Leetcode 162 寻找峰值

峰值元素是指其值严格大于左右相邻值的元素。

给你一个整数数组 nums，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] = -∞ 。

你必须实现时间复杂度为 O(log n) 的算法来解决此问题。
 

目录

常见排序算法的时间复杂度

1. 线性查找（顺序查找）

2. 二分查找

3. 二叉搜索树查找

4. 平衡二叉搜索树查找（如AVL树、红黑树）

5. 哈希查找

6. 跳表查找

7. 斐波那契查找

 解题关键及代码

 二分法的一些关键点

1.整数溢出

2.边界问题

---

常见排序算法的时间复杂度

1. 线性查找（顺序查找）

• 时间复杂度: O(n)
• 描述: 线性查找通过遍历数组或列表中的每个元素，逐一检查是否与目标值匹配。它不需要数据预先排序。

2. 二分查找

• 时间复杂度: O(log n)
• 描述: 二分查找适用于已排序的数组，每次将查找范围缩小一半，直到找到目标值或查找范围为空。

3. 二叉搜索树查找

• 时间复杂度:
  • 平均情况: O(log n)
  • 最坏情况: O(n)（当树退化为链表时）
• 描述: 在二叉搜索树中查找元素，每一步可以排除一半的可能性，但如果树不平衡，效率会下降。

4. 平衡二叉搜索树查找（如AVL树、红黑树）

• 时间复杂度: O(log n)
• 描述: 平衡二叉搜索树通过维持树的平衡，确保查找、插入和删除操作的最坏情况时间复杂度都是 O(log n)。

5. 哈希查找

• 时间复杂度:
  • 平均情况: O(1)
  • 最坏情况: O(n)（当哈希冲突导致很多元素映射到同一个哈希桶时）
• 描述: 通过哈希表进行查找，元素通过哈希函数映射到一个桶中。理想情况下可以直接定位到元素，但需要处理哈希冲突。

6. 跳表查找

• 时间复杂度: O(log n)
• 描述: 跳表是对链表的一种改进，通过增加多级索引来提高查找效率。适用于元素有序的情况。

7. 斐波那契查找

• 时间复杂度: O(log n)
• 描述: 斐波那契查找是二分查找的一种变体，使用斐波那契数列来分割数组，适用于已排序的数组。
  
   

 解题关键及代码

根据时间复杂度的提示，可以考虑二分查找的方法，本题的解题重点在于：在题目描述中出现了 nums[-1] = nums[n] = -∞，这就代表着 只要数组中存在一个元素比相邻元素大，那么沿着它一定可以找到一个峰值。

class Solution {
    public int findPeakElement(int[] nums) {
        int left = 0, right = nums.length - 1;
        for (; left < right; ) {
            int mid = left + (right - left) //注意点1：整数溢出
            if (nums[mid] > nums[mid + 1]) {
                right = mid;
            } else {
                left = mid + 1;//注意点2：注意边界的修改，防止无限循环超时
            }
        }
        return left;
    }
}

 二分法的一些关键点

1.整数溢出

取中点时：left + (right - left) / 2，这是因为

在计算机中，整数的存储是有限的。例如，在Java中，int 类型是32位的，能够表示的数值范围是从 -2^31 到 2^31 - 1（即-2,147,483,648到2,147,483,647）。如果进行的计算超出了这个范围，就会发生溢出，意味着计算结果会不正确地“回绕”到整数的另一端。

直接计算中点可能导致的溢出

当你直接使用 (left + right) / 2 来计算中点时，如果 left 和 right 都非常大（接近int类型的最大值），它们的和可能会超出 int 能够表示的最大值，导致溢出。这种情况下，计算的中点值将是不正确的。

使用 left + (right - left) / 2 避免溢出

这个方法通过首先计算 right 和 left 的差值，然后将这个差值除以2，最后将结果加到 left 上，来计算中点。这种方式的关键在于：

• right - left 不会超过 int 类型的最大值（因为即使在最极端的情况下，left 是0，right 是 2^31 - 1，它们的差值也是在 int 的表示范围内）。
• 由于 left 和 (right - left) / 2 的和不会超过 int 的最大值，这种方式避免了溢出的风险。
   

2.边界问题（第一次做right边界没改超时了555）
 

• 更新 right: 如果 nums[mid] 大于 nums[mid + 1]，这表明目标元素可能在当前中点的左侧（包括中点自身），因为你已经找到了一个递减的序列。因此，你将 right 更新为 mid，来缩小搜索区间到左半部分。
   

• 更新 left: 如果 nums[mid] 不大于 nums[mid + 1]（即 else 分支），这意味着目标元素位于中点的右侧，因为你处于一个递增的序列。这时，你需要将 left 更新为 mid + 1，排除中点和它左侧的所有元素，将搜索范围缩小到右半部分。这里 mid + 1 是因为你已经确定 mid 不是目标，所以从 mid 的下一个元素开始搜索。