题目描述
峰值元素是指其值大于左右相邻值的元素。
给你一个输入数组
n
u
m
s
nums
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
n
u
m
s
[
−
1
]
=
n
u
m
s
[
n
]
=
−
∞
nums[-1] = nums[n] = -∞
nums[−1]=nums[n]=−∞ 。
示例 1:
输入:
n
u
m
s
=
[
1
,
2
,
3
,
1
]
nums = [1,2,3,1]
nums=[1,2,3,1]
输出:
2
2
2
解释:
3
3
3 是峰值元素,你的函数应该返回其索引
2
2
2。
示例 2:
输入:
n
u
m
s
=
[
1
,
2
,
1
,
3
,
5
,
6
,
4
]
nums = [1,2,1,3,5,6,4]
nums=[1,2,1,3,5,6,4]
输出:
1
1
1 或
5
5
5
解释:你的函数可以返回索引
1
1
1,其峰值元素为
2
2
2;
或者返回索引
5
5
5, 其峰值元素为
6
6
6。
方法一:线性扫描
算法思想
本方法利用了连续的两个元素 n u m s [ j ] nums[j] nums[j]和 n u m s [ j + 1 ] 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 n u m s nums nums 数组。每当我们遇到数字 n u m s [ i ] nums[i] nums[i],只需要检查它是否大于下一个元素 n u m s [ i + 1 ] nums[i+1] nums[i+1] 即可判断 n u m s [ i ] 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
n
u
m
s
[
i
]
nums[i]
nums[i] 和上一个元素
n
u
m
s
[
i
−
1
]
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
n
u
m
s
[
i
]
nums[i]
nums[i] 与
n
u
m
s
[
i
+
1
]
nums[i+1]
nums[i+1] 以判断
n
u
m
s
[
i
]
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
n
u
m
s
[
i
]
nums[i]
nums[i] 和上一个元素
n
u
m
s
[
i
−
1
]
nums[i−1]
nums[i−1],因为处于上坡是
n
u
m
s
[
i
]
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 n u m s [ i ] > n u m s [ i + 1 ] nums[i]>nums[i+1] nums[i]>nums[i+1]。我们不需要比较 n u m s [ i ] nums[i] nums[i] 和上一个元素 n u m s [ i − 1 ] nums[i−1] nums[i−1]。当到达峰值元素时, n u m s [ i ] > n u m s [ i + 1 ] 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 n u m s [ i ] nums[i] nums[i] 和上一个元素 n u m s [ i − 1 ] nums[i−1] nums[i−1]。这是由于“遍历会到达第 i i i个元素”本身就说明上一个元素(第 i − 1 i- 1 i−1个)不满足 n u m s [ i ] > n u m s [ i + 1 ] nums[i]>nums[i+1] nums[i]>nums[i+1] 这一条件,也就说明 n u m s [ i − 1 ] < n u m s [ i ] nums[i−1]<nums[i] nums[i−1]<nums[i]。于是,我们同样可以得到正确结果。
JAVA代码
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;
}
}
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
算法思想
我们可以将 n u m s nums nums 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 n u m s nums nums 中找到中间的元素 m i d mid mid。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 n u m s [ i ] 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 m i d mid mid 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 n u m s [ i ] 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 m i d mid mid 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
3
3
3。由于它处于下降坡度,将搜索空间缩小到
[
1
,
2
,
3
]
[1, 2, 3]
[1,2,3]。对于此子数组,
2
2
2 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
]
[1, 2]
[1,2]。现在
1
1
1 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
]
[1]
[1]。 最终
1
1
1 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
3
3
3。由于它处于上升坡度,将搜索空间缩小到
[
4
,
5
]
[4, 5]
[4,5]。对于此子数组,
4
4
4 为中间元素,也处于上升坡度中,于是将搜索空间缩小到
[
5
]
[5]
[5]。 最终
5
5
5 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
4
4
4。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
]
[5, 1]
[5,1]。 现在,
5
5
5 位于下降坡度(相对其右侧相邻元素), 搜索空间下降为
[
5
]
[5]
[5]。于是,
5
5
5 被正确识别。
JAVA代码
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(log_2(n)) 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 ( l o g 2 ( n ) ) O(log_2(n)) 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)。
链接:https://leetcode-cn.com/problems/find-peak-element/solution/xun-zhao-feng-zhi-by-leetcode/
来源:力扣(LeetCode)