <= right) { int mid = left + (right - left) / 2; if (nums[mid] == target) { return mid; } else if (nums[mid] > target) { right = mid - 1; } else { left = mid + 1; } } return -1; } }; ### 回答2: 二分查找(Binary Search)是一种优秀的查找算法,其时间复杂度为O(logn)。在查找有序数组时,二分查找是一种非常高效的方法。 通过不断地将区间缩小为一半来进行查找,二分查找是一种分治思想的应用。具体来说,对于给定的有序数组nums,在区间[0, n-1]中查找某一元素target。每次找到区间的中间值mid,将mid与target进行比较,如果mid等于target,返回mid的下标。否则,如果mid大于target,在左侧区间[0, mid-1]继续查找;如果mid小于target,在右侧区间[mid+1, n-1]继续查找。如此迭代直至找到target或者区间被缩小为空。 以下是二分查找的简单实现,其中left和right表示当前查找区间的左右边界。 ``` int binarySearch(vector<int>& nums, int target) { int n = nums.size(); int left = 0, right = n - 1; while (left <= right) { int mid = left + (right - left) / 2; if (nums[mid] == target) return mid; else if (nums[mid] > target) right = mid - 1; else left = mid + 1; } return -1; } ``` 需要注意的是,该算法要求目标数组必须有序,否则不能保证正确性。另外,在实现时需要注意整型溢出问题,可以使用left + (right - left) / 2来防止溢出。 ### 回答3: 题目描述: 给定一个n个元素有序的(升序)整型数组nums和一个目标值target,写一个函数搜索nums中的target,如果目标值存在返回下标,否则返回-1。 解题思路: 由于数组有序,可以考虑使用二分查找的方法。二分查找的基本思想是将有序数组一分为二,确认目标值在哪个子数组中,然后继续对子数组进行二分查找。具体实现则是定义一个左指针和一个右指针,不断将数组分成两个子数组,然后判断目标值在哪个子数组中,直到左右指针相遇时结束。 代码实现: class Solution { public: int search(vector<int>& nums, int target) { int left = 0; int right = nums.size() - 1; while (left <= right) { int mid = (left + right) / 2; if (nums[mid] == target) { return mid; } else if (nums[mid] < target) { left = mid + 1; } else { right = mid - 1; } } return -1; } }; 时间复杂度分析: 二分查找的时间复杂度为O(log n),其中n为数组长度。因为每次都将数组分成两个子数组,所以可以得到一个递归式:T(n) = T(n/2) + O(1),根据主定理可以得到其时间复杂度为O(log n)。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值