数据结构和算法01-二分查找

二分查找

* 使用场景：数组内容有序

基础二分查找法
 

  int i = 0;int j = a.length-1;
    //此处如果不是等于，则会少计算一步，导致部分判断失效
    while(i <= j){    
        int m = (i+j)>>>1;    
        if(target < a[m]){        
            j = m-1;    
        }else if(target > a[m]){        
            i = m+1;    
        }else{        
            return m;    
        };

#### 运算符
    右移运算符 >>1 相当于除以2 向下取整 二进制表示 如果为正数，则前面补0负数补1
    左移运算符 <<1 相当于乘以2
    无符号右移动运算符 >>>1 相当于除以2,取绝对值 向下取整 二进制表示 前面补0

#### 二分查找法-改
    i

int i = 0;int j = a.length;
    while(i < j){    
        int m = (i+j)>>>1;    
        if(target < a[m]){        
            j = m;   
        }else if(target > a[m]){        
            i = m+1;    
        }else{        
            return m;    
        };

    
#### 二分查找法--平衡版
   

int i = 0;int j = a.length;
    while((j-i) > 1){    
        int m = (i+j)>>>1;    
        if(target < a[m]){        
            j = m;    
        }else{        
            i = m;    
        }
    }
    if(a[i] == target){    
        return i;
        }else{    
        return -1;
    }

#### 二分查找法--重复数据--最左or最右
   

int i = 0;
    int j = a.length-1;
    int candidate = -1;
    while(i <= j){    
        int m = (i+j)>>>1;    
        if(target < a[m]){        
            j = m-1;    
        }else if(target > a[m]){        
            i = m+1;    
        }else{        
            candidate = m;        
            //最左
            j = m-1;
            //最右
            i = m+1;   
        }
    }
    return candidate;

#### 二分查找法--重复数据--最左or最右--改
   

//最左
    while(i <= j){    
        int m = (i+j)>>>1;    
        if(target <= a[m]){        
            j = m-1;    
        }else{        
            i = m+1;    
        }
    }
    return i;
    //最右
    while(i <= j){    
    int m = (i+j)>>>1;    
        if(target >= a[m]){        
            i = m+1;    
        }else{        
            j = m-1;    
        }
    }
    return j;

       
       
#### 大O表示法--时间复杂度

* 单项式中 常量可以忽略
* 多项式中，低次项可以忽略

可表达为 O(g(n))

按时间复杂度从低到高
黑色横线 O(1)，常量时间，意味着算法时间并不随数据规模而变化
绿色 O($log(n)$)，对数时间
蓝色 O(n)，线性时间，算法时间与数据规模成正比。
橙色 O($n * log(n)$)，拟线性时间
·红色 O($n^2$)平方时间 工
黑色朝上 O($2^n$)指数时间
O(n!)

1. 渐进上界  最差情况 O
2. 渐进下界  最优情况 Ω
3. 渐进紧界  技能作为上届，也能作为下届 Θ