【0基础学算法】二分查找 (超详细讲解+私人笔记+源码)

简介: 笔记

查找也是有特殊情况的,比如数列本身是有序的。这个有序数列是怎么产生的呢?有时它可能本身就是有序的,也有可能是我们通过之前所学的排序算法得到的。不管怎么说,我们现在已经得到了有序数列了并需要查找。这时二分查找该出场了。


概述


二分查找又称折半查找、二分搜索、折半搜索等,是在分治算法基础上设计出来的查找算法,对应的时间复杂度为O(logn)。


到这里是不是感觉很熟悉,我们前两期的算法知识,也是基于分治的方法去进行学习的,如果有这方面还不了解的朋友,你可以到我的第一篇文章(0基础学算法)里面去查看一下。


二分查找理解


二分查找就是使用二分查找算法搜索目标元素的核心思想是:不断地缩小搜索区域,降低查找目标元素的难度。

6.png




我们现在在网络上去寻找二分查找的知识时,有很多教程在讲解二分查找的实现时,向我们讲解的是,在一个升序的列表中;也就是都会提到一个顺序的列表的前提条件。确实顺序列表可以使用二分查找,但是这也会给我们造成一个误解,只有顺序列表才能使用二分查找,其实并不是这样的,在这里我强调一下:


有顺序或者是有单调性一定可以二分查找;但是,可以二分查找并不一定有单调性。


所以对于二分查找我们这样理解即可:也就是给定我们一个区间,有一个条件,它可以将我们这个区间去分成左右两个部分(这两个部分可以不相邻);这时我们就可以去使用二分查找的方法了。


看完上面的知识,我们就可以了解到,什么时候可以使用二分查找,这个知识很重要,因为我们在学习算法时,会接触到很多很多知识,你学完所有的知识,也都熟悉掌握了,但是你不知道什么时候用什么知识,这样会大大降低你写题的效率,所有学会什么时候使用知识,这也是我们学习的重点之一。


二分查找实现


下面,我们就开始正式的讲解二分查找了,我们将二分查找分成两个部分:整数二分、实数二分。其中整数二分是最麻烦的,因为如果我们处理不好边界问题,会很容易的造成死循环,实数二分就很简单,如果我们可以正确的理解掌握整数二分,那么实数二分就是不在话下的。


举例说明

在这里我们给出一串数字,想要查找3数字对应的下标范围。

7.png



这时我们就要使用二分查找了,我们通过观察图片可以看出数字3的范围是 [3,4] 。


第一步我们先找中点,即中点是2 。

8.png


这时我们判断2是小于三的,所以我们左半边的部分可以一并砍掉,留下右半边。(判断条件 Mid >= x ;可以暂时不考虑,先学习大致方法)


这时我们再次找中点,即:4 。


9.png


这时我们判断3>=3, 满足条件,所以更新右半边。


10.png


这时我们继续进行判断,Mid:3 ;满足条件,所以更新区间,这一次更新区间后下标就只有3了,这时我们也成功的把左半下标成功找到。


然后我们判断一下是否有解,也就是最后更新的区间最边界值是否等于我们想要求的值,如果相等那么就是存在,如果不相等,就是不存在。


之后我们如法炮制的去进行求右半边点,这时求右半边的点要求就变成了判断 Mid <= x ;


这时我们进行计算Mid跟左半边不太一样,这里到下面讲解时会讲些。


11.png


由于3<=3 满足条件,所以将左半边删去,因为这时就算有右半边范围也只可能时Mid点,也不可能在Mid点前面。


12.png


这时我们继续计算Mid点,即:4 .

13.png



这时继续判断,发现3<=3 ;所以砍掉左边部分 ;

14.png


这时我们继续计算中点,发现Mid:5 ;此时4>3 ;所以不满足。


这时山区左半边就剩下一个元素,其对应的下标也就是我们的右半边了。


程序结束。


完整流程以及笔记如下:

15.png

16.png

整数二分

其实整数二分的本质也就是边界问题了。在这里,我们将会为大家提供两个模板,提前剧透一下这两个模板的根本区别就在于"+1"。


17.png


所以这两个模板也就是求两个边界点的模板,就是图中红色斑块模板和蓝的板块的模板。


模板讲解

我们将整数二分成了两个板块,那么我们下面就来分析一下这两个板块了。


红色区间:


1.取Mid点为中间点。


2.判断mid点。(后面详细讲解)


3.判断是否满足:(l、r初始为左右端点)


       满足:更新区间, l=mid ;


       不满足:更新区间,r=mid-1;


蓝色区间:


1.取Mid点为中间点。


2.判断mid点。(后面详细讲解)


3.判断是否满足:(l、r初始为左右端点)


       满足:更新区间, r=mid ;


       不满足:更新区间,l=mid+1;


看了上面的部分,我们就对二分查找的整个流程就有了一个具体的认识,那么下面我们就要对二分查找的细节去进行一个详细的解释了。


二分查找细节

首先,我们要知道的是,题目中l,r在最初始时是数组的左右两端点,并且这里给出一个数组a来方便我们理解。


对于mid点


mid点也就是数组的中点下标,其结果是(l+r)/2,但是切记如果我们在使用红色区间的模板时,mid点需要设为:(l+r+1)/2;


其原因主要是因为在C++中除法是进行向下取整的,当 l = r-1 的时候,我们进行红色区域的操作时,(l+r)/2 = l ;这个时候如果我们正确的话,更新区间为l=mid,但mid=l;所以这时就进入到了一个死循环中,于是算法就不成立,这时我们+1后就可以完美解决这个问题了。


那么在使用的时候我们应该怎么样取规避掉这些错误呢?


在这里教给大家一个简单的方法,就是我们刚开始也不用管是否+1,先写,在判断条件的时候,如果成立情况下,是要 l=mid 这时就需要进行+1的操作了,否则的话,我们就不需要进行 +1 的操作。


如何判断变换左右点


平时在这方面一直会有朋友来问,我应该怎么样判断我需要取的点是 l=mid 还是 r=mid 以及还有怎么判断是该 l = mid+1, 为啥要 +1 而不是 -1 啊?


这里我们还是要从回归模板本质,我们设想一下,如果给出我们一个有序数组,让我们取找到其中一个数(num)的位置,那么当我们的 a[mid] >= num 的时候,此时,min下标后面的元素全都不可能成为数字num的范围,因为min下标后面的数都比mid大,所以我们的num位置一定在左半区,这样我们就只需要更新r点就可以了,同理我们判断更新l的时候也是这样的。


那我们又应该如何去判断+1 -1的问题呢?这里我们继续使用上面的例子,如果a[mid]>=num不成立,那么这个时候mid点以及mid点左半部分,就一定不会是num的范围,这时我们应该更新l,但l为什么是mid+1呢?一位我们前面判断的时候判断条件是 >= 也就是,不满足此条件的就不可能出现 = num 的情况,所以mid必不可能在num的范围内。


那为什么我们上面的判断不需要 +1 -1呢?因为上面我们使用的是大于等于,所以有一种 a[mid]=num的情况需要我们去考虑,那这个mid很有可能就是其边界点,这时我们就不可以去进行 +1 -1的操作。


模板实现

红色区域情况


bool check(int x) {/* ... */}  // 检查x是否满足某种性质
// 区间[l, r]被划分成[l, mid]和[mid + 1, r]时使用:
int red(int l, int r)
{
  while (l < r)
  {
  int mid = (l + r)/2 ;
  if (check(mid)) r = mid;    // check()判断mid是否满足性质
  else l = mid + 1;
  }
  return l;
}

蓝色区域情况:


bool check(int x) {/* ... */} // 检查x是否满足某种性质
// 区间[l, r]被划分成[l, mid - 1]和[mid, r]时使用:
int bule(int l, int r)
{
  while (l < r)
  {
  int mid = (l + r + 1)/2;
  if (check(mid)) l = mid;
  else r = mid - 1;
  }
  return l;
}

注意注意:当true需要执行 l=mid时,计算mid的时候就需要 +1 。


实数二分

对于实数二分就是一种比较简单的二分方法了,就比如我们想要求一个数的三次方根就可以使用这种方法。


在这可能有朋友会产生两个问题;


第一,为什么求三次方根可以使用二分查找。我们思考一下我在讲二分查找的时候我说过的一句话,也就是给定我们一个区间,有一个条件,它可以将我们这个区间去分成左右两个部分(这两个部分可以不相邻);这时我们就可以去使用二分查找的方法了。那咱们看一下这个情况,我们将这个数的三次方根放入一个顺序的范围内,然后我们不断判断 a[mid]的三次方与我们要计算的数相比,这样是不是可以将其划分为左右两个部分;这是我们就满足的它的条件,那么我们也就可以去使用二分查找了。18.png


第二,为什么二分查找可以去求得三次方,这里我们其实最后算出来的是一个范围,但是这个范围是足够的小,以至于我们在输出前几位数字的时候它不会有差别,所以也就是变向的计算出了其三次方根了。


实数二分模板

实数二分的模板就不分两部分了,他只有一种。


1.取Mid点为中间点。


2.判断mid点。


3.判断是否满足:(l、r初始为左右端点)


       满足:更新区间, r=mid ;


       不满足:更新区间,l=mid;


这样一看是不是就发现实数二分要比我们的整数二分要简单很多了。


模板

bool check(double x) {/* ... */} // 检查x是否满足某种性质
double bsearch(double l, double r)
{
    const double eps = 1e-6;   // eps 表示精度,取决于题目对精度的要求
                                //通常我们要保存精度大两位
    while (r - l > eps)
    {
        double mid = (l + r) / 2;
        if (check(mid)) r = mid;
        else l = mid;
    }
    return l;
}

习题讲解

题目一 数的范围

题目描述

给定一个按照升序排列的长度为n的整数数组,以及 q 个查询。

对于每个查询,返回一个元素k的起始位置和终止位置(位置从0开始计数)。

如果数组中不存在该元素,则返回“-1 -1”。



输入格式

第一行包含整数n和q,表示数组长度和询问个数。

第二行包含n个整数(均在1~10000范围内),表示完整数组。

接下来q行,每行包含一个整数k,表示一个询问元素。



输出格式

共q行,每行包含两个整数,表示所求元素的起始位置和终止位置。

如果数组中不存在该元素,则返回“-1 -1”。



数据范围

1≤n≤100000


1≤q≤10000


1≤k≤10000


样例

输入样例:


6 3

1 2 2 3 3 4

3

4

5


输出样例:


3 4

5 5

-1 -1

思路


本题是练习二分很好的一道题目,二分程序虽然简单,但是如果写之前不考虑好想要查找的是什么,十有八九会是死循环或者查找错误,就算侥幸写对了也只是运气好而已。用二分去查找元素要求数组的有序性或者拥有类似于有序的性质,对本题而言,一个包含重复元素的有序序列,要求输出某元素出现的起始位置和终止位置,翻译一下就是:在数组中查找某元素,找不到就输出-1,找到了就输出不小于该元素的最小位置和不大于该元素的最大位置。所以,需要写两个二分,一个需要找到>=x的第一个数,另一个需要找到<=x的最后一个数。查找不小于x的第一个位置,较为简单。

int l = 0, r = n - 1;
while (l < r) {
    int mid = (l + r )/2;
    if (a[mid] < x)  l = mid + 1;
    else    r = mid;
}

当a[mid]小于x时,令l = mid + 1,mid及其左边的位置被排除了,可能出现解的位置是mid + 1及其后面的位置;当a[mid] >= x时,说明mid及其左边可能含有值为x的元素;当查找结束时,l与r相遇,l所在元素若是x则一定是x出现最小位置,因为l左边的元素必然都小于x。查找不大于x的最后一个位置 同理而言,查找不大于x的最后一个位置,当a[mid] <= x时,待查找元素只可能在mid及其后面,所以l = mid;当a[mid] > x时,待查找元素只会在mid左边,令r = mid。


AC


#include <iostream>
using namespace std ;
const int N = 100010 ;
int a[N] ;
int main()
{
  int n , q ;
  cin >> n >> q;
  int num , mid , l, r ;
  for(int i=0; i<n; i++)
  {
  cin >> a[i] ;
  }
  while(q--)
  {
  cin >> num ;
  l = 0, r = n-1 ;
  while(l<r)  //判断,当l=r时停止
  {
    mid = (l+r)/2 ; //调用模板
    if(a[mid]>=num)
    {
    r = mid ;
    }
    else
    {
    l = mid+1 ;
    }
  }
  if(a[l] != num) cout <<"-1 -1" << endl ;  //如果不存在输出
  else{
    cout << l << " " ;  //输出左半边下标
    l = 0, r = n-1 ;
    while(l<r)
    {
    mid = (l+r+1)/2 ;
    if(a[mid]<=num)
    {
      l = mid ;
    }
    else{
      r = mid - 1 ;
    }
    }
    cout << l << endl ; //输出右半边下标
  }
  }
  return 0 ;
}

在这里需要提醒的是,题目中说不存在该元素,并不是我们的二分查找没有结果,这两个意思是不用的,我们的二分查找模板是一定会输出一个范围的,只是当数组中不存在该元素会输出的范围是特定的,所以通过我们判断这个范围去判断是否存在该元素,并不是我们的二分查找没有结果。


题目二 数的三次方根

给定一个浮点数 n,求它的三次方根。


输入格式


共一行,包含一个浮点数 n。


输出格式


共一行,包含一个浮点数,表示问题的解。


注意,结果保留 6 位小数。


数据范围


−10000≤n≤10000−10000≤n≤10000

输入样例:


1000.00

输出样例:


10.000000

思路:


对于这道题目实质上就是考察了我们二分的相关知识,也就是我们将这个三次方的数设定一根范围,在这个范围内去不断缩小这个数的大小范围,知道缩小到我们想要的结果为止。


具体流程如下:

20.png



在这里,结果是想要保留六为小数,所以我们将结果的范围控制在10^-8以内就可以了,这时不论我们输出 l 还是输出 r ,保留六位小数的结果都是相同的。


AC:

#include<iostream>
using namespace std ;
int main()
{
  double x ;
  cin >> x ;
  double l = -10000, r = 10000 ;    //范围
  double num = 1e-8 ;    //设置精度
  while(r-l >= num)        //调用模板
  {
  double mid = (l+r)/2 ;
  if(x >= mid*mid*mid)
  {
    l = mid ;
  }
  else{
    r = mid ;
  }
  }
  printf("%.6lf", l) ;        //保留小数
  return 0 ;
}


到这里我们的二分查找也就讲解结束了,希望大家都可以听懂,如果还有什么不会的可以在评论下面提出,我看到后就会立即回复的。也希望大家可以多多支持,加油!一起进步。


相关文章
|
11天前
|
搜索推荐 算法 C语言
【排序算法】八大排序(上)(c语言实现)(附源码)
本文介绍了四种常见的排序算法:冒泡排序、选择排序、插入排序和希尔排序。通过具体的代码实现和测试数据,详细解释了每种算法的工作原理和性能特点。冒泡排序通过不断交换相邻元素来排序,选择排序通过选择最小元素进行交换,插入排序通过逐步插入元素到已排序部分,而希尔排序则是插入排序的改进版,通过预排序使数据更接近有序,从而提高效率。文章最后总结了这四种算法的空间和时间复杂度,以及它们的稳定性。
53 8
|
11天前
|
搜索推荐 算法 C语言
【排序算法】八大排序(下)(c语言实现)(附源码)
本文继续学习并实现了八大排序算法中的后四种:堆排序、快速排序、归并排序和计数排序。详细介绍了每种排序算法的原理、步骤和代码实现,并通过测试数据展示了它们的性能表现。堆排序利用堆的特性进行排序,快速排序通过递归和多种划分方法实现高效排序,归并排序通过分治法将问题分解后再合并,计数排序则通过统计每个元素的出现次数实现非比较排序。最后,文章还对比了这些排序算法在处理一百万个整形数据时的运行时间,帮助读者了解不同算法的优劣。
42 7
|
1月前
|
算法 C# 索引
C#二分查找算法
C#二分查找算法
|
1月前
|
算法 API 计算机视觉
人脸识别笔记(一):通过yuface调包(参数量54K更快更小更准的算法) 来实现人脸识别
本文介绍了YuNet系列人脸检测算法的优化和使用,包括YuNet-s和YuNet-n,以及通过yuface库和onnx在不同场景下实现人脸检测的方法。
35 1
|
1月前
|
JSON 算法 数据可视化
测试专项笔记(一): 通过算法能力接口返回的检测结果完成相关指标的计算(目标检测)
这篇文章是关于如何通过算法接口返回的目标检测结果来计算性能指标的笔记。它涵盖了任务描述、指标分析(包括TP、FP、FN、TN、精准率和召回率),接口处理,数据集处理,以及如何使用实用工具进行文件操作和数据可视化。文章还提供了一些Python代码示例,用于处理图像文件、转换数据格式以及计算目标检测的性能指标。
59 0
测试专项笔记(一): 通过算法能力接口返回的检测结果完成相关指标的计算(目标检测)
|
1月前
|
算法
❤️算法笔记❤️-(每日一刷-160、相交链表)
❤️算法笔记❤️-(每日一刷-160、相交链表)
17 1
|
1月前
|
数据可视化 搜索推荐 Python
Leecode 刷题笔记之可视化六大排序算法:冒泡、快速、归并、插入、选择、桶排序
这篇文章是关于LeetCode刷题笔记,主要介绍了六大排序算法(冒泡、快速、归并、插入、选择、桶排序)的Python实现及其可视化过程。
14 0
|
1月前
|
存储 算法 C语言
【C语言】二分查找算法
【C语言】二分查找算法
|
1月前
|
算法
❤️算法笔记❤️-(每日一刷-83、删除排序链表中的重复项)
❤️算法笔记❤️-(每日一刷-83、删除排序链表中的重复项)
31 0
|
1月前
|
算法
❤️算法笔记❤️-(每日一刷-26、删除有序数组的重复项)
❤️算法笔记❤️-(每日一刷-26、删除有序数组的重复项)
23 0