当前位置: 首页 > backend >正文

二分搜索 (左程云)

二分搜索\huge二分搜索二分搜索

有序\red{有序}有序的数组中确定num是否存在

二分法应用的最常见也是最简单的场景,就是确定一个有序的数组中是否存在某个元素numnumnum
经典二分代码:

public static boolean exist(int[] arr, int num) {if (arr == null || arr.length == 0) {return false;}int l = 0, r = arr.length - 1, m = 0;while (l <= r) {m = l + (r - l) / 2;if (arr[m] == num) {return true;} else if (arr[m] > num) {r = m - 1;} else {l = m + 1;}}return false;
}

m=l+(r−l)/2;m = l + (r - l) / 2;m=l+(rl)/2;:可以防止intintint数据的溢出,也可以写成m=l+(r−l)>>1m = l + (r - l) >>1m=l+(rl)>>1,位运算操作。

⭐⭐⭐在有序的数组中寻找 >= num 的最左的位置

也就是说找的是 >= numnumnum最小的元素位置。
关键在于二分的方向:
① 如果midmidmid处的元素 >= numnumnum,那么midmidmid处元素是不是最左侧的 >= mmm的元素呢?并不知道,可能midmidmid的左边还有元素满足条件,于是这种情况应该向左二分(区间左缩)。并且应该记录当前的midmidmid下标,万一midmidmid左边没有符合条件的元素了,那么midmidmid下标就是答案。
② 如果midmidmid处元素 < num,显然需要往右侧二分,并且不用记录midmidmid下标,因为不满足条件。

在这里插入图片描述
代码实现:

public static int findLeft(int[] arr, int num) {int l = 0, r = arr.length - 1, m = 0;int ans = -1;while (l <= r) {m = l + (r - l) / 2;if (arr[m] >= num) {			//区间需要往左侧缩小ans = m;					//记录当前的mid下标r = m - 1;} else {l = m + 1;					//右侧二分,不需要记录答案}}return ans;
}

⭐⭐⭐ 在有序数组中找到 <= num的最右位置

也就是说需要的是,在 <= numnumnum的元素中,最右侧的元素。
同理关键也是二分的方向:
①. 如果midmidmid处的元素 <= numnumnum了,那么midmidmid处的元素是不是最右侧呢?不知道,所以需要向右侧二分。同时记录一下答案,万一当前的midmidmid处元素就是最右侧的呢。
②. 如果midmidmid处的元素 > num,那么只能往左侧二分了,并且不需要记录,因为不符合条件。

综上有:
midmidmid处元素 <= numnumnum:向右侧二分,并且记录答案
midmidmid处元素 > numnumnum:向左侧二分,不用记录答案

代码实现

public static int findRight(int[] arr, int num) {int l = 0, r = arr.length - 1, m = 0;int ans = -1;while (l <= r) {m = l + (r - l) / 2;if (arr[m] <= num) {		//向右侧二分,并且保存答案ans = m;l = m + 1;} else {					//向左侧二分,不用保留答案r = m - 1;}}return ans;
}

🔥🔥🔥🔥🔥🔥🔥🔥🔥二分搜索不一定发生在有序的数组上(以峰值问题举例)

对于二分搜索的使用场景更加扩展,不必是有序的数组上\red{不必是有序的数组上}不必是有序的数组上,特定的问题求解也是可以使用二分搜索的。

峰值问题描述
对于一个数组中,如果iii处的元素都大于i−1i-1i1i+1i+1i+1处的元素,那么iii处的元素就是一个山峰。并且规定对于nnn长度的数组,−1-11下标与nnn下标处都是一个非常小的值,也就是说111下标与n−1n-1n1下标峰值的判断只需要单边判断即可。
现在所求的是数组中有无山峰,有的话任意返回一个山峰的下标即可。

原理思想
首先判断000n−1n-1n1下标处元素,是不是山峰元素,如果是直接返回作为答案就可以结束了。
如果不是山峰元素呢?分开说
对于000处元素,如果不是峰值元素,说明111的元素必然大于000元素,也就是说元素成上升趋势在这里插入图片描述。对于n−1n-1n1下标如果不满足条件,同理可知元素成下降的趋势在这里插入图片描述
对于整个数组,左侧上升趋势,右侧下降趋势,则区间中必然存在山峰(至少一个)。在这里插入图片描述
此时将区间转换到111n−2n-2n2这个区间中,检查中点及其相邻元素的情况。
示例
在这里插入图片描述
如果中间元素满足峰值定义,那么就直接返回中间元素。否则根据趋势来进行二分搜索。中间元素左侧成下降趋势,那么必然左边区间有峰值,向左搜索。如果右侧成上升趋势,那么必然是右侧区间有峰值,向右侧搜索(二分法核心展示)。

整体流程
在这里插入图片描述
代码实现

// 峰值元素是指其值严格大于左右相邻值的元素
// 给你一个整数数组 nums,已知任何两个相邻的值都不相等
// 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 nums[-1] = nums[n] = 无穷小
// 你必须实现时间复杂度为 O(log n) 的算法来解决此问题。
public class Code04_FindPeakElement {// 测试链接 : https://leetcode.cn/problems/find-peak-element/class Solution {public static int findPeakElement(int[] arr) {int n = arr.length;if (arr.length == 1) {			//只有一个元素的时候0下标元素就是峰值return 0;}if (arr[0] > arr[1]) {			//判断0下标是否满足return 0;}if (arr[n - 1] > arr[n - 2]) {	//判断n-1下标是否满足return n - 1;}int l = 1, r = n - 2, m = 0, ans = -1;	 //对于区间[1,n-2]进行二分搜索while (l <= r) {m = (l + r) / 2;if (arr[m - 1] > arr[m]) {			//左边整体趋势先上后下,必然有峰值r = m - 1;} else if (arr[m] < arr[m + 1]) {	//右边整体先上后下,必然有峰值l = m + 1;} else {	ans = m;break;}}return ans;}}

特别的,如果midmidmid处的元素整体趋势是凹进去的,那么左右两侧二分都可以:
在这里插入图片描述

二分答案法(待续)

http://www.xdnf.cn/news/15297.html

相关文章:

  • 【C/C++】编译期计算能力概述
  • uniapp弹出手机键盘,布局被顶飞,导致页面混乱问题
  • 使用Pycharm集成开发工具远程调试部署在虚拟机上的flask项目:超级详细的完整指南
  • Rust Web 全栈开发(六):在 Web 项目中使用 MySQL 数据库
  • Transforms
  • 单向链表反转 如何实现
  • JVM的垃圾回收算法和多种GC算法
  • Redis面试精讲 Day 1:Redis核心特性与应用场景
  • Day59
  • JavaWeb(苍穹外卖)--学习笔记05(MD5)
  • 2D转换之缩放scale
  • Cursor创建Spring Boot项目
  • 关于赛灵思的petalinux zynqmp.dtsi文件的理解
  • 网络连接:拨号连接宽带PPPOE
  • 使用 Java 开发大数据应用:Hadoop 与 Java API 的结合
  • Golang 面向对象(封装、继承、多态)
  • Eureka实战
  • Git企业级开发(多人协作)
  • 【设计模式】装饰(器)模式 透明装饰模式与半透明装饰模式
  • Java生产带文字、带边框的二维码
  • Flink创建执行环境的三种方式,也是Flink搭建程序的第一步
  • React 组件中怎么做事件代理?它的原理是什么?
  • MyBatis实现分页查询-苍穹外卖笔记
  • openGauss数据库管理实战指南——基本常用操作总结
  • Sentry 集成
  • 【王树森推荐系统】行为序列02:DIN模型(注意力机制)
  • 【LeetCode453.最小操作次数使数组元素相等】
  • 深入解析C#接口实现的两种核心技术:派生继承 vs 显式实现
  • 论文阅读:HybridTrack: A Hybrid Approach for Robust Multi-Object Tracking
  • 前端开发中的资源缓存详解