一、什么是二分查找
二分查找也称折半查找，是在一组有序(升序/降序)的数据中查找一个元素，它是一种效率较高的查找方法。
二、二分查找的原理
1、查找的目标数据元素必须是有序的。没有顺序的数据，二分法就失去意义。
2、数据元素通常是数值型，可以比较大小。
3、将目标元素和查找范围的中间值做比较（如果目标元素=中间值，查找结束），将目标元素分到较大/或者较小的一组。
4、通过分组，可以将查找范围缩小一半。
5、重复第三步，直到目标元素=新的范围的中间值，查找结束。
三、二分查找模板
1、朴素二分查找模板
2、一般二分查找模板
四、二分查找经典OJ题
4、1 二分查找
704. 二分查找 - 力扣（LeetCode）
1、题目描述
2、算法思路
a. 定义 left ， right 指针，分别指向数组的左右区间。 b. 找到待查找区间的中间点 mid ，找到之后分三种情况讨论： i. arr[mid] == target 说明正好找到，返回 mid 的值ii. arr[mid] > target 说明 [mid, right] 这段区间都是⼤于 target 的，因此舍去右边区间，在左边 [left, mid -1] 的区间继续查找，即让 right = mid - 1 ，然后重复 2 过程；
iii. arr[mid] < target 说明 [left, mid] 这段区间的值都是⼩于 target 的，因此舍去左边区间，在右边 [mid + 1, right] 区间继续查找，即让 left = mid + 1 ，然后重复 2 过程； c. 当 left 与 right 错开时，说明整个区间都没有这个数，返回 -1 。
3、算法代码
class Solution {
public:
int search(vector& nums, int target)
{
int left=0,right=nums.size()-1;
while(left<=right)
{
int mid=left+(right-left)/2;
if(nums[mid]>target)
{
right=mid-1;
}
else if(nums[mid]
4、2 在排序数组中查找元素的第⼀个和最后⼀个位置
34. 在排序数组中查找元素的第一个和最后一个位置 - 力扣（LeetCode）
1、题目描述：
2、算法思路：
⽤的还是⼆分思想，就是根据数据的性质，在某种判断条件下将区间⼀分为⼆，然后舍去其中⼀个
区间，然后再另⼀个区间内查找；
⽅便叙述，⽤
x
表⽰该元素，
resLeft
表⽰左边界，
resRight
表⽰右边界。
寻找左边界：
◦
我们注意到以左边界划分的两个区间的特点：
▪
左边区间
[left, resLeft - 1]
都是⼩于
x
的；
▪
右边区间（包括左边界）
[resLeft, right]
都是⼤于等于
x
的；
•
因此，关于
mid
的落点，我们可以分为下⾯两种情况：
◦
当我们的
mid
落在
[left, resLeft - 1]
区间的时候，也就是
arr[mid] < target 。说明
[left, mid]
都是可以舍去的，此时更新
left
到
mid + 1
的位置， 继续在 [mid + 1, right]
上寻找左边界；
◦
当
mid
落在
[resLeft
，
right]
的区间的时候，也就是
arr[mid] >= target
。 说明 [mid + 1, right]
（因为
mid
可能是最终结果，不能舍去）是可以舍去的，此时 更新 right
到
mid
的位置，继续在
[left, mid]
上寻找左边界；
•
由此，就可以通过⼆分，来快速寻找左边界；
注意：这⾥找中间元素需要向下取整。
因为后续移动左右指针的时候：
•
左指针：
left = mid + 1
，是会向后移动的，因此区间是会缩⼩的；
•
右指针：
right = mid
，可能会原地踏步（⽐如：如果向上取整的话，如果剩下
1,2
两个元
素，
left == 1
，
right == 2
，
mid == 2
。更新区间之后，
left
，
right
，
mid
的 值没有改变，就会陷⼊死循环）。
因此⼀定要注意，当
right = mid
的时候，要向下取整。
寻找右边界思路：
◦
⽤
resRight
表⽰右边界；
◦
我们注意到右边界的特点：
▪
左边区间 （包括右边界）
[left, resRight]
都是⼩于等于
x
的；
▪
右边区间
[resRight+ 1, right]
都是⼤于
x
的；
•
因此，关于
mid
的落点，我们可以分为下⾯两种情况：
◦
当我们的
mid
落在
[left, resRight]
区间的时候，说明
[left, mid - 1](mid 不可以舍去，因为有可能是最终结果） 都是可以舍去的，此时更新
left
到
mid 的位置；
◦
当 mid 落在 [resRight+ 1, right]
的区间的时候，说明
[mid, right]
内的元素 是可以舍去的，此时更新 right
到
mid - 1
的位置；
•
由此，就可以通过⼆分，来快速寻找右边界；
注意：这⾥找中间元素需要向上取整。
因为后续移动左右指针的时候：
•
左指针：
left = mid
，可能会原地踏步（⽐如：如果向下取整的话，如果剩下
1,2
两个元
素，
left == 1
，
right == 2
，
mid == 1
。更新区间之后，
left
，
right
，
mid
的值 没有改变，就会陷⼊死循环）。
•
右指针：
right = mid - 1
，是会向前移动的，因此区间是会缩⼩的； 因此⼀定要注意，当 right = mid
的时候，要向下取整。
3、算法代码
class Solution {
public:
vector searchRange(vector& nums, int target)
{
int begin=0;
if(nums.size()==0) return {-1,-1};
int left=0,right=nums.size()-1;
while(right>left) //找左端点
{
int mid=left+(right-left)/2;
if(nums[mid]left)
{
int mid=left+(right-left+1)/2;
if(nums[mid]<=target) left=mid;
else right=mid-1;
}
return {begin,right};
}
};
4、3 搜索插入位置
35. 搜索插入位置 - 力扣（LeetCode）
1、题目描述
2、算法思路
a.
分析插⼊位置左右两侧区间上元素的特点：
设插⼊位置的坐标为
index
，根据插⼊位置的特点可以知道：
•
[left, index - 1]
内的所有元素均是⼩于
target
的；
•
[index, right]
内的所有元素均是⼤于等于
target
的。
b.
设
left
为本轮查询的左边界，
right
为本轮查询的右边界。根据
mid
位置元素的信息，分析下⼀轮查询的区间：
▪
当
nums[mid] >= target
时，说明
mid
落在了
[index, right]
区间上，
mid
左边包括
mid
本⾝，可能是最终结果，所以我们接下来查找的区间在
[left, mid] 上。因此，更新
right
到
mid
位置，继续查找。
▪
当
nums[mid] < target
时，说明
mid
落在了
[left, index - 1]
区间上， mid 右边但不包括
mid
本⾝，可能是最终结果，所以我们接下来查找的区间在
[mid + 1, right] 上。因此，更新
left
到
mid + 1
的位置，继续查找。
c.
直到我们的查找区间的⻓度变为
1
，也就是
left == right
的时候，
left
或者
right
所在的位置就是我们要找的结果。
3、算法代码
class Solution {
public:
int searchInsert(vector& nums, int target)
{
int left=0,right=nums.size()-1;
while(right>left)
{
int mid=left+(right-left)/2;
if(nums[mid]
4、4 X的平方根
69. x 的平方根 - 力扣（LeetCode）
1、题目描述
2、算法思路
依次枚举
[0, x]
之间的所有数
i
：
（这⾥没有必要研究是否枚举到
x / 2
还是
x / 2 + 1
。因为我们找到结果之后直接就返回
了，往后的情况就不会再判断。反⽽研究枚举区间，既耽误时间，⼜可能出错）
▪
如果
i * i == x
，直接返回
x
；
▪
如果
i * i > x
，说明之前的⼀个数是结果，返回
i - 1
。
由于
i * i
可能超过
int
的最⼤值，因此使⽤
long long
类型
3、算法代码
class Solution {
public:
int mySqrt(int x)
{
if(x<1) return 0;
int left=1,right=x;
while(right>left)
{
long long mid=left+(right-left+1)/2;
if(mid*mid>x) right=mid-1;
else left=mid;
}
return left;
}
};
4、5 山峰数组的峰顶
852. 山脉数组的峰顶索引 - 力扣（LeetCode）
1、题目描述
2、算法思路
峰顶的特点：⽐两侧的元素都要⼤。
因此，我们可以遍历数组内的每⼀个元素，找到某⼀个元素⽐两边的元素⼤即可
3、算法代码
class Solution {
public:
int peakIndexInMountainArray(vector& arr)
{
for(int i=1;iarr[i-1]&&arr[i]>arr[i+1])
{
return i;
}
}
return 0;
}
};
4、5 寻找峰值
162. 寻找峰值 - 力扣（LeetCode）
1、题目描述
2、算法思路寻找⼆段性：
任取⼀个点
i
，与下⼀个点
i + 1
，会有如下两种情况：
•
arr[i] > arr[i + 1]
：此时「左侧区域」⼀定会存在⼭峰（因为最左侧是负⽆穷），那么我们可以去左侧去寻找结果；
•
arr[i] < arr[i + 1]
：此时「右侧区域」⼀定会存在⼭峰（因为最右侧是负⽆穷），那么我们可以去右侧去寻找结果。
当我们找到「⼆段性」的时候，就可以尝试⽤「⼆分查找」算法来解决问题。
3、算法代码
class Solution {
public:
int findPeakElement(vector& nums)
{
vector ret;
int left=0,right=nums.size()-1;
while(right>left)
{
int mid=left+(right-left+1)/2;
if(nums[mid]>nums[mid-1]) left=mid;
else right=mid-1;
}
return left;
}
};
4、6 寻找旋转排序数组中的最⼩值
153. 寻找旋转排序数组中的最小值 - 力扣（LeetCode）
1、题目描述
2、算法思路
题⽬中的数组规则如下图所示：
其中
C
点就是我们要求的点。
⼆分的本质：找到⼀个判断标准，使得查找区间能够⼀分为⼆。
通过图像我们可以发现，
[A
，
B]
区间内的点都是严格⼤于
D
点的值的，
C
点的值是严格⼩于 D
点的值的。但是当
[C
，
D]
区间只有⼀个元素的时候，
C
点的值是可能等于
D
点的值的。
因此，初始化左右两个指针
left
，
right
：然后根据 mid
的落点，我们可以这样划分下⼀次查询的区间：
▪
当
mid
在
[A
，
B]
区间的时候，也就是
mid
位置的值严格⼤于
D
点的值，下⼀次查询区间在 [mid + 1
，
right]
上；
▪
当
mid
在
[C
，
D]
区间的时候，也就是
mid
位置的值严格⼩于等于
D
点的值，下次查询区间在 [left
，
mid]
上。
当区间⻓度变成
1
的时候，就是我们要找的结果。
3、算法代码
class Solution {
public:
int findMin(vector& nums)
{
int tmp=nums[nums.size()-1];
int left=0,right=nums.size()-1;
while(right>left)
{
int mid=left+(right-left)/2;
if(nums[mid]>tmp) left=mid+1;
else right=mid;
}
return nums[left];
}
};
4、7 0~n-1缺失的数字
LCR 173. 点名 - 力扣（LeetCode）
1、题目描述
2、算法思路
关于这道题中，时间复杂度为
O(N)
的解法有很多种，⽽且也是⽐较好想的，这⾥就不再赘述。
本题只讲解⼀个最优的⼆分法，来解决这个问题。
在这个升序的数组中，我们发现：
▪
在第⼀个缺失位置的左边，数组内的元素都是与数组的下标相等的；
▪
在第⼀个缺失位置的右边，数组内的元素与数组下标是不相等的。
因此，我们可以利⽤这个「⼆段性」，来使⽤「⼆分查找」算法。
3、算法代码
class Solution {
public:
int takeAttendance(vector& records)
{
int left=0,right=records.size()-1,k=0;
while(right>left)
{
int mid = left+(right-left)/2;
if(records[mid]!=mid) right=mid;
else left=mid+1;
}
return left==records[left]?left+1:left;
}
猜你喜欢
网友评论
- 搜索
- 最新文章
- 热门文章