算法竞赛基础：一种无敌的二分代码写法，C++实现，含基础方法讲解和代码示例

最新推荐文章于 2024-04-07 11:20:08 发布

若亦_Royi

最新推荐文章于 2024-04-07 11:20:08 发布

阅读量960

点赞数 19

分类专栏： C++算法文章标签：算法 c++

本文链接：https://blog.csdn.net/weixin_74239689/article/details/136049687

版权

C++算法专栏收录该内容

16 篇文章 0 订阅

订阅专栏

算法竞赛基础：二分法

文章目录

算法竞赛基础：二分法

如果你还在为二分查找的边界条件而纠结，那么本篇文章将会解决你困惑很久的问题，让你豁然开朗。

本篇文章将介绍一个整数二分的最优解代码模板，无需担心任何越界问题。

由于本篇文章是一篇教程，适用于初学者，因此会介绍普通的二分方法，最后才会介绍最优模板。

二分法是用来解决什么问题的？

一句话描述：在单调序列中找x或者x的前驱；在单调序列中找x或者x的后继。

这里拿后继来说，在单调递增序列a[]中，如果有x，找第一个x的位置；如果没有，则找出第一个比x大的值的位置。

例如，有如下序列

${1,4,5,7,9,9,10,11,57,78,99}$

我们要在其中查找9，以后继方法查找，我们会找到从左向右第一个9的位置（划线位置）：

${1,4,5,7,\underline {9},9,10,11,57,78,99}$

如果我们要查找56，以后继方法查找，我们会找到第一个比56大的数：

${1,4,5,7,9,9,10,11,\underline {57},78,99}$

二分原理

首先我们注意到，能够解决的问题必须是单调的。这一点关乎到二分法的原理。

为什么是单调的呢？

假设你想要从一个单调递增区间中找出一个值x，或者最接近x的值，你可以每次从区间中取出中间的值，与x比较大小；
如果中间值大于x，又因为它是单调递增区间，说明带查找的值x在中间值的左边，我们需要向左边查找。
相反，则说明在右边，需要向右边查找。

这样一来，待查找的值的范围变小了，我们对新的范围重复上面所说的步骤即可。

本质上，二分法是一种无限逼近待查找值的方法

从数学界来看，这个方法是用于求解非线性方程的根的方法。

标准二分模板

如何进行编码呢？

我们有三个变量需要操作：

区间左值（左指针）： $l i f t$ 或者 $l$
区间右值（右指针）： $r i g h t$ 或者 $r$
区间中点： $mi d$

每次我们缩小区间的一半，直到l == r为止（当然，对于离散的数组来说，区间中本就没有待查找的值，那么将会发现最近的值），这样我们就找到了答案。

查找后继x示例

这里我们给出找出x或者x的后继的模板代码~~

这里的区间是左闭右开哦~~~~

int bin_search(int *a, int n, int x) {
	int left = 0, int right = n;
	while(left < right) {
		int mid = left + (right - left)/2; // 也可以写成:int mid = (right + left) >> 1;这两种方法各有优劣，等会儿会讲
		// 当a[mid] >= x时，说明x在待查找元素的左边让右区间缩小
		if(a[mid] >= x) right = mid;
		// 当a[mid] < x时，说明x在待查找元素的右边让左区间缩小
		else left = mid + 1;
	}
	return left;
}

看完上面的模板，你肯定有很多问题：

为什么int mid = left + (right - left)/2可不可以int mid = (right + left) >> 1;？
为什么left = mid + 1;?可不可以写成left = mid?
为什么right = mid不写成right = mid - 1?

别急，这些问题等我一一解答~~

mid的计算

关于mid的计算方法有很多种：但是没有一种方法是完美的，但是请你记住，他们的本质都是除以2。但是会有不同的溢出问题，下面是对这些方法的说明：

实现	适用场合	可能出现的问题
mid = (left + right) / 2	left >= 0,right >=0; left + right 无溢出	1. left + right 溢出 2. 负数情况下有向0取整问题
mid = left + (right - left) / 2	left - right 无溢出	若right和left都是大数且一正一负，right - left可能溢出
mid = (left + right) >> 1	left + right 无溢出	若left和right都是大数，那么可能溢出

当left >= 0,right >= 0且没有溢出时，上面三种实现的结果相等。

综合上面表中的问题，方法二略好一些。

mid处理

代码的关键是对mid的处理，如果取值不当，while()很容易进入死循环。接下来我们仔细讨论一下这个问题：

为什么会出现死循环呢？有下面的两个原因：首先是取值，取值方式为舍弃小数点后的值取整(例如：3.5会被当成3)；其次，奇数除二除不尽。那么综合这两点原因会发现：假如l + r = 奇数，此时得到的结果就会更靠近l一些，此时，如果l和r两个值只差1(到达临界值)，例如，l = 2，r = 3，得到的mid等于2，如果我们要寻找x的后继，则会让mid = l此时就会进入死循环。
发现了原因，该如何解决呢？很简单，让每次都让l = mid + 1。此时可能有人会有疑问，如果每次都让mid + 1，会不会错过结果呢？例如，假设此时的l就是答案，是否会出现 l + 1 而让查找区间错过答案的情况呢？答案是否定的，如果待查找的位置是 l 的位置，那么说明在此之前mid一定等于 l 此时会让r也指向l。例如：我们以1，2，3为例子，此时待查找的元素是1，区间左闭右开，l和r的初始值分别为1，4，那么首先加1除以2得到mid = 2，由于 1 小于 mid 得出 r = 2，此时l和r已经相邻了，那么接下来，mid = 1，并且得出r = 1。l == r 退出while循环，返回left的值。可以看出并不会有问题。

查找前驱x示例

int bin_search2(int *a, int n, int x) {
	int left = 0, right = n;
	while (left < right) {
		int mid = left + (right - left + 1) / 2; //保持右中位数
		if (a[mid] <= x) left = mid;
		else right = mid - 1;
	}
	return left;
}

这段代码与上面查找后继的代码类似，不再多做解释。

值得注意的还有一点：

在找后继的代码中，我们的mid是用的左中位数，也就是借助的C++语言中整形除法的特性，那么可以取右中位数吗？答案是不行，以上面那个2，3的例子为例，如果让mid等于3，如果取right = mid，那么会发现还是进入死循环。
同样的，查找前驱的代码中，mid的值必须为右中位数，这就是上面的代码中必须+1的原因。

上面的内容如果是初学者可能难以理解，读者一定要配合纸笔在纸上进行演算，学算法是一个困难的过程，一定要掌握一个正确的学习方法。如果思路还不清晰，可以配合后面的总结，梳理思路。把求前驱或者求后继的内容分门别类的学习。

关于负数二分

如果区间中存在负数，那么上面的代码可以使用吗？答案是肯定的。

不过，如果你的mid的计算方法是 $(l e f t + r i g h t) /2$ 的话，那么你要注意了，上面的模板就不能使用了。

为什么呢？原因是取值方向，在上面的代码中，你可以看出来，在同一个代码中，方向必须是朝向一个无穷方向的，例如 3.5 向正无穷取值就是4，向负无穷取值就是3。

那么我们上面所说的三种求mid的方式的取值方向如下：

(left + right) / 2：向0取整
left + (right - left) / 2：向负无穷取整
(left + right) >> 1：向负无穷取整

因此，只有第二和第三种方式可以担当胜任。

代码特征总结

如果只是单纯寻找一个具有准确大小的数字的话，我们使用如上的代码就可以解决这个问题。

现在来对上面的两个模板进行一下总结，方便理解和记忆：

区间可以是左闭右开也可以是左闭右闭，这个不会影响代码特征
无论是前驱还是后继，返回值都是left
无论是前驱还是后继，if 条件中比较符号左边是mid值，右边是target（目标值）
对于前驱：if 条件中的比较符号是>=
对于后继：if条件中的比较符号是<=
对于前驱：如果满足 if 则 right = mid，否则left = mid + 1
对于后继：如果满足 if 则 left = mid，否则right = mid + 1

C++中STL中的二分函数

主要有两个：

lower_bound()
upper_bound()

他们返回找到元素的位置，如果未找到，那么返回end。

如果只是简单的查找x或x附近的数，这两个函数就可以解决。

适用问题如下：

查找第一个大于x的元素的位置：upper_bound()或lower_bound()
查找第一个大于等于x的元素：lower_bound()
查找第一个与x相等的元素：lower_bound()
查找最后一个与x相等的元素：upper_bound()返回的前一个且等于x的元素
查找最后一个等于或小于x的元素：upper_bound()的前一个元素
查找最后一个小于x的元素：lower_bound()的前一个元素
计算单调序列中x的个数：upper_bound() - lower_bound()

简单来说：

lower_bound查找到的元素是第一个x，或者第一个大于x的元素
upper_bound查找到的元素是最后一个x的后继，或者第一大于x的元素

假如有一串序列：

${1,2,3,4,5,5,5,6,7,8,9}$

用 $\textcolor {red} {红色}$ 表示lower_bound，用 $\textcolor {blue} {蓝色}$ 表示upper_bound，如果让他们查找5，他们查找到的位置如下：

${1,2,3,4,\textcolor {red} {5},5,5,\textcolor {blue} {6},7,8,9}$

再给出一个序列：

${1,4,7,12,25,26,35,38,44,46,51,57}$

如果要查找24，两个函数都将查找到25，下划线表示

${1,4,7,12,\underline {25},26,35,38,44,46,51,57}$

解释如下：

upper_bound查找最后一个24，发现没有，进而返回第一个比24大的值
lower_bound查找第一个24，发现没有，返回第一个比24大的值

注意，在适用这个函数之前要确保，待查找的区间一定是从小到大有序的！

二分建模

在算法比赛中，我们往往不会对一个数直接进行二分查找。通常情况下，给定的问题会具有二分的特征。

通常情况下，我们能使用的二分的模板如下：

while (left < right) {
	int ans;
	int mid = left + (right - left) / 2;
	if (check(mid)) {
		ans = mid;			//记录答案
		...					//移动left
	} else {
		...					//移动right
	}

因此，二分法的关键在于，如何建模check中的内容，其中可能会套用其他的方法和数据结构。

关于建模的问题，这里会另外再写一篇文章。

二分代码模板优化

int bin_search(int *a, int n, int tar) {
	int l = 1, r = n;
	int mid = l + (r - l) / 2;
	while (l + 1!= r) {
		mid = l + (r - l) / 2;
		if (check(mid)) {
			l = mid;
		} else {
			r = mid;
		}
	}
	return ...; 			//返回值可以是l也可以是r，根据具体情况判断
}