最骚操作的二分查找,秀儿?

简介: 最骚操作的二分查找,秀儿?

@[toc]

你不知道的事

你肯定听说过在有序数组中,通过二分算法查找等于指定的值?但是...

你是否听说过在有序数组中,通过二分算法查找大于等于指定的值的最左下标?

你是否听说过在有序数组中,通过二分算法查找小于等于指定的值的最右下标?

你是否听说过在无序数组中,也可以用二分算法?知道如何用二分算法解决局部最小值问题吗?

骚算法

package com.nobody.search;

/**
 * @author Mr.nobody
 * @Description 二分查找
 * @date 2020/9/5
 */
public class Code01_BinarySearch {

    // 二分查找,在有序数组中查找指定值,找到返回下标,否则返回-1
    public static int binarySearch(int[] sortedArr, int num) {
        if (null == sortedArr || sortedArr.length == 0) {
            return -1;
        }
        int left = 0;
        int right = sortedArr.length - 1;
        int mid = 0;
        while (left <= right) {
            // 等同于mid = (left + right) / 2;
            // 但是下面的表达式既速度快,还能避免left+right溢出
            mid = left + ((right - left) >> 1);
            if (sortedArr[mid] == num) {
                return mid;
            } else if (sortedArr[mid] > num) {
                right = mid - 1;
            } else {
                left = mid + 1;
            }
        }
        return -1;
    }

    // 二分查找,在有序数组中查找大于等于指定值的最左的数,找到返回下标,否则返回-1
    // 例如数组[1, 2, 2, 5, 8, 10, 11, 11, 11, 20],指定值为2,则返回下标1
    // 指定值为7,则返回下标为4;指定值为0,返回下标0;指定值为25,则返回下标-1
    public static int greaterEqualBinarySearch(int[] sortedArr, int num) {
        if (null == sortedArr || sortedArr.length == 0) {
            return -1;
        }
        int left = 0;
        int right = sortedArr.length - 1;
        int mid = 0;
        // 记录满足的最左下标
        int mostLeftIndex = -1;
        while (left <= right) {
            // 等同于mid = (left + right) / 2;
            // 但是下面的表达式既速度快,还能避免left+right溢出
            mid = left + ((right - left) >> 1);
            if (sortedArr[mid] >= num) {
                mostLeftIndex = mid;
                right = mid - 1;
            } else {
                left = mid + 1;
            }
        }
        return mostLeftIndex;
    }

    // 二分查找,在有序数组中查找小于等于指定值的最右的数,找到返回下标,否则返回-1
    // 例如数组[1, 2, 2, 5, 8, 10, 11, 11, 11, 20],指定值为2,则返回下标2
    // 指定值为7,则返回下标为3;指定值为0,返回下标-1;指定值为25,则返回下标9
    public static int lessEqualBinarySearch(int[] sortedArr, int num) {
        if (null == sortedArr || sortedArr.length == 0) {
            return -1;
        }
        int left = 0;
        int right = sortedArr.length - 1;
        int mid = 0;
        // 记录满足的最右下标
        int mostRightIndex = -1;
        while (left <= right) {
            // 等同于mid = (left + right) / 2;
            // 但是下面的表达式既速度快,还能避免left+right溢出
            mid = left + ((right - left) >> 1);
            if (sortedArr[mid] <= num) {
                mostRightIndex = mid;
                left = mid + 1;
            } else {
                right = mid - 1;

            }
        }
        return mostRightIndex;
    }

    // 二分查找,在数组中(不一定要有序)查找局部最小数(随便一个就可以),找到返回下标,否则返回-1
    // 何为局部最小值,当某一个位置i的数,只要小于等于i-1和i+1位置的数时,即i位置的数就是局部最小值
    // 如果不存在i-1或i+1位置,就不需要比较,例如0位置的数只需要小于等于1位置的数即可;
    // n-1位置的数只需要小于等于n-2位置的数即可;
    public static int localMinBinarySearch(int[] arr) {
        if (null == arr || arr.length == 0) {
            return -1;
        }
        if (arr.length == 1 || arr[0] <= arr[1]) {
            return 0;
        }
        if (arr[arr.length - 1] <= arr[arr.length - 2]) {
            return arr.length - 1;
        }

        // 既然数组头部和尾部都不满足局部最小值,那肯定整个数据区间是↘...↗走势
        // 则可以从中间切入,局部最小肯定在中间,左区间或者右区间存在,
        // 按此逻辑进行二分查找下去即可
        int left = 0;
        int right = arr.length - 1;
        int mid = 0;
        while (left <= right) {
            // 等同于mid = (left + right) / 2;
            // 但是下面的表达式既速度快,还能避免left+right溢出
            mid = left + ((right - left) >> 1);
            if (arr[mid - 1] >= arr[mid] && arr[mid] <= arr[mid + 1]) {
                // 既小于等于左边,又小于等于右边,满足局部最小值
                return mid;
            } else if (arr[mid - 1] < arr[mid]) {
                // 大于左边,则左边是↘...↗走势,那肯定在左边区间一定存在局部最小值
                right = mid - 1;
            } else if (arr[mid] > arr[mid + 1]) {
                // 大于右边,则右边是是↘...↗走势,那肯定在右边区间一定存在局部最小值
                left = mid + 1;
            }
        }
        return -1;
    }
}

测试

package com.nobody.search;

import com.nobody.sort.Code01_InsertionSort;

import java.util.Arrays;

/**
 * @author Mr.nobody
 * @Description
 * @date 2020/9/6
 */
public class Main {
    public static void main(String[] args) {
        int[] arr = {1, 2, 2, 5, 8, 10, 11, 11, 11, 20};
        int num = 2;
        System.out.print("有序数组:");
        Arrays.stream(arr).forEach(e -> System.out.print(e + " "));
        System.out.println();
        System.out.println("待查找数:" + num);
        System.out.println("查找的下标:" + Code01_BinarySearch.binarySearch(arr, num));

        System.out.println("----------------------------------------");

        System.out.println("大于等于的数:" + 2 + ",最左下标为:"
                + Code01_BinarySearch.greaterEqualBinarySearch(arr, 2));
        System.out.println("大于等于的数:" + 7 + ",最左下标为:"
                + Code01_BinarySearch.greaterEqualBinarySearch(arr, 7));
        System.out.println("大于等于的数:" + 0 + ",最左下标为:"
                + Code01_BinarySearch.greaterEqualBinarySearch(arr, 0));
        System.out.println("大于等于的数:" + 25 + ",最左下标为:"
                + Code01_BinarySearch.greaterEqualBinarySearch(arr, 25));

        System.out.println("----------------------------------------");

        System.out.println("小于等于的数:" + 2 + ",最右下标为:"
                + Code01_BinarySearch.lessEqualBinarySearch(arr, 2));
        System.out.println("小于等于的数:" + 7 + ",最右下标为:"
                + Code01_BinarySearch.lessEqualBinarySearch(arr, 7));
        System.out.println("小于等于的数:" + 0 + ",最右下标为:"
                + Code01_BinarySearch.lessEqualBinarySearch(arr, 0));
        System.out.println("小于等于的数:" + 25 + ",最右下标为:"
                + Code01_BinarySearch.lessEqualBinarySearch(arr, 25));

        System.out.println("----------------------------------------");
        int[] arr1 = {1, 2, 2, 10, 8, 4, 2, 11, 7, 20};
        System.out.print("数组:");
        Arrays.stream(arr1).forEach(e -> System.out.print(e + " "));
        System.out.println(",局部最小值下标:" + Code01_BinarySearch.localMinBinarySearch(arr1));

        int[] arr2 = {4, 2, 2, 10, 8, 4, 2, 11, 7, 5};
        System.out.print("数组:");
        Arrays.stream(arr2).forEach(e -> System.out.print(e + " "));
        System.out.println(",局部最小值下标:" + Code01_BinarySearch.localMinBinarySearch(arr2));

        int[] arr3 = {7, 2, 2, 10, 8, 4, 2, 11, 7, 20};
        System.out.print("数组:");
        Arrays.stream(arr3).forEach(e -> System.out.print(e + " "));
        System.out.println(",局部最小值下标:" + Code01_BinarySearch.localMinBinarySearch(arr3));

        int[] arr4 = {3, 2, 4, 10, 8, 6, 7, 11, 7, 10};
        System.out.print("数组:");
        Arrays.stream(arr4).forEach(e -> System.out.print(e + " "));
        System.out.println(",局部最小值下标:" + Code01_BinarySearch.localMinBinarySearch(arr4));
    }
}

测试结果

有序数组:1 2 2 5 8 10 11 11 11 20 
待查找数:2
查找的下标:1
----------------------------------------
大于等于的数:2,最左下标为:1
大于等于的数:7,最左下标为:4
大于等于的数:0,最左下标为:0
大于等于的数:25,最左下标为:-1
----------------------------------------
小于等于的数:2,最右下标为:2
小于等于的数:7,最右下标为:3
小于等于的数:0,最右下标为:-1
小于等于的数:25,最右下标为:9
----------------------------------------
数组:1 2 2 10 8 4 2 11 7 20 ,局部最小值下标:0
数组:4 2 2 10 8 4 2 11 7 5 ,局部最小值下标:9
数组:7 2 2 10 8 4 2 11 7 20 ,局部最小值下标:6
数组:3 2 4 10 8 6 7 11 7 10 ,局部最小值下标:5
相关文章
|
21天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
9083 29
|
20天前
|
人工智能 并行计算 PyTorch
秋叶 ComfyUI 2026 整合包 v3.2 完整部署教程:Python 3.13 + Torch 2.13 全栈升级
秋叶aaaki ComfyUI 2026年8月整合包v3.2正式发布!全面升级Python 3.13.11、PyTorch 2.13.0+cu130及ComfyUI v0.30.2,原生支持MiniMax H3、Wan 2.2、Qwen-Image-2.1等2026主流音视频/图像模型,解压即用,无需环境配置。
4216 16
|
20天前
|
人工智能 测试技术 API
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
Jev是TypeSafe AI推出的“系统一模型”,不生成文本,专做毫秒级结构化决策:Choice(多选)、Score(打分)、Noul(是非概率)。响应快193倍、成本低444倍,适合工单路由、内容审核、测试定级等高频判断场景。
2342 4
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
|
7天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
6天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型深度拆解:原理解读、实战测评与保姆级落地教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为**System One Model(系统一模型)**,对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
502 1
|
14天前
|
人工智能 Linux 开发者
【2026国内使用】Codex安装过程一篇讲透(Win/Mac/Linux全支持)
Codex是OpenAI推出的AI编程智能体,可读取本地项目、理解需求并自动修改代码。支持桌面GUI、命令行(CLI)及VS Code/Cursor插件三种形态,覆盖可视化操作、终端高效开发与编辑器无缝集成场景,助开发者用自然语言驱动编码全流程。(239字)
1109 2
【2026国内使用】Codex安装过程一篇讲透(Win/Mac/Linux全支持)
|
8天前
|
人工智能 Linux Windows
千问办公(QwenWork)官网入口:其实有2个,一个是网页端千问办公,一个是介绍指南页面
千问办公(QwenWork)是阿里云推出的AI智能办公平台,支持网页端直接使用及Windows/Mac/Linux客户端下载。提供PPT生成、财报分析、网页搭建等AI功能,个人版免费,企业版198元/席/月。详情见官网qwenwork.cn或阿里云产品页。
1068 0
千问办公(QwenWork)官网入口:其实有2个,一个是网页端千问办公,一个是介绍指南页面