欢迎回到：遇见蓝桥遇见你，不负代码不负卿！
目录
好久不见啦铁汁们，蓝桥杯更新咯，快来尝尝鲜叭。
【前言】：由于本章基础知识点不多，所以笔者直接讲解四道典型题让大家感受一下二分法的美妙。
准备开始咯，坐稳哈...
引入：二分查找
【敲黑板】：用二分算法解题的前提是该数组有序！！！
【注意】：查找一次砍掉一半，效率非常高！但是条件比较苛刻，一定要有序！
题目描述
给定一个 n 个元素有序的（升序）整型数组 nums 和一个目标值 target ，写一个函数搜索 nums 中的 target，如果目标值存在返回下标，否则返回 -1。
示例1：
输入: nums = [-1,0,3,5,9,12], target = 9 输出: 4 解释: 9 出现在 nums 中并且下标为 4
示例2：
输入: nums = [-1,0,3,5,9,12], target = 2 输出: -1 解释: 2 不存在 nums 中因此返回 -1
题解
设定左右指针
找出中间位置，并判断该位置值是否等于 target
nums[mid] == target 则返回该位置下标
nums[mid] > target 则右侧指针移到中间
nums[mid] < target 则左侧指针移到中间
二分是一个比较简单的算法，只要大家记住上面这种套路就行啦。
代码执行
int search(int* nums, int numsSize, int target){ //考虑特殊情况 if(nums == NULL || numsSize == 0){ return -1; } int left = 0;//起始元素的索引 int right = numsSize - 1;//末尾元素的索引 int mid = 0; while(left <= right){ //应该有很多人会写成mid = (left + right) / 2;这种写法不谨慎 //因为做的是加法运算，所以要考虑溢出的特殊情况 mid = left + (right - left) / 2; if(nums[mid] < target){ left = mid + 1; }else if(nums[mid] > target){ right = mid - 1; }else{ return mid; } } return -1; }
【注意】：while判断表达式中是left <= right, 为什么还要加上left == right 的情况呢，当二者相等的时候说明还有一个元素需要被比较，所以当left > right时停下来，因为此时中间已经没有元素需要被比较了。至于为什么将mid = left + (right - left) / 2; 的形式，上面代码中已经讲咯。
复杂度分析
时间复杂度：O(logN)
空间复杂度：O(1)
看，二分法是很高效的，大家在今后的训练中，如果遇到查找搜索类的题目要求时间复杂度是O(logN)的，要想到二分法哦。
好嘞，这就是二分查找，是不是很简单，下面再补充几道典型例题，让大家熟悉二分。
例题一：搜索插入位置
题目描述
给定一个排序数组和一个目标值，在数组中找到目标值，并返回其索引。如果目标值不存在于数组中，返回它将会被按顺序插入的位置。
请必须使用时间复杂度为 O(log n) 的算法。
题目中要求使用时间复杂度为O(logN)的算法解题，所以结合本题题意，很容易就想到了二分法。
示例1：
输入: nums = [1,3,5,6], target = 5 输出: 2
示例2：
输入: nums = [1,3,5,6], target = 7 输出: 4
题解
- 整体思路和普通的二分查找几乎没有区别，先设定左侧下标 left 和右侧下标 right，再计算中间下标 mid
- 每次根据 nums[mid] 和 target 之间的大小进行判断，相等则直接返回下标，nums[mid] < target 则 left 右移，nums[mid] > target 则 right 左移
- 查找结束如果没有相等值则返回 left，该值为插入位置,注意哦，最后如果没有相等值，返回的是left
【注意】：
二分查找的思路不难理解，但是边界条件容易出错，比如 循环结束条件中 left 和 right 的关系，更新 left 和 right 位置时要不要加 1 减 1。这些都是大家自己动手画图理解，用代码去体会，只可意会不可言传哦。
代码执行
int searchInsert(int* nums, int numsSize, int target){ //考虑特殊情况 if(nums == NULL || numsSize == 0){ return -1; } int left = 0; int right = numsSize - 1; int mid = 0; while(left <= right){ mid = left + (right - left) / 2; if(nums[mid] > target){ right = mid - 1; }else if(nums[mid] < target){ left = mid + 1; }else{ return mid; } } return left; }
复杂度分析
时间复杂度：O(logN)
空间复杂度：O(1)
是不是很简单，下面开始蹭加点难度咯，有点绕，需要仔细想哦，加油加油。
例题二：寻找峰值
题目描述
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，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] = -∞ 。
你必须实现时间复杂度为 O(log n) 的算法来解决此问题。
示例1：
输入：nums = [1,2,3,1] 输出：2 解释：3 是峰值元素，你的函数应该返回其索引 2。
示例2：
输入：nums = [1,2,1,3,5,6,4] 输出：1 或 5 解释：你的函数可以返回索引 1，其峰值元素为 2； 或者返回索引 5， 其峰值元素为 6。
题解
【注意】：二分法解题的前提要求是有序的，这题看起来没说有序呀，那怎么还能用二分法呢，我们也不能先进行排序，因为会把索引打乱，那该怎么办呢，请朝后看...
描述这个规律就是：
- 规律一：如果nums[mid] > nums[mid+1]，则在mid之前一定存在峰值元素
- 规律二：如果nums[mid] < nums[mid+1]，则在mid+1之后一定存在峰值元素
代码执行
int findPeakElement(int* nums, int numsSize){ //考虑特殊情况 if(nums == NULL || numsSize == 0){ return -1; } int left = 0; int right = numsSize - 1; int mid = 0; while(left <= right){ if(left == right){ return left; } mid = left + (right - left) / 2; if(nums[mid] > nums[mid + 1]){ right = mid;//mid之前一定存在峰值元素 }else{ left = mid + 1;//mid+1之后一定存在峰值元素 } } return left; }
复杂度分析
时间复杂度：O(logN)
空间复杂度：O(1)
例题三：搜索二维矩阵
题目描述
编写一个高效的算法来判断 m x n 矩阵中，是否存在一个目标值。该矩阵具有如下特性：
每行中的整数从左到右按升序排列。
每行的第一个整数大于前一行的最后一个整数。
也就是说，整个二维数组都是升序的。
示例1：
输入：matrix = [[1,3,5,7],[10,11,16,20],[23,30,34,60]], target = 3 输出：true
示例2：
输入：matrix = [[1,3,5,7],[10,11,16,20],[23,30,34,60]], target = 13 输出：false
题解
【注意】：本题的重点就在于一维索引和二维索引间的互换
代码执行
bool searchMatrix(int** matrix, int matrixSize, int* matrixColSize, int target){ //考虑特殊情况 if(matrix == NULL || matrixSize == 0){ return false; } int row = matrixSize;//行数 int col = *matrixColSize;//列数 int left = 0;//起始元素的索引 int right = row * col - 1;//最后一个元素的索引 int mid = 0; int element = 0; while(left <= right){ mid = left + (right - left) / 2; element = matrix[mid / col][mid % col];//将一维的索引化成二维的索引 if(element == target){ return true; }else if(element > target){ right = mid - 1; }else{ left = mid + 1; } } return false; }
复杂度分析
时间复杂度：O(logM*N), M,N分别是矩阵的行数和列数
空间复杂度：O(1)
好喽，铁汁把上面四道题目练习一遍，肯定就能对二分算法有一定的认识，加油加油哦。
思考题
大家先将上篇博文（分治算法）看一下，现在讲解那道留下的思考题。
蓝桥杯算法竞赛系列第三章——细谈递归的bro分治_安然无虞的博客-CSDN博客
最大子序和
题目描述
给定一个整数数组，找到一个具有最大和的连续子数组（子数组中至少包含一个数），要求返回其最大和。
注意：本题要求的是连续的子数组，可能有的题目要求可以是断开的，但本题不是。
将数组nums由中点mid分为三种情况：
1. 最大子串在左边
2. 最大子串在右边
3. 最大子串跨中点，左右两边元素都有（理解上的难点）
lSum 表示 [l,r] 内以 l 为左端点的最大子段和
rSum 表示 [l,r] 内以 r 为右端点的最大子段和
mSum 表示 [l,r] 内的最大子段和
iSum 表示 [l,r] 的区间和
代码执行
struct Status { int lSum, rSum, mSum, iSum; }; struct Status pushUp(struct Status l, struct Status r) { int iSum = l.iSum + r.iSum; int lSum = fmax(l.lSum, l.iSum + r.lSum); int rSum = fmax(r.rSum, r.iSum + l.rSum); int mSum = fmax(fmax(l.mSum, r.mSum), l.rSum + r.lSum); return (struct Status){lSum, rSum, mSum, iSum}; }; struct Status get(int* a, int l, int r) { if (l == r) { return (struct Status){a[l], a[l], a[l], a[l]}; } int m = l + (r - l) / 2; struct Status lSub = get(a, l, m); struct Status rSub = get(a, m + 1, r); return pushUp(lSub, rSub); } int maxSubArray(int* nums, int numsSize) { return get(nums, 0, numsSize - 1).mSum; }
由于想让大家搞懂知识点，所以这里的题目可能用这种解法不是最优解，没关系，我会在后面的算法中补充到，在每日一题中也会涉及到。今天就不布置思考题咯，铁汁们好好把上面题目自己尝试做出来。
蓝桥结语：遇见蓝桥遇见你，不负代码不负卿！
嘿嘿，期待铁汁们留言点评，如果能够再动动小手，给博主来个三连那就更好啦，您的认可就是我最大的动力！求求啦~~
