文章目录
- C++ 二分查找详解:基础题解与思维分析
- 前言
- 第一章:热身练习
- 1.1 二分查找基本实现
- 解题思路
- 图解分析
- C++代码实现
- 易错点提示
- 代码解读
- 1.2 在排序数组中查找元素的第一个和最后一个位置
- 解题思路
- 1.2.1 查找左边界
- 算法步骤:
- 图解分析
- C++代码实现
- 1.2.2 查找右边界
- 算法步骤:
- 图解分析
- C++代码实现
- 1.2.3 组合查找结果
- C++完整代码
- 1.3 搜索插入位置
- 解题思路
- 1.3.1 二分查找算法分析
- 算法步骤:
- 图解分析
- C++代码实现
- 易错点提示
- 代码解读
- 1.4 x 的平方根
- 解题思路
- 1.4.1 暴力查找
- 算法步骤:
- C++代码实现
- 图解分析
- 1.4.2 二分查找法
- 算法步骤:
- 图解分析
- C++代码实现
- 易错点提示
- 代码解读
- 写在最后
- 二分查找算法总结
- 重要的三点:
- 模板记忆技巧
- 两段式的特殊处理:
C++ 二分查找详解:基础题解与思维分析
💬 欢迎讨论:如有疑问或见解,欢迎在评论区留言互动。
👍 点赞、收藏与分享:如觉得这篇文章对您有帮助,请点赞、收藏并分享!
🚀 分享给更多人:欢迎分享给更多对 C++ 感兴趣的朋友,一起学习二分查找的基础与进阶!
前言
二分查找法是经典的搜索算法之一,能够在有序数组中快速查找目标元素。它的时间复杂度为
O(log n)
,相比于线性搜索有着更高的效率。本篇博客将详细分析二分查找的原理,并结合题目讲解,帮助大家全面掌握这一重要的算法技巧。
第一章:热身练习
1.1 二分查找基本实现
题目链接:704. 二分查找
题目描述:
给定一个升序排列的整数数组 nums
,和一个目标值 target
。如果 target
在数组中存在,返回其下标;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:
- 你可以假设数组中的所有元素是互不相同的。
- 数组
nums
的长度范围为[1, 10000]
。 - 数组
nums
的每个元素都在[-9999, 9999]
之间。
解题思路
二分查找的核心思想是利用数组的有序性,通过每次将查找范围缩小一半来快速锁定目标位置。我们在数组的中间位置进行比较,根据比较结果判断应该继续在左侧还是右侧进行查找。
具体思路如下:
-
初始化左右指针:
left
指向数组的起始位置。right
指向数组的末尾位置。
-
计算中间位置:
- 通过公式
mid = left + (right - left) / 2
来计算中间位置mid
。这个公式可以避免直接相加left + right
可能导致的整数溢出。
- 通过公式
-
比较中间元素与目标值:
- 如果
nums[mid] == target
,则直接返回mid
。 - 如果
nums[mid] > target
,说明目标值在左半部分,此时应将right
更新为mid - 1
。 - 如果
nums[mid] < target
,说明目标值在右半部分,此时应将left
更新为mid + 1
。
- 如果
-
结束条件:
- 当
left > right
时,说明查找范围为空,目标值不存在,返回-1
。
- 当
图解分析
假设数组 nums = [-1, 0, 3, 5, 9, 12]
,目标值 target = 9
。我们从数组的中间位置开始查找:
-
初始状态:
left = 0
,right = 5
。- 中间位置
mid = (0 + 5) / 2 = 2
,nums[mid] = 3
。 - 因为
3 < 9
,所以更新left = mid + 1 = 3
。
-
步骤 1:
left = 3
,right = 5
。- 中间位置
mid = (3 + 5) / 2 = 4
,nums[mid] = 9
。 - 找到目标值
9
,返回下标4
。
步骤图解:
Iteration | left Pointer | right Pointer | mid Pointer | Array State |
---|---|---|---|---|
1 | 0 | 5 | 2 | [-1, 0, 3, 5, 9, 12] |
2 | 3 | 5 | 4 | [5, 9, 12] |
C++代码实现
class Solution {
public:int search(vector<int>& nums, int target) {int left = 0, right = nums.size() - 1;while (left <= right) {// 计算中间位置,防止溢出int mid = left + (right - left) / 2;if (nums[mid] == target) {return mid; // 找到目标,返回下标} else if (nums[mid] > target) {right = mid - 1; // 缩小查找范围至左半部分} else {left = mid + 1; // 缩小查找范围至右半部分}}return -1; // 未找到目标,返回 -1}
};
易错点提示
- 防止溢出:计算中间位置时,建议使用
mid = left + (right - left) / 2
,而不是mid = (left + right) / 2
,这样可以避免left + right
直接相加时可能的整数溢出问题。 - 循环条件:
while (left <= right)
,当left
和right
指向相同元素时,仍然需要继续判断,因此需要取等号。 - 边界条件处理:如果目标值不存在于数组中,应返回
-1
,避免返回无效的数组下标。
代码解读
- 时间复杂度:每次查找都会将查找范围缩小一半,因此时间复杂度为
O(log n)
。 - 空间复杂度:该算法仅使用了少量额外的变量,空间复杂度为
O(1)
。
1.2 在排序数组中查找元素的第一个和最后一个位置
题目链接:34. 在排序数组中查找元素的第一个和最后一个位置
题目描述:
给定一个按非递减顺序排列的整数数组 nums
,和一个目标值 target
,请找出给定目标值在数组中的开始位置和结束位置。
如果数组中不存在目标值 target
,返回 [-1, -1]
。
示例 1:
- 输入:
nums = [5,7,7,8,8,10]
,target = 8
- 输出:
[3, 4]
- 解释:目标值
8
在数组中的起始位置为下标3
,结束位置为下标4
。
示例 2:
- 输入:
nums = [5,7,7,8,8,10]
,target = 6
- 输出:
[-1, -1]
- 解释:目标值
6
不存在于数组中,因此返回[-1, -1]
。
示例 3:
- 输入:
nums = []
,target = 0
- 输出:
[-1, -1]
- 解释:空数组中没有任何目标值,因此返回
[-1, -1]
。
提示:
0 <= nums.length <= 105
。-109 <= nums[i] <= 109
。nums
是一个非递减数组。-109 <= target <= 109
。
解题思路
我们需要在时间复杂度
O(log n)
内找到目标值的起始位置和结束位置,这意味着必须使用二分查找来解决问题。
基本思路:通过两次二分查找,分别找到目标值的左边界和右边界。
- 左边界:找到数组中第一个等于目标值的位置。
- 右边界:找到数组中最后一个等于目标值的位置。
接下来分别介绍如何查找这两个边界。
1.2.1 查找左边界
我们首先使用二分查找来确定目标值的起始位置,即左边界。
算法步骤:
-
初始化左右指针:
left
指向数组的起始位置,right
指向数组的末尾位置。
-
进行二分查找:
- 计算中间位置
mid = left + (right - left) / 2
。 - 如果
nums[mid]
小于目标值target
,则说明目标值在右边,因此更新left = mid + 1
。 - 如果
nums[mid]
大于或等于目标值,说明目标值在左边(包括mid
位置),因此更新right = mid
。
- 计算中间位置
-
结束条件:当
left == right
时,查找结束。此时需要检查nums[left]
是否等于目标值,如果相等,返回该位置;否则返回-1
。
图解分析
假设数组为 nums = [5,7,7,8,8,10]
,目标值为 target = 8
。我们从数组的中间位置开始查找:
-
初始状态:
left = 0
,right = 5
。- 计算中间位置
mid = (0 + 5) / 2 = 2
,此时nums[mid] = 7
。 - 因为
7 < 8
,所以更新left = mid + 1 = 3
。
-
步骤 1:
left = 3
,right = 5
。- 计算中间位置
mid = (3 + 5) / 2 = 4
,此时nums[mid] = 8
。 - 因为
nums[mid] >= 8
,所以更新right = mid = 4
。
-
步骤 2:
left = 3
,right = 4
。- 计算中间位置
mid = (3 + 4) / 2 = 3
,此时nums[mid] = 8
。 - 因为
nums[mid] >= 8
,所以更新right = mid = 3
。
-
结束状态:
- 此时
left == right == 3
,我们检查nums[left] == 8
,因此找到了目标值的起始位置3
。
- 此时
C++代码实现
class Solution {
public:int searchLeft(vector<int>& nums, int target) {int left = 0, right = nums.size() - 1;while (left < right) {int mid = left + (right - left) / 2;if (nums[mid] < target) {left = mid + 1;} else {right = mid; // 保持目标值在左半部分}}if (nums.size() == 0 || nums[left] != target) return -1; // 边界条件检查return left;}
};
1.2.2 查找右边界
接下来,我们使用二分查找找到目标值的结束位置,即右边界。
算法步骤:
-
初始化左右指针:
left
指向数组的起始位置,right
指向数组的末尾位置。
-
进行二分查找:
- 计算中间位置
mid = left + (right - left + 1) / 2
(向上取整)。 - 如果
nums[mid]
小于等于目标值target
,则更新left = mid
。 - 如果
nums[mid]
大于目标值,说明目标值在左边,因此更新right = mid - 1
。
- 计算中间位置
-
结束条件:当
left == right
时,查找结束,此时left
指向目标值的结束位置。
图解分析
假设数组为 nums = [5,7,7,8,8,10]
,目标值为 target = 8
。我们从中间位置开始查找结束位置:
-
初始状态:
left = 0
,right = 5
。- 计算
mid = (0 + 5 + 1) / 2 = 3
,此时nums[mid] = 8
。 - 因为
nums[mid] <= 8
,所以更新left = mid = 3
。
-
步骤 1:
left = 3
,right = 5
。- 计算
mid = (3 + 5 + 1) / 2 = 4
,此时nums[mid] = 8
。 - 因为
nums[mid] <= 8
,所以更新left = mid = 4
。
-
步骤 2:
left = 4
,right = 5
。- 计算
mid = (4 + 5 + 1) / 2 = 5
,此时nums[mid] = 10
。 - 因为
nums[mid] > 8
,所以更新right = mid - 1 = 4
。
-
结束状态:
- 此时
left == right == 4
,因此找到了目标值的结束位置4
。
- 此时
C++代码实现
class Solution {
public:int searchRight(vector<int>& nums, int target) {int left = 0, right = nums.size() - 1;while (left < right) {int mid = left + (right - left + 1) / 2; // 向上取整,防止死循环if (nums[mid] <= target) {left = mid;} else {right = mid - 1;}}return left; // 此时 left 指向最后一个目标值的位置}
};
1.2.3 组合查找结果
最后,我们将左边界和右边界的查找结果组合起来。如果左边
界的查找结果为 -1
,则说明目标值不存在,返回 [-1, -1]
。否则,返回 [left, right]
。
C++完整代码
class Solution {
public:vector<int> searchRange(vector<int>& nums, int target) {int left = searchLeft(nums, target);if (left == -1) return {-1, -1}; // 目标值不存在int right = searchRight(nums, target);return {left, right}; // 返回目标值的起始和结束位置}
};
1.3 搜索插入位置
题目链接:35. 搜索插入位置
题目描述:
给定一个排序数组 nums
和一个目标值 target
,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。
你必须设计并实现时间复杂度为 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
示例 3:
- 输入:
nums = [1,3,5,6]
,target = 7
- 输出:
4
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
解题思路
该题的要求是以
O(log n)
的时间复杂度找到目标值或者其应该插入的位置,因此我们必须使用二分查找。通过二分查找,我们可以在每次查找中将搜索范围缩小一半,进而快速锁定目标值的位置,或者它应插入的准确位置。
1.3.1 二分查找算法分析
在这道题中,我们通过二分查找来确定目标值的位置。如果目标值存在,直接返回其索引;如果不存在,我们可以通过查找过程中的边界情况确定它的插入位置。
算法步骤:
-
初始化左右指针:
left
指向数组的起始位置,right
指向数组的末尾位置。
-
进行二分查找:
- 计算中间位置
mid = left + (right - left) / 2
。 - 如果
nums[mid]
小于目标值target
,则目标值可能出现在右边部分,因此更新left = mid + 1
。 - 如果
nums[mid]
大于或等于目标值,说明目标值可能在左边部分,因此更新right = mid
。
- 计算中间位置
-
结束条件:当
left == right
时,查找结束。此时的left
或right
所在的位置就是目标值应插入的位置。
图解分析
假设数组为 nums = [1,3,5,6]
,目标值 target = 5
。我们从数组的中间位置开始查找目标值的位置或插入位置:
-
初始状态:
left = 0
,right = 3
。- 计算中间位置
mid = (0 + 3) / 2 = 1
,此时nums[mid] = 3
。 - 因为
3 < 5
,更新left = mid + 1 = 2
。
-
步骤 1:
left = 2
,right = 3
。- 计算中间位置
mid = (2 + 3) / 2 = 2
,此时nums[mid] = 5
。 - 因为
nums[mid] == 5
,找到目标值,返回下标2
。
-
插入位置场景:
- 如果
target = 2
,则当left = 0
和right = 1
时,nums[mid] = 1
,更新left = 1
,最后返回1
作为插入位置。
- 如果
步骤图解:
Iteration | left Pointer | right Pointer | mid Pointer | Array State |
---|---|---|---|---|
1 | 0 | 3 | 1 | [1, 3, 5, 6] |
2 | 2 | 3 | 2 | [5, 6] |
C++代码实现
class Solution {
public:int searchInsert(vector<int>& nums, int target) {int left = 0, right = nums.size() - 1;while (left < right) {int mid = left + (right - left) / 2;if (nums[mid] < target) {left = mid + 1;} else {right = mid; // 缩小查找范围至左半部分}}// 最终结果在 left 或 right 位置if (nums[left] < target) return left + 1;return left;}
};
易错点提示
- 二分查找的边界条件:要确保循环结束条件是
left == right
,这意味着在查找结束后,left
或right
位置就是插入点。 - 处理插入位置的返回值:当
nums[left]
小于target
时,表示目标值应插入到left + 1
的位置,否则插入到left
位置。
代码解读
- 时间复杂度:每次查找都会将查找范围缩小一半,因此时间复杂度为
O(log n)
。 - 空间复杂度:该算法仅使用了少量的额外变量,空间复杂度为
O(1)
。
1.4 x 的平方根
题目链接:69. x 的平方根
题目描述:
给定一个非负整数 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 <= 2^31 - 1
解题思路
我们可以通过暴力查找和二分查找两种方法来解决该问题。
暴力查找方法简单直接,逐个枚举可能的平方根,直到找到符合条件的数为止。
二分查找方法则更加高效,利用有序性质通过缩小区间的方式快速锁定平方根。
接下来我们分别详细介绍这两种方法。
1.4.1 暴力查找
暴力查找法的核心思想是从 0
开始枚举所有可能的平方根 i
,依次判断 i * i
是否等于或超过目标值 x
。一旦找到符合条件的 i
,就可以直接返回结果。
算法步骤:
- 遍历所有可能的数:从
i = 0
开始,逐一检查i * i
是否等于x
或者超过x
。 - 判断条件:
- 如果
i * i == x
,说明找到了平方根,直接返回i
。 - 如果
i * i > x
,说明i
已经超出目标值的平方,返回前一个数i - 1
作为平方根。
- 如果
C++代码实现
class Solution {
public:int mySqrt(int x) {// 由于两个较大的数相乘可能会超过 int 最大范围,因此用 long longlong long i = 0;for (i = 0; i <= x; i++) {// 如果两个数相乘正好等于 x,直接返回 iif (i * i == x) return i;// 如果第一次出现两个数相乘大于 x,说明结果是前一个数if (i * i > x) return i - 1;}// 处理边界情况return -1;}
};
图解分析
假设 x = 8
,我们逐个枚举所有可能的平方根:
- 初始状态:
i = 0
,i * i = 0
,继续下一次循环。
- 步骤 1:
i = 1
,i * i = 1
,继续下一次循环。
- 步骤 2:
i = 2
,i * i = 4
,继续下一次循环。
- 步骤 3:
i = 3
,i * i = 9
,此时9 > 8
,返回前一个数2
作为平方根。
暴力法的优缺点:
- 优点:实现简单,直观。
- 缺点:对于较大的输入,时间复杂度为
O(x^1/2)
,效率较低。
1.4.2 二分查找法
二分查找法是一种更高效的方式,通过利用平方根的有序性,在查找过程中不断缩小区间,快速找到平方根。
算法步骤:
- 初始化左右指针:
left
指向1
,right
指向x
。
- 进行二分查找:
- 计算中间位置
mid = left + (right - left + 1) / 2
。 - 如果
mid * mid <= x
,说明平方根可能在右半部分,更新left = mid
。 - 如果
mid * mid > x
,说明平方根在左半部分,更新right = mid - 1
。
- 计算中间位置
- 结束条件:当
left == right
时,查找结束,此时left
就是平方根。
图解分析
假设 x = 8
,我们通过二分查找来找到平方根:
- 初始状态:
left = 1
,right = 8
。- 计算
mid = (1 + 8 + 1) / 2 = 5
,此时5 * 5 = 25 > 8
,更新right = 4
。
- 步骤 1:
left = 1
,right = 4
。- 计算
mid = (1 + 4 + 1) / 2 = 3
,此时3 * 3 = 9 > 8
,更新right = 2
。
- 步骤 2:
left = 1
,right = 2
。- 计算
mid = (1 + 2 + 1) / 2 = 2
,此时2 * 2 = 4 <= 8
,更新left = 2
。
结束状态:当 left == right == 2
,我们找到了平方根 2
。
C++代码实现
class Solution {
public:int mySqrt(int x) {if (x < 1) return 0; // 处理边界情况int left = 1, right = x;while (left < right) {long long mid = left + (right - left + 1) / 2; // 防止溢出if (mid * mid <= x) {left = mid; // 继续向右半部分查找} else {right = mid - 1; // 继续向左半部分查找}}return left; // 返回平方根}
};
易错点提示
- 防止溢出:在计算中间位置
mid
时,使用long long
类型,以避免mid * mid
超出int
的范围导致溢出。 - 边界条件:需要正确处理
x = 0
或x = 1
的情况。
代码解读
- 时间复杂度:每次查找都会将查找范围缩小一半,因此时间复杂度为
O(log n)
。 - 空间复杂度:仅使用了常数级的额外空间,空间复杂度为
O(1)
。
写在最后
二分查找算法总结
二分查找并不是通过死记模板就能轻松解决所有问题的。其核心在于分析题意,并据此确定搜索区间。理解问题背后的逻辑,明确要搜索的区间,才能灵活编写二分查找的代码。模板只是工具,关键在于理解和应用。
重要的三点:
- 分析题意,确定搜索区间:根据不同的题目,合理分析查找的区间,避免死记硬套模板。
- 理解区间变化:明确什么时候该舍弃左边区间,什么时候舍弃右边区间,并根据题目特点动态调整指针。
- 不要纠结模板形式:不必执着于左闭右开、左闭右闭等模板,最重要的是理解算法背后的区间划分逻辑。
模板记忆技巧
- 三段式与两段式的选择:
- 在面对不同题目时,不要强行套用模板。通过分析问题中的搜索区间变化,合理选择三段式(左右都参与)或两段式(左右边界一边不参与)。
两段式的特殊处理:
在二分查找中,如何处理中间值
mid
的计算至关重要,特别是在更新左右指针的情况下,需要正确地选择向上取整或向下取整,否则可能会出现死循环。
-
当
left = mid
时:为了避免死循环,应当向上取整。因为此时left
不变,如果不向上取整,mid
将会一直是left
,无法突破当前的循环状态,导致死循环。- 计算公式为:
mid = left + (right - left + 1) / 2
。
- 计算公式为:
-
当
right = mid
时:应当向下取整。这样可以保证每次right
都会减少,逐步缩小搜索区间。- 计算公式为:
mid = left + (right - left) / 2
。
- 计算公式为:
以上就是关于【优选算法篇】在分割中追寻秩序:二分查找的智慧轨迹啦的内容啦,各位大佬有什么问题欢迎在评论区指正,您的支持是我创作的最大动力!❤️