☆打卡算法☆LeetCode 33、搜索旋转排序数组 算法解析

在线体验各类最新模型,更有模型 免费Token 额度领取!
立即体验
简介: “给定一个旋转后的数组和整数target,如果数组中存在整数target,则返回它的下标。”

一、题目


1、算法题目

“给定一个旋转后的数组和整数target,如果数组中存在整数target,则返回它的下标。”

题目链接:

来源:力扣(LeetCode)

链接:33. 搜索旋转排序数组 - 力扣(LeetCode) (leetcode-cn.com)


2、题目描述

整数数组 nums 按升序排列,数组中的值 互不相同 。

在传递给函数之前,nums 在预先未知的某个下标 k(0 <= k < nums.length)上进行了 旋转,使数组变为 [nums[k], nums[k+1], ..., nums[n-1], nums[0], nums[1], ..., nums[k-1]](下标 从 0 开始 计数)。例如, [0,1,2,4,5,6,7] 在下标 3 处经旋转后可能变为 [4,5,6,7,0,1,2] 。

给你 旋转后 的数组 nums 和一个整数 target ,如果 nums 中存在这个目标值 target ,则返回它的下标,否则返回 -1 。

示例 1:
输入: nums = [4,5,6,7,0,1,2], target = 0
输出: 4
复制代码
示例 2:
输入: nums = [4,5,6,7,0,1,2], target = 3
输出: -1
复制代码


二、解题


1、思路分析

这个题可以使用二分查找的方法去查找指定的元素。

首先,在这道题中数组本身不是有序的,翻转后只有部分是有序的,比如按照整数6来说,从6分成前后两部分,总有一部分是有序的,所以我们二分查找的时候也需要确定哪个区域是有序的,之后再用二分查找。


2、代码实现

代码参考:

public class Solution 
{
    /// <summary>
    /// 旋转数组二分查找
    /// </summary>
    public int Search(int[] nums, int target)
    {
        int left = 0;
        int right = nums.Length - 1;
        while (left <= right)
        {
            int mid = left + (right - left) / 2;
            if (nums[mid] == target) return mid;
            if (nums[left] == target) return left;
            if (nums[right] == target) return right;
            if (target > nums[right])//target位于第1数组
            {
                if (nums[mid] > nums[right])//mid也位于第1数组
                {
                    if (nums[mid] < target) left = mid + 1;
                    else if (nums[mid] > target) right = mid - 1;
                }
                else right = mid - 1; //mid位于第2数组,肯定比target小,右侧直接舍去
            }
            else//target位于第2数组
            {
                if (nums[mid] > nums[right]) left = mid + 1;//mid位于第1数组,肯定比target大,左侧直接舍去
                else//mid也位于第2数组
                {
                    if (nums[mid] < target) left = mid + 1;
                    else if (nums[mid] > target) right = mid - 1;
                }
            }
        }
        return -1;
    }   
}
复制代码

网络异常,图片无法展示
|


3、时间复杂度

时间复杂度 : O(log n)

其中n为nums数组的大小,时间复杂度为二分查找的时间复杂度O(log n)

空间复杂度: O(1)

只需要常数级别的空间存放变量。


三、总结

将数组一分为二,其中一定有一个是有序的,另一个可能是有序,也能是部分有序。

此时有序部分用二分法查找。

无序部分再一分为二,其中一个一定有序,另一个可能有序,可能无序。 就这样循环。



相关文章
|
9月前
|
存储 人工智能 算法
从零掌握贪心算法Java版:LeetCode 10题实战解析(上)
在算法世界里,有一种思想如同生活中的"见好就收"——每次做出当前看来最优的选择,寄希望于通过局部最优达成全局最优。这种思想就是贪心算法,它以其简洁高效的特点,成为解决最优问题的利器。今天我们就来系统学习贪心算法的核心思想,并通过10道LeetCode经典题目实战演练,带你掌握这种"步步为营"的解题思维。
|
机器学习/深度学习 存储 算法
【LeetCode 热题100】347:前 K 个高频元素(详细解析)(Go语言版)
这篇文章详细解析了力扣热题 347——前 K 个高频元素的三种解法:哈希表+小顶堆、哈希表+快速排序和哈希表+桶排序。每种方法都附有清晰的思路讲解和 Go 语言代码实现。小顶堆方法时间复杂度为 O(n log k),适合处理大规模数据;快速排序方法时间复杂度为 O(n log n),适用于数据量较小的场景;桶排序方法在特定条件下能达到线性时间复杂度 O(n)。文章通过对比分析,帮助读者根据实际需求选择最优解法,并提供了完整的代码示例,是一篇非常实用的算法学习资料。
842 90
|
算法
Leetcode 初级算法 --- 数组篇
Leetcode 初级算法 --- 数组篇
238 0
|
存储 自然语言处理 算法
【LeetCode 热题100】208:实现 Trie (前缀树)(详细解析)(Go语言版)
本文详细解析了力扣热题 208——实现 Trie(前缀树)。Trie 是一种高效的树形数据结构,用于存储和检索字符串集合。文章通过插入、查找和前缀匹配三个核心操作,结合 Go 语言实现代码,清晰展示了 Trie 的工作原理。时间复杂度为 O(m),空间复杂度也为 O(m),其中 m 为字符串长度。此外,还探讨了 Trie 的变种及应用场景,如自动补全和词典查找等。适合初学者深入了解 Trie 结构及其实际用途。
580 14
|
算法 数据安全/隐私保护 开发者
马特赛特旋转算法:Python的随机模块背后的力量
马特赛特旋转算法是Python `random`模块的核心,由松本真和西村拓士于1997年提出。它基于线性反馈移位寄存器,具有超长周期和高维均匀性,适用于模拟、密码学等领域。Python中通过设置种子值初始化状态数组,经状态更新和输出提取生成随机数,代码简单高效。
542 63
|
存储 监控 算法
关于员工上网监控系统中 PHP 关联数组算法的学术解析
在当代企业管理中,员工上网监控系统是维护信息安全和提升工作效率的关键工具。PHP 中的关联数组凭借其灵活的键值对存储方式,在记录员工网络活动、管理访问规则及分析上网行为等方面发挥重要作用。通过关联数组,系统能高效记录每位员工的上网历史,设定网站访问权限,并统计不同类型的网站访问频率,帮助企业洞察员工上网模式,发现潜在问题并采取相应管理措施,从而保障信息安全和提高工作效率。
259 7
|
存储 算法 Java
leetcode算法题-有效的括号(简单)
【11月更文挑战第5天】本文介绍了 LeetCode 上“有效的括号”这道题的解法。题目要求判断一个只包含括号字符的字符串是否有效。有效字符串需满足左括号必须用相同类型的右括号闭合,并且左括号必须以正确的顺序闭合。解题思路是使用栈数据结构,遍历字符串时将左括号压入栈中,遇到右括号时检查栈顶元素是否匹配。最后根据栈是否为空来判断字符串中的括号是否有效。示例代码包括 Python 和 Java 版本。
463 4
|
人工智能 前端开发 JavaScript
拿下奇怪的前端报错(一):报错信息是一个看不懂的数字数组Buffer(475) [Uint8Array],让AI大模型帮忙解析
本文介绍了前端开发中遇到的奇怪报错问题,特别是当错误信息不明确时的处理方法。作者分享了自己通过还原代码、试错等方式解决问题的经验,并以一个Vue3+TypeScript项目的构建失败为例,详细解析了如何从错误信息中定位问题,最终通过解读错误信息中的ASCII码找到了具体的错误文件。文章强调了基础知识的重要性,并鼓励读者遇到类似问题时不要慌张,耐心分析。
847 5
【LeetCode-每日一题】 删除排序数组中的重复项
【LeetCode-每日一题】 删除排序数组中的重复项
229 4

热门文章

最新文章

推荐镜像

更多
  • DNS