Leetcode162 寻找峰值
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/find-peak-element/
博主Github:https://github.com/GDUT-Rp/LeetCode
题目:
峰值元素是指其值大于左右相邻值的元素。
给定一个输入数组 nums,其中 nums[i] ≠ nums[i+1],找到峰值元素并返回其索引。
数组可能包含多个峰值,在这种情况下,返回任何一个峰值所在位置即可。
你可以假设 nums[-1] = nums[n] = − ∞ -∞ −∞。
示例 1:
输入: nums = [1,2,3,1]
输出: 2
解释: 3 是峰值元素,你的函数应该返回其索引 2。
示例 2:
输入: nums = [1,2,1,3,5,6,4]
输出: 1 或 5
解释: 你的函数可以返回索引 1,其峰值元素为 2;
或者返回索引 5, 其峰值元素为 6。
说明:
你的解法应该是 O(logN) 时间复杂度的。
解题思路:
- 旋转排序数组
nums
可以被拆分为2个排序数组nums1
,nums2
,并且nums1
所有元素>=nums2
所有元素; - 因此,考虑二分法寻找值
nums[i]
; - 设置
left
,right
指针在nums
数组两端,mid为中点:- 当
nums[mid] > nums[right]
时,一定满足mid < i <= right
,因此left = mid + 1
; - 当
nums[mid] < nums[right]
时,一定满足left < i <= mid
,因此right = mid
; - 当
nums[mid] == nums[right]
时,是此题对比153题的难点(原因是此题中数组的元素可重复,相等就难以判断最小值的指针区间);先说结果:采用right = right - 1
,下面证明:- 首先,此操作不会使数组越界,因为
right > left > 0
; - 其次,此操作不会使最小值丢失,证明:假设’nums[right]'是最小值,有两种情况:
- 若
nums[right]
是唯一最小值:那就不可能满足判断条件nums[mid] == nums[right]
,因为left != right
且mid = left + right // 2 < right
(向下取整); - 若有其他元素和
nums[right]
同为最小值:还有最小值存在于[left, right -1]
间,不会丢失最小值。
- 若
- 首先,此操作不会使数组越界,因为
- 当
- 以上是理论分析,可以用以下数组辅助思考:
[1, 2, 3]
[1, 1, 0, 1]
[1, 0, 1, 1, 1]
[1, 1, 1, 1]
方法一:线性扫描
本方法利用了连续的两个元素 nums[j]nums[j] 和 nums[j + 1]nums[j+1] 不会相等这一事实。于是,我们可以从头开始遍历 numsnums 数组。每当我们遇到数字 nums[i]nums[i],只需要检查它是否大于下一个元素 nums[i+1]nums[i+1] 即可判断 nums[i]nums[i] 是否是峰值。可以通过分别讨论问题的全部三种可能情况来理解本方法的思路。
情况 1. 所有的数字以降序排列。这种情况下,第一个元素即为峰值。我们首先检查当前元素是否大于下个元素。第一个元素满足这一条件,因此被正确判断为峰值。此时,我们不需要继续向下判断,也就不会有需要判断 nums[i]nums[i] 和上一个元素 nums[i-1]nums[i−1] 的大小的情况。
情况 2. 所有的数字以升序排列。这种情况下,我们会一直比较 nums[i]nums[i] 与 nums[i+1]nums[i+1] 以判断 nums[i]nums[i] 是否是峰值元素。没有元素符合这一条件,说明处于上坡而非峰值。于是,在结尾,我们返回末尾元素作为峰值元素,得到正确结果。在这种情况下,我们同样不需要比较 nums[i]nums[i] 和上一个元素 nums[i-1]nums[i−1],因为处于上坡是 nums[i]nums[i] 不是峰值的充分条件。
情况 3. 峰值出现在中间某处。这种情况下,当遍历上升部分时,与情况 2 相同,没有元素满足 nums[i] > nums[i + 1]nums[i]>nums[i+1]。我们不需要比较 nums[i]nums[i] 和上一个元素 nums[i-1]nums[i−1]。当到达峰值元素时,nums[i] > nums[i + 1]nums[i]>nums[i+1] 条件满足。此时,我们同样不需要比较 nums[i]nums[i] 和上一个元素 nums[i-1]nums[i−1]。这是由于“遍历会到达第i个元素”本身就说明上一个元素(第i- 1个)不满足 nums[i] > nums[i + 1]nums[i]>nums[i+1] 这一条件,也就说明 nums[i-1] < nums[i]nums[i−1]<nums[i]。于是,我们同样可以得到正确结果。
C++:
class Solution {
public:
int findPeakElement(vector<int>& nums) {
for (int i = 0; i < nums.size() - 1; i++) {
if (nums[i] > nums[i + 1])
return i;
}
return nums.size() - 1;
}
};
Java:
public class Solution {
public int findPeakElement(int[] nums) {
for (int i = 0; i < nums.length - 1; i++) {
if (nums[i] > nums[i + 1])
return i;
}
return nums.length - 1;
}
}
Python:
class Solution:
def findMin(self, nums: List[int]) -> int:
复杂度分析
时间复杂度 :
O
(
n
)
O(n)
O(n)。 我们对长度为
n
n
n 的数组
n
u
m
s
nums
nums 只进行一次遍历。
空间复杂度 :
O
(
1
)
O(1)
O(1)。 只使用了常数空间。
方法二:递归二分查找
算法
我们可以将 numsnums 数组中的任何给定序列视为交替的升序和降序序列。通过利用这一点,以及“可以返回任何一个峰作为结果”的要求,我们可以利用二分查找来找到所需的峰值元素。
在简单的二分查找中,我们处理的是一个有序数列,并通过在每一步减少搜索空间来找到所需要的数字。在本例中,我们对二分查找进行一点修改。首先从数组 numsnums 中找到中间的元素 midmid。若该元素恰好位于降序序列或者一个局部下降坡度中(通过将 nums[i]nums[i] 与右侧比较判断),则说明峰值会在本元素的左边。于是,我们将搜索空间缩小为 midmid 的左边(包括其本身),并在左侧子数组上重复上述过程。
若该元素恰好位于升序序列或者一个局部上升坡度中(通过将 nums[i]nums[i] 与右侧比较判断),则说明峰值会在本元素的右边。于是,我们将搜索空间缩小为 midmid 的右边,并在右侧子数组上重复上述过程。
就这样,我们不断地缩小搜索空间,直到搜索空间中只有一个元素,该元素即为峰值元素。
为了理解本方法的原理,让我们再次讨论前文提到的全部三种情况。
情况 1. 这种情况下,首先找到中间元素 33。由于它处于下降坡度,将搜索空间缩小到 [1, 2, 3]。对于此子数组,22 为中间元素,也处于下降坡度中,于是将搜索空间缩小到 [1, 2]。现在 11 是中间元素并同样处于下降坡度,于是将搜索空间缩小到 [1]。 最终 11 作为答案被正确返回。
情况 2. 这种情况下,首先找到中间元素 33。由于它处于上升坡度,将搜索空间缩小到 [4, 5]。对于此子数组,44 为中间元素,也处于上升坡度中,于是将搜索空间缩小到 [5]。 最终 55 作为答案被正确返回。
情况 3. 这种情况下, 峰值位于中间某处。第一个中间元素是 44。它位于上升坡度,表明峰值在其右侧。于是,搜索空间缩小为 [5, 1]。 现在,55 位于下降坡度(相对其右侧相邻元素), 搜索空间下降为 [5]。于是,55 被正确识别。
Java:
public class Solution {
public int findPeakElement(int[] nums) {
return search(nums, 0, nums.length - 1);
}
public int search(int[] nums, int l, int r) {
if (l == r)
return l;
int mid = (l + r) / 2;
if (nums[mid] > nums[mid + 1])
return search(nums, l, mid);
return search(nums, mid + 1, r);
}
}
复杂度分析
时间复杂度 :
O
(
l
o
g
2
(
n
)
)
O\big(log_2(n)\big)
O(log2(n))。每一步都将搜索空间减半。因此,总的搜索空间只需要
log
2
(
n
)
\log_2(n)
log2(n) 步。其中
n
n
n 为
n
u
m
s
nums
nums 数组的长度。
空间复杂度:
O
(
l
o
g
2
(
n
)
)
O\big(log_2(n)\big)
O(log2(n))。每一步都将搜索空间减半。因此,总的搜索空间只需要
l
o
g
2
(
n
)
log_2(n)
log2(n) 步。于是,递归树的深度为
l
o
g
2
(
n
)
log_2(n)
log2(n)
方法三:迭代二分查找
算法
上述二分查找方法使用了递归。我们可以通过迭代达到同样的效果。本方法即为迭代实现二分查找。
C++:
#include <iostream>
#include <vector>
using namespace std;
class Solution_LeetCode162 {
public:
int findPeakElement(vector<int> &nums) {
int left = 0;
int right = nums.size() - 1;
while (left <= right) {
int mid = (left + right) >> 1;
if (left == right){
return left;
}
if (nums[mid] > nums[mid + 1]) {
right = mid;
} else {
left = mid + 1;
}
}
return -1;
}
};
Java:
public class Solution {
public int findPeakElement(int[] nums) {
int l = 0, r = nums.length - 1;
while (l < r) {
int mid = (l + r) / 2;
if (nums[mid] > nums[mid + 1])
r = mid;
else
l = mid + 1;
}
return l;
}
}
复杂度分析
时间复杂度 :
O
(
l
o
g
2
(
n
)
)
O\big(log_2(n)\big)
O(log2(n))。 每一步都将搜索空间减半。因此,总的搜索空间只需要
l
o
g
2
(
n
)
log_2(n)
log2(n)步。其中
n
n
n 为
n
u
m
s
nums
nums 数组的长度。
空间复杂度 :
O
(
1
)
O(1)
O(1)。 只使用了常数空间。