LeetCode-33. Search in Rotated Sorted Array

Description

Suppose an array sorted in ascending order is rotated at some pivot unknown to you beforehand.

(i.e., [0,1,2,4,5,6,7] might become [4,5,6,7,0,1,2]).

You are given a target value to search. If found in the array return its index, otherwise return -1.

You may assume no duplicate exists in the array.

Your algorithm's runtime complexity must be in the order of O(log n).

Example 1

Input: nums = [4,5,6,7,0,1,2], target = 0
Output: 4

Example 2

Input: nums = [4,5,6,7,0,1,2], target = 3
Output: -1

Solution 1(C++)

class Solution {
public:
    int search(vector<int>& nums, int target) {
        int mid, left=0, right=nums.size()-1;
        while(left <= right){
            mid = left+((right-left)>>1);
            if(nums[mid] == target) return mid;
            if(nums[mid] < nums[right]){
                if(target > nums[mid] && target <= nums[right]) left = mid+1;
                else right = mid-1;
            }
            else{
                if(target < nums[mid] && target >= nums[left]) right = mid-1;
                else left = mid+1;
            }
        }
        return -1;
    }
};

后续更新

2018-5-12目前为止遇到的同类型的题目1,2;
2018-5-16更新题目3;

  1. LeetCode-81. Search in Rotated Sorted Array II
  2. LeetCode-153. Find Minimum in Rotated Sorted Array
  3. LeetCode-34. Search for a Range

算法分析

这是二分搜索的经典变形题:在Rotated Sorted Array中查找target。

之前还有做过的类似的题目可以参考:LeetCode-153. Find Minimum in Rotated Sorted Array

之前总结过的二分搜索的算法分析可以参考:

  1. Algorithm-Binary Search算法进阶理解
  2. Algorithm-Binary Search算法

虽然对于这一道题,我在我个人进阶理解中的方法并不能很有效的解决,因为这是一种新类型的题目。与进阶理解中的问题类型不同的是,这一道题就单论搜索而言,并不要求找到最大的i或者最小的i,而是只要找出来就好了(这也是因为这个数列中没有重复的元素,旋转之前的数列严格递增)。所以这里我们就可以略过向上或者向下取整的思考了。

而应该是在搜索循环中如果能直接满足条件:nums[mid] == target,就直接返回mid就好了。

然后就是,由于这里是旋转过的递增数组,所以要分类讨论一下:

  • nums[mid] < nums[right]时,mid~right的子数列是严格递增的,那么如果target在这个范围内:(target > nums[mid] && target <= nums[right]),那么就可以更新left:left=mid+1。否则更新right:right=mid-1;
  • nums[mid] > nums[left]时,mid~left的子数列是严格递增的,那么如果target在这个范围类:(target < nums[mid] && target >= nums[left]),那么就可以更新right:right=mid-1。否则更新left:left=mid+1;

注意,这里left与right更新都是mid+1或者mid-1,跳过mid,因为nums[mid] == target时,就直接返回mid就好了。

此外,要注意两个条件中的:target <= nums[right] 与 target >= nums[left] 一定要带上等号,因为如果不带上,就会导致最开始,如果正好nums[0]==target || nums[nums.size()-1]==target的时候会没能搜索到,而加上等号,那么就不会更新对应的left与right,而只更新right与left,那么这样,0与nums.size()-1就能一直保持不变,而对应的right与left不断缩小,mid=0或者mid=nums.size()-1。

程序分析

略。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值