【数据结构与算法】二分查找算法

简介: 【数据结构与算法】二分查找算法

👉前言👈


相信大家之前已经过学习二分查找算法了,也知道二分查找算法使用的前提:严格有序的数组。那是不是永远都需要满足这个前提才能使用二分查找算法呢?本文将给出一些二分查找算法类型的题目,与你一探究竟。


👉二分查找👈


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



提示:


你可以假设 nums 中的所有元素是不重复的。

n 将在 [1, 10000]之间。

nums 的每个元素都将在 [-9999, 9999]之间。


以上就是二分查找的母体了,这是最简单、最基础的。现在我们来写代码实现它。

833d79a6d5124af080bd8b8826a0509a.png

int search(int* nums, int numsSize, int target) 
{
    int left = 0;
    int right = numsSize - 1;
    while (left <= right)
    {
        int mid = left + (right - right) / 2;
        if (nums[mid] > target)
        {
            right = mid - 1;
        }
        else if (nums[mid] < target)
        {
            left = mid + 1;
        }
        else
            return mid;
    }
    return -1;
}

6536f5e7355f4570935d667ec247ae8d.jpg


分析:二分查找算法有左闭右闭区间和左闭右开区间两种写法,博主的二分查找算法的写法均采取的左闭右闭区间的写法。采用左闭右闭区间写法时,当 nums[mid] > target 时,right = mid - 1;当 nums[mid] < target 时,left = mid + 1;当nums[mid] == target 时,直接 return mid。还需要注意的是 mid 要定义在 while 循环内部。


👉猜数字大小👈


猜数字游戏的规则如下:

  • 每轮游戏,我都会从 1 到 n 随机选择一个数字。 请你猜选出的是哪个数字。
  • 如果你猜错了,我会告诉你,你猜测的数字比我选出的数字是大了还是小了。
  • 你可以通过调用一个预先定义好的接口 int guess(int num) 来获取猜测结果,返回值一共有 3 种可能的情况(-1,1 或 0):


-1:我选出的数字比你猜的数字小 pick < num


1:我选出的数字比你猜的数字大 pick > num


0:我选出的数字和你猜的数字一样。恭喜!你猜对了!pick == num


示例 1:

输入:n = 10, pick = 6

输出:6


示例 2:


输入:n = 1, pick = 1

输出:1


提示:


1 <= n <= 2^31 - 1

1 <= pick <= n


int guessNumber(int n){
      int left=1;
      int right=n;
      int mid=0;
      while(left<=right)
      {
          mid=left+(right-left)/2;
          if(guess(mid)==1)
          {
              left=mid+1;
          }
          else if(guess(mid)==-1)
          {
              right=mid-1;
          }
          else
              return mid;
      }
      return mid;
}

b04659183c0740d19de6bdbb2a9583f2.png


分析:本题最需要注意的就是,接口函数 guess 返回值的意思,其他的写法都是按照二分查找算法的思路写就行了。


👉搜索插入位置👈


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。

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 = 2

输出: 1



提示:


1 <= nums.length <= 104

-104 <= nums[i] <= 104

nums 为 无重复元素 的 升序 排列数组

-104 <= target <= 104

e5e1ad49720247b3a43bbe6107611c5e.png


int searchInsert(int* nums, int numsSize, int target) {
    int left = 0;
    int right = numsSize - 1;
    if (nums[right] < target)
        return numsSize;
    if (nums[0] > target)
        return 0;
    while (left <= right)
    {
        int mid = left + (right - left) / 2;
        if (nums[mid] < target)
        {
            left = mid + 1;
        }
        else if (nums[mid] > target)
        {
            right = mid - 1;
        }
        else
            return mid;
    }
    return left;
}

6f3ba10ffc3143a286e22683b035ea80.png


分析:当数组 nums 的最后一个元素小于 target 时,那么插入位置就是 numsSize;当数组 nums 的第一个元素大于 target 时,那么插入位置就是0。如果不符合上面两种情况的话,就会进入 while 循环。如果数组 nums 中包含了 target,那么二分查找就会找到其下标 mid,也就是插入位置,将插入位置 return 就行了。如果数组 nums 不包含 target,那么 left 迟早会大于 right 退出 while 循环,此时 left 就是插入位置,将其 return 就行了。


👉山脉数组的峰顶索引👈


符合下列属性的数组 arr 称为 山脉数组 :


arr.length >= 3

存在 i(0 < i < arr.length - 1)使得:

arr[0] < arr[1] < … arr[i-1] < arr[i]

arr[i] > arr[i+1] > … > arr[arr.length - 1]

给你由整数组成的山脉数组 arr ,返回任何满足 arr[0] < arr[1] < … arr[i - 1] < arr[i] > arr[i + 1] > … > arr[arr.length - 1] 的下标 i 。


示例 1:

输入:arr = [0,1,0]

输出:1


示例 2:

输入:arr = [0,2,1,0]

输出:1


提示:


3 <= arr.length <= 104

0 <= arr[i] <= 106

题目数据保证 arr 是一个山脉数组


int peakIndexInMountainArray(int* arr, int arrSize)
{
    int left = 1, right = arrSize - 2;
    int mid = 0;
    while (left <= right)
    {
        mid = left + (right - left) / 2;
        if (arr[mid] < arr[mid + 1])
        {
            left = mid + 1;
        }
        else if (arr[mid] < arr[mid - 1])
        {
            right = mid - 1;
        }
        else
            return mid;
    }
    return mid;
}

7206177d48f042b49a66278866fba20a.png


分析:该题的二分查找算法和上面的题差不多,当时唯一不同的就是 left 的起始位置是0,right 的起始位置是 numsSize - 1,这样初始化的目的是避免数组越界访问。


👉有效的完全平方数👈


给定一个 正整数 num ,编写一个函数,如果 num 是一个完全平方数,则返回 true ,否则返回 false 。


进阶:不要 使用任何内置的库函数,如 sqrt 。


示例 1:

输入:num = 16

输出:true


示例 2:

输入:num = 14

输出:false


提示:


1 <= num <= 2^31 - 1


bool isPerfectSquare(int num){
    int left=0;
    int right=num;
    while(left<=right)
    {
        int mid=left+(right-left)/2;
        long square=(long)mid*mid;
        //将mid*mid强制类型转换为long,防止溢出
        if(square>num)
        {
            right=mid-1;
        }
        else if(square<num)
        {
            left=mid+1;
        }
        else
            return true;
    }
    return false;
}

4153bd57aca54027b7cc834ee87ef14b.png


分析:当不满足循环条件时,说明1到 num 之间没有任何一个数的平方等于 num,所以 return false


👉x 的平方根👈


给你一个非负整数 x ,计算并返回 x 的算术平方根 。


由于返回类型是整数,结果只保留整数部分 ,小数部分将被舍去 。


注意:不允许使用任何内置指数函数和算符,例如 pow(x, 0.5) 或者 x ** 0.5 。


示例 1:

输入:x = 4

输出:2


示例 2:


输入:x = 8

输出:2

解释:8 的算术平方根是 2.82842…, 由于返回类型是整数,小数部分将被舍去。


提示:


0 <= x <= 231 - 1


int mySqrt(int x) 
{
    int left = 0;
    int right = x;
    while (left <= right)
    {
        int mid = left + (right - left) / 2;
        long  n = (long)mid * mid;
        //强制类型转换,防止溢出
        if (n > x)
        {
            right = mid - 1;
        }
        else if (n < x)
        {
            left = mid + 1;
        }
        else
            return mid;
    }
    return right;
}

f42a02f8a8444514b999d8752dba9339.png


分析: 因为退出循环是 left > right,而 left * left 是大于 x 的,right * right是小于 x 的,所以return right


👉寻找比目标字母大的最小字母👈


给你一个排序后的字符列表 letters ,列表中只包含小写英文字母。另给出一个目标字母 target,请你寻找在这一有序列表里比目标字母大的最小字母。

在比较时,字母是依序循环出现的。举个例子:

如果目标字母 target = ‘z’ 并且字符列表为 letters = [‘a’, ‘b’],则答案返回 ‘a’


示例 1:


输入: letters = ["c", "f", "j"],target = "a"

输出: "c"



示例 2:


输入: letters = ["c","f","j"], target = "c"

输出: "f"


提示:


2 <= letters.length <= 104

letters[i] 是一个小写字母

letters 按非递减顺序排序

letters最少包含两个不同的字母

target 是一个小写字母


char nextGreatestLetter(char* letters, int lettersSize, char target)
{
     if(target>=letters[lettersSize-1])
        return letters[0];
     int left=0;
     int right=lettersSize-1;
     while(left<=right)
     {
         int mid=left+(right-left)/2;
         if(letters[mid]>target)
         {
             right=mid-1;
         }
         else
         {
             left=mid+1;
         }  
     }
     return letters[left];
}

9a00f736a2964f1fb4ac65ec3e4db3a0.png


👉寻找旋转排序数组中的最小值 II👈


已知一个长度为 n 的数组,预先按照升序排列,经由 1 到 n 次 旋转 后,得到输入数组。例如,原数组 nums =[0,1,4,4,5,6,7] 在变化后可能得到:

若旋转 4 次,则可以得到 [4,5,6,7,0,1,4]

若旋转 7 次,则可以得到 [0,1,4,4,5,6,7]


注意,数组 [a[0], a[1], a[2], ..., a[n-1]] 旋转一次 的结果为数组[a[n-1], a[0], a[1], a[2], ..., a[n-2]] 。



给你一个可能存在 重复 元素值的数组 nums ,它原来是一个升序排列的数组,并按上述情形进行了多次旋转。请你找出并返回数组中的最小元素。


示例 1:


输入:nums = [1,3,5]

输出:1


示例 2:


输入:nums = [2,2,2,0,1]

输出:0


提示:


n == nums.length

1 <= n <= 5000

-5000 <= nums[i] <= 5000

nums 原来是一个升序排序的数组,并进行了 1 至 n 次旋转


思路:因为 nums 数组是经有序数组旋转得来的,所以 nums 数组左边的元素一定大于右边的元素(除旋转 n 次)。那么旋转数组的最小值肯定是在 nums 数组的右边,所以我们将 nums[mid] 和 nums[right] 进行比较。因为可能有重复的元素,所以存在三种比较结果。


nums[mid] > nums[right]时,left = mid + 1,去除掉不是最小的数字

nums[mid] = nums[right]时,right--,去除掉重复的数字或逼近循环条件

nums[mid] < nums[right]时,right = mid,保留目前最小的数字

循环结束,nums[left] 就是旋转数组的最小数字


int findMin(int* numbers, int numbersSize)
{
   int left = 0;
   int right = numbersSize-1;
   while(left<=right)
   {
       int mid=left+(right-left)/2;
       if(numbers[mid]>numbers[right])
       {
           left=mid+1;
       }
       else if(numbers[mid]<numbers[right])
       {
           right=mid;
       }
       else
       {
           right--;
       }
   }
   return numbers[left];
}


40993425246c460bbcd89d7113a7bcb8.png

分析:这道题的解法也适用于《寻找旋转排序数组中的最小值 I》,因为这个解法考虑的情况更加的全面,包含《寻找旋转排序数组中的最小值 I》中的所有情况。


👉总结👈


以上就是二分查找算法的全部内容了,如果大家觉得有收获的话,可以点个三连支持一下!谢谢大家啦!!!💖💝❣️


相关文章
|
5天前
|
存储 监控 NoSQL
Redis处理大量数据主要依赖于其内存存储结构、高效的数据结构和算法,以及一系列的优化策略
【5月更文挑战第15天】Redis处理大量数据依赖内存存储、高效数据结构和优化策略。选择合适的数据结构、利用批量操作减少网络开销、控制批量大小、使用Redis Cluster进行分布式存储、优化内存使用及监控调优是关键。通过这些方法,Redis能有效处理大量数据并保持高性能。
25 0
|
4天前
|
缓存 算法 Java
数据结构~缓存淘汰算法--LRU算法(Java的俩种实现方式,万字解析
数据结构~缓存淘汰算法--LRU算法(Java的俩种实现方式,万字解析
|
5天前
|
机器学习/深度学习 算法 数据可视化
Python 数据结构和算法实用指南(四)(4)
Python 数据结构和算法实用指南(四)
10 1
|
5天前
|
机器学习/深度学习 存储 算法
Python 数据结构和算法实用指南(四)(3)
Python 数据结构和算法实用指南(四)
15 1
|
5天前
|
存储 算法 搜索推荐
Python 数据结构和算法实用指南(四)(2)
Python 数据结构和算法实用指南(四)
10 0
|
5天前
|
存储 算法 Serverless
Python 数据结构和算法实用指南(四)(1)
Python 数据结构和算法实用指南(四)
14 0
|
5天前
|
存储 算法 搜索推荐
Python 数据结构和算法实用指南(三)(4)
Python 数据结构和算法实用指南(三)
10 1
|
5天前
|
存储 搜索推荐 算法
Python 数据结构和算法实用指南(三)(3)
Python 数据结构和算法实用指南(三)
10 1
|
5天前
|
存储 算法 前端开发
Python 数据结构和算法实用指南(三)(2)
Python 数据结构和算法实用指南(三)
10 1
|
5天前
|
存储 算法 编译器
Python 数据结构和算法实用指南(三)(1)
Python 数据结构和算法实用指南(三)
13 1