ACM_二分法binary search

欢迎来到@一夜看尽长安花 博客，您的点赞和收藏是我持续发文的动力

对于文章中出现的任何错误请大家批评指出，一定及时修改。有任何想要讨论的问题可联系我：3329759426@qq.com 。发布文章的风格因专栏而异，均自成体系，不足之处请大家指正。

    专栏：

• java全栈
• C&C++
• PythonAI
• PCB设计

文章概述：ACM算法 ——二分查找

关键词：ACM  二分法  整数二分  浮点数二分

本文目录：

二分法binary search

整数二分

原理：

步骤

示例：

浮点数二分

原理：

算法特性：

优点与局限性

二分法binary search

是一种基于分治策略的高效搜索算法。它利用数据的有序性，每轮缩小一半搜索范围，直至找到目标元素或搜索区间为空为止。

整数二分

原理：

一定要保证mid 在区间内

强调边界问题:计算mid时要不要加1

定义了某种性质，使左半边不满足，右半边满足

分别找到对应的红色边界点和绿色边界点，对应两种模版：

步骤

1.如果二分出红色点

mid =(l+r+1) >> 2

if(check(mid))

{

true mid<=target   target在 [mid,r]之间         更新 l=mid;

false mid>target     target在 [l,mid-1 ]之间     更新 r=mid-1;

}

2.如果二分出绿色点

mid =(l+r) >> 2

if(check(mid))

{

true mid>=target   target在[l,mid ] 之间       更新 r=mid;

false mid<target   target在 [mid+1,r]之间     更新 l=mid+1;

}

示例：

#include <iostream>
#include <cstring>
#include <algorithm>

using namespace std;

const int N = 100010;
int n, m;
int q[N];

int main()
{
    // 读取n和m的值
    scanf("%d%d",&n,&m);
    
    // 读取长度为n的数组
    for (int i = 0; i < n; i++)  
        scanf("%d", &q[i]);
    
    // 处理m个查询
    while (m--)
    {
        int x;
        // 读取查询值x
        scanf("%d", &x);
        
        int l = 0, r = n - 1;
        // 二分查找左边界
        while (l < r)
        {
            int mid = (l + r) >> 1; // 等价于(l + r) / 2
            if (q[mid] >= x) r = mid;
            else l = mid + 1;
        }
        
        // 如果没有找到x
        if (q[l] != x) 
            cout << "-1 -1" << endl;
        else
        {
            // 输出左边界
            cout << l << ' ';
            
            l = 0; 
            r = n - 1;
            // 二分查找右边界
            while (l < r)
            {
                int mid = (l + r + 1) >> 1; // 等价于(l + r + 1) / 2
                if (q[mid] <= x) l = mid;
                else r = mid - 1;
            }
            // 输出右边界
            cout << l << endl;
        }
    }
    
    return 0;
}

浮点数二分

原理：

不需要考虑过多边界问题

因为浮点数二分就是确切的一半

类似整数二分

#include <iostream>
#include <cstdio>

using namespace std;

int main()
{
    double x;
    // 使用cin读取输入
    cin >> x;

    // 初始化二分法的左右边界
    double l = -10000, r = 10000; // 范围足够大，可以包含所有可能的浮点数值

    // 经验值：当误差小于1e-8时停止迭代
    while (r - l > 1e-8)
    {
        double mid = (l + r) / 2;
        if (mid * mid * mid >= x)
            r = mid;
        else
            l = mid;
    }
    // 输出计算结果，保留6位小数
    printf("%.6lf\n", l);
    return 0;
}

算法特性：

时间复杂度为 𝑂(log⁡𝑛) ：在二分循环中，区间每轮缩小一半，因此循环次数为 log2⁡𝑛 。

空间复杂度为 𝑂(1) ：指针 𝑖 和 𝑗 使用常数大小空间。

优点与局限性

二分查找在时间和空间方面都有较好的性能。

• 二分查找的时间效率高。在大数据量下，对数阶的时间复杂度具有显著优势。例如，当数据大小 𝑛=220 时，线性查找需要 220=1048576 轮循环，而二分查找仅需 log2⁡220=20 轮循环。
• 二分查找无须额外空间。相较于需要借助额外空间的搜索算法（例如哈希查找），二分查找更加节省空间。

然而，二分查找并非适用于所有情况，主要有以下原因。

• 二分查找仅适用于有序数据。若输入数据无序，为了使用二分查找而专门进行排序，得不偿失。因为排序算法的时间复杂度通常为 𝑂(𝑛log⁡𝑛) ，比线性查找和二分查找都更高。对于频繁插入元素的场景，为保持数组有序性，需要将元素插入到特定位置，时间复杂度为 𝑂(𝑛) ，也是非常昂贵的。
• 二分查找仅适用于数组。二分查找需要跳跃式（非连续地）访问元素，而在链表中执行跳跃式访问的效率较低，因此不适合应用在链表或基于链表实现的数据结构。
• 小数据量下，线性查找性能更佳。在线性查找中，每轮只需 1 次判断操作；而在二分查找中，需要 1 次加法、1 次除法、1 ~ 3 次判断操作、1 次加法（减法），共 4 ~ 6 个单元操作；因此，当数据量 𝑛 较小时，线性查找反而比二分查找更快。