class006 二分搜索【算法】

简介: class006 二分搜索【算法】

class006 二分搜索【算法】

算法讲解006【入门】二分搜索

code1 有序数组中是否存在一个数字

// 有序数组中是否存在一个数字

package class006;
import java.util.Arrays;
// 有序数组中是否存在一个数字
public class Code01_FindNumber {
  // 为了验证
  public static void main(String[] args) {
    int N = 100;
    int V = 1000;
    int testTime = 500000;
    System.out.println("测试开始");
    for (int i = 0; i < testTime; i++) {
      int n = (int) (Math.random() * N);
      int[] arr = randomArray(n, V);
      Arrays.sort(arr);
      int num = (int) (Math.random() * V);
      if (right(arr, num) != exist(arr, num)) {
        System.out.println("出错了!");
      }
    }
    System.out.println("测试结束");
  }
  // 为了验证
  public static int[] randomArray(int n, int v) {
    int[] arr = new int[n];
    for (int i = 0; i < n; i++) {
      arr[i] = (int) (Math.random() * v) + 1;
    }
    return arr;
  }
  // 为了验证
  // 保证arr有序,才能用这个方法
  public static boolean right(int[] sortedArr, int num) {
    for (int cur : sortedArr) {
      if (cur == num) {
        return true;
      }
    }
    return false;
  }
  // 保证arr有序,才能用这个方法
  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) / 2;
      if (arr[m] == num) {
        return true;
      } else if (arr[m] > num) {
        r = m - 1;
      } else {
        l = m + 1;
      }
    }
    return false;
  }
}

code2 有序数组中找>=num的最左位置

// 有序数组中找>=num的最左位置

package class006;
import java.util.Arrays;
// 有序数组中找>=num的最左位置
public class Code02_FindLeft {
  // 为了验证
  public static void main(String[] args) {
    int N = 100;
    int V = 1000;
    int testTime = 500000;
    System.out.println("测试开始");
    for (int i = 0; i < testTime; i++) {
      int n = (int) (Math.random() * N);
      int[] arr = randomArray(n, V);
      Arrays.sort(arr);
      int num = (int) (Math.random() * N);
      if (right(arr, num) != findLeft(arr, num)) {
        System.out.println("出错了!");
      }
    }
    System.out.println("测试结束");
  }
  // 为了验证
  public static int[] randomArray(int n, int v) {
    int[] arr = new int[n];
    for (int i = 0; i < n; i++) {
      arr[i] = (int) (Math.random() * v) + 1;
    }
    return arr;
  }
  // 为了验证
  // 保证arr有序,才能用这个方法
  public static int right(int[] arr, int num) {
    for (int i = 0; i < arr.length; i++) {
      if (arr[i] >= num) {
        return i;
      }
    }
    return -1;
  }
  // 保证arr有序,才能用这个方法
  // 有序数组中找>=num的最左位置
  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) / 2;
      // m = l + (r - l) / 2;
      m = l + ((r - l) >> 1);
      if (arr[m] >= num) {
        ans = m;
        r = m - 1;
      } else {
        l = m + 1;
      }
    }
    return ans;
  }
}

code3 有序数组中找<=num的最右位置

// 有序数组中找<=num的最右位置

package class006;
import java.util.Arrays;
// 有序数组中找<=num的最右位置
public class Code03_FindRight {
  // 为了验证
  public static void main(String[] args) {
    int N = 100;
    int V = 1000;
    int testTime = 500000;
    System.out.println("测试开始");
    for (int i = 0; i < testTime; i++) {
      int n = (int) (Math.random() * N);
      int[] arr = randomArray(n, V);
      Arrays.sort(arr);
      int num = (int) (Math.random() * N);
      if (right(arr, num) != findRight(arr, num)) {
        System.out.println("出错了!");
      }
    }
    System.out.println("测试结束");
  }
  // 为了验证
  public static int[] randomArray(int n, int v) {
    int[] arr = new int[n];
    for (int i = 0; i < n; i++) {
      arr[i] = (int) (Math.random() * v) + 1;
    }
    return arr;
  }
  // 为了验证
  // 保证arr有序,才能用这个方法
  public static int right(int[] arr, int num) {
    for (int i = arr.length - 1; i >= 0; i--) {
      if (arr[i] <= num) {
        return i;
      }
    }
    return -1;
  }
  // 保证arr有序,才能用这个方法
  // 有序数组中找<=num的最右位置
  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) >> 1);
      if (arr[m] <= num) {
        ans = m;
        l = m + 1;
      } else {
        r = m - 1;
      }
    }
    return ans;
  }
}

code4 162. 寻找峰值

// 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。

// 测试链接 : https://leetcode.cn/problems/find-peak-element/

package class006;
// 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) {
        return 0;
      }
      if (arr[0] > arr[1]) {
        return 0;
      }
      if (arr[n - 1] > arr[n - 2]) {
        return n - 1;
      }
      int l = 1, r = n - 2, m = 0, ans = -1;
      while (l <= r) {
        m = (l + r) / 2;
        if (arr[m - 1] > arr[m]) {
          r = m - 1;
        } else if (arr[m] < arr[m + 1]) {
          l = m + 1;
        } else {
          ans = m;
          break;
        }
      }
      return ans;
    }
  }
}

2023-12-10 13:12:08

相关文章
|
2月前
|
算法
【算法】二分算法——搜索插入位置
【算法】二分算法——搜索插入位置
|
4月前
|
存储 算法 Java
Java中,树与图的算法涉及二叉树的前序、中序、后序遍历以及DFS和BFS搜索。
【6月更文挑战第21天】Java中,树与图的算法涉及二叉树的前序、中序、后序遍历以及DFS和BFS搜索。二叉树遍历通过访问根、左、右子节点实现。DFS采用递归遍历图的节点,而BFS利用队列按层次访问。以下是简化的代码片段:[Java代码略]
39 4
|
6天前
|
大数据 UED 开发者
实战演练:利用Python的Trie树优化搜索算法,性能飙升不是梦!
在数据密集型应用中,高效搜索算法至关重要。Trie树(前缀树/字典树)通过优化字符串处理和搜索效率成为理想选择。本文通过Python实战演示Trie树构建与应用,显著提升搜索性能。Trie树利用公共前缀减少查询时间,支持快速插入、删除和搜索。以下为简单示例代码,展示如何构建及使用Trie树进行搜索与前缀匹配,适用于自动补全、拼写检查等场景,助力提升应用性能与用户体验。
20 2
|
2月前
|
机器学习/深度学习 算法 文件存储
【博士每天一篇文献-算法】 PNN网络启发的神经网络结构搜索算法Progressive neural architecture search
本文提出了一种名为渐进式神经架构搜索(Progressive Neural Architecture Search, PNAS)的方法,它使用顺序模型优化策略和替代模型来逐步搜索并优化卷积神经网络结构,从而提高了搜索效率并减少了训练成本。
38 9
|
2月前
|
算法
【算法】递归、搜索与回溯——汉诺塔
【算法】递归、搜索与回溯——汉诺塔
|
2月前
|
存储 算法 调度
基于和声搜索算法(Harmony Search,HS)的机器设备工作最优调度方案求解matlab仿真
通过和声搜索算法(HS)实现多机器并行工作调度,以最小化任务完成时间。在MATLAB2022a环境下,不仅输出了工作调度甘特图,还展示了算法适应度值的收敛曲线。HS算法模拟音乐家即兴创作过程,随机生成初始解(和声库),并通过选择、微调生成新解,不断迭代直至获得最优调度方案。参数包括和声库大小、记忆考虑率、音调微调率及带宽。编码策略将任务与设备分配映射为和声,目标是最小化完成时间,同时确保满足各种约束条件。
|
3月前
|
数据采集 算法 JavaScript
揭开JavaScript字符串搜索的秘密:indexOf、includes与KMP算法
JavaScript字符串搜索涵盖`indexOf`、`includes`及KMP算法。`indexOf`返回子字符串位置,`includes`检查是否包含子字符串。KMP是高效的搜索算法,尤其适合长模式匹配。示例展示了如何在数据采集(如网页爬虫)中使用这些方法,结合代理IP进行安全搜索。代码示例中,搜索百度新闻结果并检测是否含有特定字符串。学习这些技术能提升编程效率和性能。
揭开JavaScript字符串搜索的秘密:indexOf、includes与KMP算法
|
2月前
|
算法
【算法】递归、搜索与回溯——简介
【算法】递归、搜索与回溯——简介
|
3月前
|
大数据 UED 开发者
实战演练:利用Python的Trie树优化搜索算法,性能飙升不是梦!
【7月更文挑战第19天】Trie树,又称前缀树,是优化字符串搜索的高效数据结构。通过利用公共前缀,Trie树能快速插入、删除和查找字符串。
83 2
|
3月前
|
机器学习/深度学习 数据采集 算法
Python实现GBDT(梯度提升树)分类模型(GradientBoostingClassifier算法)并应用网格搜索算法寻找最优参数项目实战
Python实现GBDT(梯度提升树)分类模型(GradientBoostingClassifier算法)并应用网格搜索算法寻找最优参数项目实战
112 3
下一篇
无影云桌面