这道题目可以使用两次二分搜索来解决,第一次找到target的左range,第二次找到targe的右range。
在第一次二分搜索中,我们分别将两个指针i和j设置为0和n - 1,根据nums[mid]和target的相对大小,我们有以下三种情况:
1. nums[mid] < target,那么target的左range在mid的右侧,故而需要更新指针i = mid + 1;
2. nums[mid] > target,那么target的左range在mid的左侧,故而需要更新指针j = mid - 1;
3. nums[mid] == target,那么说明target的左range就是mid或者在mid的左侧,故而需要更新指针j = mid;
观察到情况2和3是可以合并的,所以我们将它们合并为nums[mid] >= target -> j = mid。当循环结束的时候,必然有i == j,所以如果数组中含有target的话,那么i就是它的左range,当然也要检查数组中不存在target1的情况。
在第二次二分搜索中,我们只需要将指针j设置为n - 1,而不需要再次设置i指针,根据nums[mid]和target的相对大小,我们同样有三种情况:
1. nums[mid] > target,那么target的右range在mid的左侧,故而需要更新指针j = mid - 1;
2. nums[mid] < target,那么target的右range在mid的右侧,故而需要更新指针i = mid + 1;
3, nums[mid] == target,那么target的右range就是mid或者在mid的右侧,故而需要更新指针i = mid;
同样地,情况2和3可以合并,我们将它们合并为nums[mid] <= target -> i = mid。注意这种写法有一个陷阱,就是可能无法跳出循环,比如第二次搜索的数组为[5, 7]的时候,i = 0, j = 1, mid = 0,因为nums[mid] == target,所以i = mid,就陷入了死循环。这里用一个小技巧来避免这个问题,就是将mid的值设置为(i + j) / 2 + 1,当以前我们使用(i + j) / 2的时候,mid的值是近似到较小的integer1的,也就是说mid的值is biased towards the left,所以如果有j - i == mid的情况,也就是i == mid,我们就会陷入死循环,故而需要对mid进行一个向上取整,因为j = mid - 1,总会有一个移动,所以这样就不会陷入死循环。同时,我们总结一下第一次二分搜索的指针问题,因为在第一次中,我们设置的是j == mid,所以要使用mid向下取整的情况,因为(i + j) / 2已经是向下取整,所以我们不需要任何的改动。这一点要记一下。
接下来检查数组中nums[j] == target,如果不等则说明数组中只有一个target,否则继续设置range的范围。时间复杂度为O(logn),代码如下:
public class Solution {
public int[] searchRange(int[] nums, int target) {
int i = 0;
int j = nums.length - 1;
int[] result = {-1, -1};
// Search for left range
while(i < j){
int mid = (i + j) / 2;
if(nums[mid] < target) i = mid + 1;
else j = mid;
}
if(nums[i] != target) return result;
else result[0] = i;
// Search for right range
j = nums.length - 1; // do not need to set i to i this time
while(i < j){
int mid = (i + j) / 2 + 1; // make mid biased to the right
if(nums[mid] > target) j = mid - 1;
else i = mid;
}
if(nums[j] != target) return result;
else result[1] = j;
return result;
}
}
知识点:
1. 二分搜索这种思想确实很强大,上面写的这道题目的思路是一个标准而又明确的二分搜索的分析方法,需要记录一下
2. 另外注意二分搜索中指针和mid值计算的trick,如果设置j == mid,则要对mid进行left bias,如果设置i == mid,则要对mid进行right bias