Leetcode 34 Find First and Last Position of Element in Sorted Array

本文介绍了一种在已排序数组中查找特定目标值起始和结束位置的高效算法,通过二分搜索实现O(log n)的时间复杂度。文章提供了一个具体的解决方案,包括调整二分搜索边界以适应寻找目标值范围的需求。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Given an array of integers nums sorted in ascending order, find the starting and ending position of a given target value.

Your algorithm's runtime complexity must be in the order of O(log n).

If the target is not found in the array, return [-1, -1].

Example 1:

Input: nums = [5,7,7,8,8,10], target = 8
Output: [3,4]

Example 2:

Input: nums = [5,7,7,8,8,10], target = 6
Output: [-1,-1]

这个题的意思是在一个数组中寻找与target相等的两个数并返回位置,要求时间复杂度为O(Log n),则可以看出使用二分法进行求,但是需要做一点变形,因为两个数字相等的时候不适合二分。

1)

class Solution {
    public int[] searchRange(int[] nums, int target) {
            double left = target - 0.5, right = target + 0.5;
            int l = bs(nums, left), r = bs(nums, right);
            if(l == r) return new int[]{-1, -1};
            return new int[]{l, r-1};
    }
        
    public int bs(int[] nums, double target) {
            int l = 0, h = nums.length-1;
            while(l <= h){
                int m = l + (h - l)/2;
                if(target > nums[m]) l = m+1;
                else h = m-1;
            }
            return l;
    }
}

 

内容概要:该PPT详细介绍了企业架构设计的方法论,涵盖业务架构、数据架构、应用架构和技术架构四大核心模块。首先分析了企业架构现状,包括业务、数据、应用和技术四大架构的内容和关系,明确了企业架构设计的重要性。接着,阐述了新版企业架构总体框架(CSG-EAF 2.0)的形成过程,强调其融合了传统架构设计(TOGAF)和领域驱动设计(DDD)的优势,以适应数字化转型需求。业务架构部分通过梳理企业级和专业级价值流,细化业务能力、流程和对象,确保业务战略的有效落地。数据架构部分则遵循五大原则,确保数据的准确、一致和高效使用。应用架构方面,提出了分层解耦和服务化的设计原则,以提高灵活性和响应速度。最后,技术架构部分围绕技术框架、组件、平台和部署节点进行了详细设计,确保技术架构的稳定性和扩展性。 适合人群:适用于具有一定企业架构设计经验的IT架构师、项目经理和业务分析师,特别是那些希望深入了解如何将企业架构设计与数字化转型相结合的专业人士。 使用场景及目标:①帮助企业和组织梳理业务流程,优化业务能力,实现战略目标;②指导数据管理和应用开发,确保数据的一致性和应用的高效性;③为技术选型和系统部署提供科学依据,确保技术架构的稳定性和扩展性。 阅读建议:此资源内容详尽,涵盖企业架构设计的各个方面。建议读者在学习过程中,结合实际案例进行理解和实践,重点关注各架构模块之间的关联和协同,以便更好地应用于实际工作中。
资 源 简 介 独立分量分析(Independent Component Analysis,简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法,其目的是从由传感器收集到的混合信号中分离相互独立的源信号,使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用,目前已成为盲信号处理,人工神经网络等研究领域中的一个研究热点。本文简要的阐述了ICA的发展、应用和现状,详细地论述了ICA的原理及实现过程,系统地介绍了目前几种主要ICA算法以及它们之间的内在联系, 详 情 说 明 独立分量分析(Independent Component Analysis,简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法,其目的是从由传感器收集到的混合信号中分离相互独立的源信号,使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用,目前已成为盲信号处理,人工神经网络等研究领域中的一个研究热点。 本文简要的阐述了ICA的发展、应用和现状,详细地论述了ICA的原理及实现过程,系统地介绍了目前几种主要ICA算法以及它们之间的内在联系,在此基础上重点分析了一种快速ICA实现算法一FastICA。物质的非线性荧光谱信号可以看成是由多个相互独立的源信号组合成的混合信号,而这些独立的源信号可以看成是光谱的特征信号。为了更好的了解光谱信号的特征,本文利用独立分量分析的思想和方法,提出了利用FastICA算法提取光谱信号的特征的方案,并进行了详细的仿真实验。 此外,我们还进行了进一步的研究,探索了其他可能的ICA应用领域,如音乐信号处理、图像处理以及金融数据分析等。通过在这些领域中的实验和应用,我们发现ICA在提取信号特征、降噪和信号分离等方面具有广泛的潜力和应用前景。
### 解决方案 LeetCode34 题名为 **"Find First and Last Position of Element in Sorted Array"**,其目标是在已排序数组中查找某个目标值的第一个和最后一个位置。如果目标值不存在于数组中,则返回 `[-1, -1]`。 以下是该问题的一种高效解决方案,基于二分查找方法: #### 方法概述 此问题可以通过两次二分查找来解决:一次用于找到目标值的起始索引,另一次用于找到结束索引。这种方法的时间复杂度为 \(O(\log n)\),其中 \(n\) 是输入数组的长度[^2]。 #### 实现代码 以下是一个完整的 C++ 实现: ```cpp #include <vector> using namespace std; class Solution { public: int findBound(const vector<int>& nums, int target, bool isFirst) { int left = 0; int right = nums.size() - 1; int boundIndex = -1; // 初始化边界索引为 -1 while (left <= right) { int mid = left + (right - left) / 2; if (nums[mid] == target) { boundIndex = mid; // 更新当前匹配到的位置 if (isFirst) { // 如果寻找的是第一个位置 right = mid - 1; // 继续向左搜索 } else { // 否则继续向右搜索 left = mid + 1; } } else if (nums[mid] > target) { right = mid - 1; } else { left = mid + 1; } } return boundIndex; } vector<int> searchRange(vector<int>& nums, int target) { int firstPos = findBound(nums, target, true); // 查找第一个位置 if (firstPos == -1) { return {-1, -1}; // 若未找到目标值,直接返回 [-1, -1] } int lastPos = findBound(nums, target, false); // 查找最后一个位置 return {firstPos, lastPos}; } }; ``` 上述代码定义了一个辅助函数 `findBound` 来执行二分查找操作,并通过布尔参数 `isFirst` 控制是查找左侧还是右侧边界[^3]。 --- #### 复杂度分析 - 时间复杂度:\(O(\log n)\),因为每次迭代都将搜索范围减半。 - 空间复杂度:\(O(1)\),仅使用了常量级额外空间[^4]。 --- ### 测试案例 为了验证代码的有效性,可以运行以下测试用例: ```cpp int main() { Solution sol; vector<int> test1 = {5,7,7,8,8,10}; int target1 = 8; auto result1 = sol.searchRange(test1, target1); cout << "[" << result1[0] << ", " << result1[1] << "]" << endl; // 输出 [3, 4] vector<int> test2 = {5,7,7,8,8,10}; int target2 = 6; auto result2 = sol.searchRange(test2, target2); cout << "[" << result2[0] << ", " << result2[1] << "]" << endl; // 输出 [-1, -1] vector<int> test3 = {}; int target3 = 0; auto result3 = sol.searchRange(test3, target3); cout << "[" << result3[0] << ", " << result3[1] << "]" << endl; // 输出 [-1, -1] return 0; } ``` ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值