leetcode-153/154 O(logn)找出旋转数组的最小值

一、背景

假设按照升序排序的数组在预先未知的某个点上进行了旋转。

( 例如,数组 [0,1,2,4,5,6,7] 可能变为 [4,5,6,7,0,1,2] )。

[4,5,6,7,0,1,2]称为旋转数组。

二、解法

1.假设数组中不存在重复元素。

二分法。 找中点,判断中点是不是特殊点(在最大值,或者最小值) 不是特殊点就继续二分,看哪一边依然还是旋转的。往旋转那边走。
旋转的判定条件就是nums[l] > nums[r].

class Solution {
    public int findMin(int[] nums) {
        int l = 0, r = nums.length-1, mid;
        while(l < r && nums[l] > nums[r]) {
            mid = (l+r)/2;
            if(nums[mid] > nums[mid+1]) return nums[mid+1];
            if(nums[mid] < nums[mid-1]) return nums[mid];
            if(nums[mid+1] > nums[r]) l = mid+1;
            else r = mid-1;
        }
        return nums[l];
    }
}
2.假设存在重复元素

这就不能再用上面的方法。不过还是可以二分,首先可以确定, m i n ≤ n u m s [ r ] min \le nums[r] minnums[r]
考虑三种情况。
i . n u m s [ m i d ] < n u m s [ r ] i. nums[mid] < nums[r] i.nums[mid]<nums[r], mid在最小值右边。往左找min。r = mid(这里不是mid-1,因为nums[mid]可能恰好就是最小值。)
i i . n u m s [ m i d ] = n u m s [ r ] ii. nums[mid]=nums[r] ii.nums[mid]=nums[r], mid在最小值右边。往左找min。r = r-1
i i i . n u m s [ m i d ] > n u m s [ r ] iii. nums[mid]>nums[r] iii.nums[mid]>nums[r], mid在最小值左边,往右找min。l=mid+1。(这里不能是l=mid,否则的话就会死循环了,必须保证某一边可以持续变化。)

class Solution {
    public int minArray(int[] numbers) {
        int l = 0, r = numbers.length-1, mid;
        while(l < r) {
            mid = (l+r)/2;
            if(numbers[mid] < numbers[r]) r = mid;
            else if(numbers[mid] > numbers[r]) l = mid+1;
            else r--;
        }
        return numbers[l];
    }
}

三、注意事项

在计算mid的时候, low+(low-high)/2 往往要比 (low+high)/2 更好。因为前者可以防止整数溢出。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。

“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