二分查找 总结(一)

二分查找 学习参考

减而治之：减，即减少问题规模，治是解决，减而治之，从另一个角度说是排除法，每一轮排除掉一定不存在目标元素的区间，在剩下 可能 存在目标元素的区间里继续查找。每一次我们通过一些判断和操作，使得问题的规模逐渐减少。又由于问题的规模是有限的，我们通过有限次的操作，一定可以解决这个问题。

分治思想与减治思想的差别就在于，我们把一个问题拆分成若干个子问题以后，应用减治思想解决的问题就只在其中一个子问题里寻找答案。

eg:央视二套的《幸运 52》栏目有一个「猜价格」游戏。游戏规则是：给出一个商品，告诉答题者它的价格在多少元（价格为整数）以内，让答题者猜，如果猜出的价格低于真正价格，主持人就说少了，高于真正的价格，就说多了，看谁能在最短的时间内猜中。这个游戏就是应用减治思想完成「猜价格」任务的。主持人说「多了」或这「少了」，就是给参与游戏的人反馈，让游戏者逐渐缩小价格区间，最终猜中价格。

eg:程序员定位程序中的 bug 的时候，会在程序里打印一些变量的输出语句，逐步定位有问题的代码的行，这样的定位问题的方法也应用了「减治思想」。

2.在整数范围内查找一个整数（二分答案）：
如果我们要找的是一个整数，并且我们知道这个整数的范围，那么我们就可以使用二分查找算法，逐渐缩小整数的范围。这一点其实也不难理解，假设我们要找的数最小值为 0，最大值为 N，我们就可以把这个整数想象成数组 [0, 1, 2,..., N] 里的一个值，这个数组的下标和值是一样的，找数组的下标就等于找数组的值。这种二分法用于查找一个有范围的数，也被称为「二分答案」，或者「二分结果」，也就是在「答案区间」里或者是「结果区间」里逐渐缩小目标元素的范围；

在我们做完一些问题以后，我们就会发现，其实二分查找不一定要求目标元素所在的区间是有序数组，也就是说「有序」这个条件可以放宽，半有序数组或者是山脉数组里都可以应用二分查找算法。

旋转数组和山脉数组有什么样的特点呢？可以通过当前元素附近的值推测出当前元素一侧的所有元素的性质，也就是说，旋转和山脉数组的值都有规律可循，元素的值不是随机出现的，在这个特点下，「减治思想」就可以应用在旋转数组和山脉数组里的一些问题上。我们可以把这两类数组统一归纳为部分有序数组。
（旋转数组：把一个数组最开始的若干个元素搬到数组的末尾，我们称之为数组的旋转。输入一个递增排序的数组的一个旋转，输出旋转数组的最小元素。例如数组{3,4,5,1,2}为{1,2,3,4,5}的一个旋转，该数组的最小值为1。
山脉数组：如果 A 满足下述条件，那么它是一个山脉数组

• A.length >= 3
• 在 0 < i < A.length - 1 条件下，存在 i 使得：
  A[0] < A[1] < … A[i-1] < A[i]
A[i] > A[i+1] > … > A[A.length - 1]
  
  ）

分析：解决这个问题的思路和「猜价格」游戏是一样的。由于数组是有序且升序的数组，二分查找的思路是，先看位于数组中间的那个元素的值：

• 如果中间的那个元素正好等于目标元素，我们就可以直接返回这个元素的下标；
• 否则我们就需要在中间这个元素的左边或者右边继续查找。

public class Solution {
  
    // 「力扣」第 704 题：二分查找
  
    public int search(int[] nums, int target) {
        int len = nums.length;

        int left = 0;
        int right = len - 1;
        // 目标元素可能存在在区间 [left, right]
        while (left <= right) {
            // 推荐的写法是 int mid = left + (right - left) / 2; 防止溢出
            int mid = (left + right) / 2;
            if (nums[mid] == target) {
                return mid;
            } else if (nums[mid] < target) {
                // 目标元素可能存在在区间 [mid + 1, right]
                left = mid + 1;
            } else {
                // 目标元素可能存在在区间 [left, mid - 1]
                right = mid - 1;
            }
        }
        return -1;
    }
}

解释：

• 这里应用的是二分查找算法的思路 1，在循环体中找到了元素就直接返回；
• 我们每一次都会在一个区间里搜索目标元素。表示这个区间需要两个变量，那就是数组里区间的左右边界，分别用变量 left 和 right 表示，一开始的时候，左边界的值等于 0，右边界的值等于数组的长度减 1；
• 接下来我们在一个循环体里面处理，循环可以继续的条件是 left <= right，表示：在区间只有 1 个元素的时候，依然需要进行相关逻辑的判断。这个逻辑是，先看一下区间里位于中间的那个元素的值：
  • 如果它是目标元素，就直接返回它的下标。如果不是，可以根据中间元素的左边区间和右边区间的所有元素的数值，看看目标元素应该落在哪个区间里；
  • 如果中间位置的元素比目标元素严格小，由于整个数组是有序的，中间位置以及中间位置的左边的所有元素的数值一定比目标元素小，那么下一轮搜索就应该在 [mid + 1, right] 左闭右闭这个区间里查找，这个时候我们将左边界 left 的值设置为 mid + 1 ；
  • 否则，中间位置的元素比目标元素严格大，依然是由于整个数组是有序的，中间位置以及中间位置的右边的所有元素的数值一定比目标元素大，那么下一轮搜索就应该在 [left, mid - 1] 左闭右闭这个区间里查找，这个时候我们将右边界 right 的值设置为 mid - 1 。
• 退出循环以后，表示这个数组里不存在目标元素，根据题目意思，返回 -1。
  复杂度分析：
• 时间复杂度：二分查找的时间复杂度是 O(logN)，这里 N 是输入数组的长度；
  how to understand——我们知道复杂度表示的算法的操作数和是输入数据的规模 N 之间的关系，由于二分查找每一次都将问题近似地缩减为上一次问题规模的一半，最差情况下，也就是没有找到目标元素的时候，最后两步，区间里剩下的元素个数依次为 1 和 0。我们把问题的规模依次列出来，是这样的：N,1/2N,1/4n,...,2,1,0
  由于循环体内部的操作次数是常数次的，因此循环体执行的次数就是「二分查找」算法的时间复杂度。循环体执行的次数就是从 N 到 1 这个等比数列的项数，由于这个等比数列的公比是1/2 ，我们依据高中学习过的对数的定义，就知道了，从 N 到 1 这个等比数列的项数为 ⌈logN⌉。为什么是上取整呢，因为这里的 N 有可能不是 2 的方幂。又由于我们计算复杂度的时候，常数加法项忽略，因此时间复杂度是 O(logN)。
• 空间复杂度：由于二分查找算法在执行的过程中只使用到常数个临时变量，因此空间复杂度是 O(1)

int mid = left + (right - left) / 2;

/2 这个写法表示 下取整，取中间值不光可以取中间靠左的位置，还可以取中间靠右位置；int mid = (left + right) >> 1;整数右移 1 位和除以 2（向下取整）是等价的，这样写的原因是因为位运算比整除运算要快一点。但事实上，高级的编程语言，对于 / 2 和除以 2 的方幂的时候，在底层都会转化成为位运算，我们作为程序员在编码的时候没有必要这么做，就写我们这个逻辑本来要表达的意思即可，这种位运算的写法，在 C++ 代码里可能还需要注意优先级的问题。
在 Java 和 JavaScript 里有一种很酷的写法：int mid = (left + right) >>> 1;
这种写法也是完全可以的，这是因为 >>> 是无符号右移，在 left + right 发生整型溢出的时候，右移一位由于高位补 0 ，依然能够保证结果正确。如果是写 Java 和 JavaScript 的朋友，可以这样写。在 Python 语言里，在 32 位整型溢出的时候，会自动转成长整形，这些很细枝末节的地方，其实不是我们学习算法要关注的重点。

这几种种写法差别不大，因为绝大多数的算法面试和在线测评系统给出的测试数据，数组的长度都不会很长，遇到 left + right 整型溢出的概率是很低的，我们推荐大家写 int mid = left + (right - left) / 2;，让面试官知道你注意了整型溢出这个知识点即可。

有趣的事：二分查找算法取中间数可能会发生整形溢出这件事，是隐含在这个算法中将近 10 年的 bug。这一点提示我们，可能我们在设计一个算法的时候，会认为这个算法是完美的，但是检验一个算法，得真正地把这个算法执行起来。作为工程师，我们需要解决算法在真正运行的过程中遇到的问题，尤其是大家学习到算法的高阶内容的时候，就会看到，很多时候，理论上看起来很完美的东西，真正应用于实践的时候，可能是另外一个样子，可能大家听过「最佳实践」这个词，作为工程师而言，实证的精神是必须具备的。

3.取中间数可不可以上取整
我们在细节 2里介绍了 int mid = (left + right) / 2; 这个表达示里 / 2 这个除号表示的含义是下取整。很显然，在区间里有偶数个元素的时候位于中间的数有 22 个，这个表达式只能取到位于左边的那个数。一个很自然的想法是，可不可以取右边呢？遇到类似的问题，首先推荐的做法是：试一试就知道了，刚刚我们说了实证的精神，就把int mid = (left + right + 1) / 2; int mid = left + (right - left + 1) / 2;替换原代码中的mid进行测评即可。结果是可以通过测评。原因：因为我们的思路是根据中间那个位置的数值决定下一轮搜索在哪个区间，每一轮要看的那个数当然可以不必是位于中间的那个元素，靠左和靠右都是没有问题的。甚至取到每个区间的三分之一、四分之一、五分之四，都是没有问题的。
eg：int mid = left + (right - left) / 3; int mid = left + 4 * (right - left) / 5;

一般而言，取位于区间起点二分之一处，首先是因为这样写简单，还有一个更重要的原因是：取中间位置的那个元素在平均意义下效果最好。这一点怎么理解呢？
eg：我们还以《幸运 52》的「猜价格」游戏为例，如果主持人会要求在 11 到 100100 这个区间里猜商品的价格。

• 如果主持人说这个商品是一只圆珠笔，观众一开始猜的价格就不会太高；
• 如果主持人说这个商品是一只台灯，或者是一个书包，观众一开始猜的价格就不会太低。
  那如果主持人什么都不说，是不是一开始猜 5050 会更好一点。也就是说，在没有任何「先验知识」的情况下，在搜索区间里猜中间位置是最好的。
  因此 int mid = (left + right) / 2; 或者 int mid = (left + right + 1) / 2; 这两种写法都是可以的，既然都可以，为了简便起见，更多时候会选择不加 1 的写法。但是在我们接下来要介绍的二分查找的思路里，到底加不加 1 就需要区别对待了。