【二分法】二分法的常见使用

最新推荐文章于 2022-03-20 15:12:01 发布
最新推荐文章于 2022-03-20 15:12:01 发布
阅读量1.6k 收藏 3
点赞数
分类专栏： 数据结构与算法 文章标签： 二分法 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/PoemLemon/article/details/117429875
版权
本文介绍了二分法的常见三种使用情况，包括在有序数组中查找特定数值的存在性、找到大于等于目标值的最左侧位置，以及解决局部最小值问题。通过二分法，可以在O(logN)的时间复杂度内高效地处理这些问题。

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

二分法

二分查找在有序数组中查找某个值的时间复杂度是O(logN),但是二分法不一定只能用在有序数组中，对于某些特殊情况的无序数组也可以使用二分查找

二分法的常见三种使用情况

1） 在一个有序数组中， 找某个数是否存在
2） 在一个有序数组中， 找>=某个数最左侧的位置
3） 局部最小值问题

1.在一个有序数组中， 找某个数是否存在

    public static boolean binarySearchExist(int[] arr, int target) {
   
        int left = 0;
        int right = arr.length - 1;
        while (left < right) {
   
            int mid = left + ((right - left) >> 1);
            if (arr[mid] == target) {
   
                return true
最低0.47元/天 解锁文章
二分法的应用
小梁
09-25 353
文章目录1. 什么时候可以使用二分2. 二分法的练习 1. 什么时候可以使用二分 经常见到的类型是在一个有序数组上，开展二分搜索 但有序真的是所有问题求解时使用二分的必要条件吗？ 只要能正确构建左右两侧的淘汰逻辑，你就可以二分。 2. 二分法的练习 题目: 局部最小 public static int getLessIndex(int[] arr) { if (arr == null || arr.length == 0) { return -1; // no exist } if
二分法的（三种用法）
ajl2003的博客
03-22 387
第一种情况： 查找给定有序数组中是否含有这个数： 这是最基本的二分法，当查找到满足条件的位置时则结束循环 给定有序数组a[5] = {1,2,3,4,5},判断是否有num = 3 这个数，存在的话将他的数组下标返回，不存在则返回-1 思路： 直接采用二分法进行搜索，如果满足条件则跳出循环 int fun(int x) { int l = 0 ,r = n -1 ; while(l <= r) { int mid = l+r >>1; if(..
二分法的用法
weixin_44960011的博客
01-28 326
二分法实现原理：二分查找可以解决已经排好序数组的查找问题：只要数组中包含target（即要查找的值），那么通过不断缩小包含target数组的范围，最终就可以找到它。 其算法流程如下： 开始，范围覆盖整个数组。 将数组的中间项与target进行比较，如果target比数组的中间项要小，则到数组的前半部分继续查找，反之，则到数组的后半部分继续查找。 如此，每次查找可以排除一半元素，范围缩小一半。就这样反复比较，反复缩小范围，最终就会在数组中找到target，或者确定原以为target所在的范围实际为空。 对于包
二分法的使用
chengpo的专栏
09-02 1207
关于二分法的详细使用 首先我第一次接触二分法是二分法的查找, int BinaraySearch(int *array,int target,                            unsigned int i,unsigned int n) {
matlab实现二分法，迭代法_matlab_二分法_迭代法_
09-29
常见的迭代法包括牛顿法、梯度下降法等。以简单的线性迭代法为例，假设我们有迭代公式 x[n+1] = g(x[n])，其中 g 是迭代函数。在MATLAB中，迭代法可以这样实现： ```matlab function r = iterative_method(f, df, ...
C语言二分法求解方程根的两种方法
08-19
其余的逻辑与直接二分法相同，但因为使用了函数指针，因此当需要求解不同方程的根时，只需定义新的函数并重新赋值给函数指针p即可，极大地提高了代码的复用性和维护性。 这种方法的优点在于灵活性和可维护性高，...
最小二分法_VS二分法面试题_
10-03
"最小二分法"和"二分法"是常见的算法问题，对于VS2015面试开发和测试开发岗位的候选人来说，理解并能熟练运用这些方法至关重要。这两种方法在解决特定类型的问题时具有高效性和实用性。 首先，让我们来详细讨论一下...
Desktop.zip_二分法_方程二分法
07-13
在IT领域，数值计算是解决复杂问题的重要手段之一，其中二分法和牛顿法是两种常见的数值解法，尤其适用于求解非线性方程。这两种方法在计算机科学、工程计算、数据分析等多个领域有着广泛的应用。 二分法，又称折半...
应用二分法
qq_43535336的博客
12-16 273
 利用二分法和自定义函数做题 1.输入员工的名字和编号 2.将员工按编号进行排序，姓名也要显示 3.只用输入编号，就能查询该员工 #include&lt;stdio.h&gt; #include&lt;stdlib.h&gt; #include&lt;string.h&gt; int main() {     void input(int num[10], char name[10][10...
算法【二分搜索？啥时候用】
命z的博客
03-26 826
在说二分搜索前先说一下二分查找。 二分查找的前提条件的是有序的。 这样才能保证每一次都排除一半的数据，时间复杂度才是O(logN) 实现： #include <iostream> using namespace std; //二分查找 返回位置标号 时间复杂度O(logN) //参数：数组list，数组区间[left, right], 要查找的数number int b...
二分法的算法及应用场景（只更新了一种）
jyjy0608的博客
03-04 1001
几种常见的应用场景：寻找一个数、寻找左侧边界、寻找右侧边界 细节（不等号是否应该带等号，mid 是否应该加一等等） int binarySearch(int[] nums, int target) { int left = 0; int right = nums.length - 1; // 注意 while(left <= right) { int mid = left + (right - left) / 2; if(nums[mi
二分法使用
nidiquge的博客
03-20 150
二分法
二分法应用
西北工业大学的博客
10-09 365
检测整数 n 是否是 2 的幂次。 class Solution { public: /** * @param n: An integer * @return: True or false */ bool checkPowerOf2(int n) { // write your code here if(n==1)ret...
二分法的几种形式和适用场景
tabris919的博客
08-17 3590
二分法的几种写法一般写法多个结果找最前多个结果找最后 一般写法 要求找到结果返回index，否则返回-1 def search(arr, target): lo = 0 hi = len(arr) - 1 while lo <= hi: mid = lo + (hi - lo) // 2 # avoid overflow if target > arr[mid]: lo = mid + 1 elif target < arr[mid]: hi = mid -
二分法的妙用
幸福村的人
04-26 1289
 大家都知道用二分法在有序序列中查找效率很高，除此之外，二分法的思想 在很多方面有应用，不仅仅限于查找某个数据。比如，我们对一个单调函数f(x)求它的零点时，假设我们知道它的零点在一个范围(a,b)中，那么我们就可以用二分法来求f(x)=0的根了。现在，我们看一个实际的应用。Topcoder SRM338第2题，(http://www.topcoder.com/stat?c=problem_sta
【算法】二分法的使用
banchengp的博客
10-15 496
二分法的使用 旋转数组： 假设按照升序排序的数组在预先未知的某个点上进行了旋转。 ( 例如，数组 [0,1,2,4,5,6,7] 可能变为 [4,5,6,7,0,1,2] )。 搜索一个给定的目标值，如果数组中存在这个目标值，则返回它的索引，否则返回 -1 。 你可以假设数组中不存在重复的元素。 你的算法时间复杂度必须是 O(log n) 级别。 输入: nums = [4,...
二分法 具体操作
玮哥的博客
03-16 1034
对于区间[a，b]上连续不断且f（a）·f（b） 给定精确度ξ,用二分法求函数f(x)零点近似值的步骤如下: 1 确定区间[a,b],验证f(a)·f(b) 2 求区间(a,b)的中点c. 3 计算f(c). (1) 若f(c)=0,则c就是函数的零点; (2) 若f(a)·f(c) (3) 若f(c)·f(b) (4) 判断是否达到精确度ξ:即若|a-b|
不使用二分法
最新发布
03-19
<think>好的，现在我要处理用户的问题，关于在C++中使用数组实现类似map的功能，但这次不使用二分法。用户之前已经询问过使用二分法的情况，现在可能想了解替代方法或者比较不同方法的优缺点。 首先，我需要回忆一下之前给出的回答，用户已经知道如何用有序数组和二分法来实现高效的查找。现在如果不用二分法，可能的替代方案有哪些呢？常见的有线性查找、哈希表、或者二叉搜索树等结构，但用户明确提到使用数组，所以可能需要用数组结合其他查找方式。 用户的问题是不使用二分法，所以重点应该放在线性查找上，因为二分法需要数组有序，而线性查找则不需要，或者可以有不同的数据组织方式。比如，是否保持数组有序？如果使用无序数组，查找的时候需要线性扫描，但插入会更快，因为不需要移动元素。或者是否使用其他结构，比如链表，但用户指定的是数组，所以链表可能不在考虑范围内。 接下来，我需要考虑如何用数组实现类似map的功能，但查找不使用二分法。可能的思路有两种：保持数组无序，插入时直接追加，查找时线性扫描；或者使用其他数据结构如哈希表，但哈希表通常需要数组加链表（开链法）或者开放寻址法，但用户可能想要更简单的实现，不使用内置的哈希函数或者处理冲突的机制。 由于用户之前提到了用数组模拟map，可能希望保持简单，所以这里可能采用无序数组，插入快但查找慢。但这样效率会比较低，特别是当元素数量大时，查找的时间复杂度是O(n)，而插入是O(1)，但如果有重复键需要处理的话，插入可能也需要查找，导致O(n)的时间。 或者，是否可以使用其他方式组织数据，比如维护多个数组，或者使用某种分块策略来加速查找？但这样可能复杂度增加，用户可能希望一个简单的实现。 因此，最直接的替代方案是使用无序数组，每次插入时不排序，直接添加到末尾，查找时线性遍历。但这样增删查改的时间复杂度都会比较高。可能用户想知道这样的实现方式，或者是否有其他方法。 接下来，我需要组织回答的结构，按照之前的模板：数据结构设计，核心操作实现，时间复杂度分析，优缺点对比，改进方向等。需要指出，不使用二分法的情况下，查找效率会下降，但插入可能更快（如果不需要维护有序的话）。 另外，需要比较两种方法：使用有序数组（二分查找）和无序数组（线性查找）的优缺点。用户可能想知道在不同场景下哪种更合适，或者为什么有时候不用二分法，比如数据量小的时候，线性查找可能更简单，或者插入频繁但查找次数少的情况。 此外，可能需要提到其他可能性，比如如果允许重复键，或者需要其他操作，但用户的问题可能更关注基本的增删查改。 最后，需要确保代码示例正确，不使用二分查找，比如在findIndex函数中使用循环遍历，而不是二分法。同时，注意插入时是否需要检查重复键，并在存在时更新值，否则追加到数组末尾。删除时需要找到元素并移动后续元素，时间复杂度O(n)。 总结步骤： 1. 数据结构设计：无序数组，Entry结构体，记录键值对，动态数组或固定大小。 2. 查找操作：线性遍历数组，直到找到匹配的键。 3. 插入操作：先查找是否存在，存在则更新，否则追加到末尾（可能需要处理数组满的情况）。 4. 删除操作：找到元素后，移动后续元素前移。 5. 修改操作：查找后直接修改。 6. 访问操作：类似之前的operator[]，查找或插入默认值。 7. 时间复杂度分析：查找O(n)，插入O(n)（因为需要先查找是否存在），删除O(n)，修改O(n)。 8. 优缺点：实现简单，适合小数据量；但效率低，不适合大数据量。 9. 改进方向：如使用哈希表、保持有序但用其他查找方法等。 在代码实现时，需要注意处理数组满的情况，可能需要动态扩容（比如使用vector），但用户的问题可能假设使用固定数组，所以需要断言或者错误处理。 现在需要把这些思路整理成结构化的回答，使用中文，符合之前的格式，但针对不使用二分法的情况。</think>--- ### 一、数据结构设计（无序数组方案） ```cpp template <typename Key, typename Value, int MAX_SIZE = 1000> class ArrayMap { private: struct Entry { Key key; Value value; }; Entry entries[MAX_SIZE]; // 无序数组 int size = 0; // 当前元素数量 }; ``` --- ### 二、核心操作实现 #### 1. **查找操作（线性扫描）** ```cpp // 返回键对应的下标，未找到返回-1 int findIndex(const Key& key) const { for (int i = 0; i < size; ++i) { if (entries[i].key == key) { return i; } } return -1; } ``` #### 2. **插入/修改操作** ```cpp void insert(const Key& key, const Value& value) { int index = findIndex(key); // 键已存在：直接修改值 if (index != -1) { entries[index].value = value; return; } // 数组已满：需扩容或报错（此处简化为断言） assert(size < MAX_SIZE); // 无序插入：直接追加到末尾 entries[size++] = {key, value}; } ``` #### 3. **删除操作** ```cpp bool erase(const Key& key) { int index = findIndex(key); if (index == -1) return false; // 将最后一个元素覆盖到删除位置 entries[index] = entries[size-1]; size--; return true; } ``` #### 4. **访问操作** ```cpp Value& operator[](const Key& key) { int index = findIndex(key); if (index != -1) { return entries[index].value; } // 未找到则插入默认值 insert(key, Value{}); return entries[size-1].value; // 新插入元素在末尾 } ``` --- ### 三、时间复杂度分析 | 操作 | 时间复杂度 | 说明 | |--------|------------|------------------------| | 查找 | O(n) | 线性遍历所有元素 | | 插入 | O(n) | 需先检查键是否已存在 | | 删除 | O(n) | 查找+覆盖 | | 修改 | O(n) | 查找+直接修改 | --- ### 四、方案特点 #### **优势**： 1. **实现简单**：无需维护数组有序性 2. **快速插入**：无需元素移动（直接追加到末尾） 3. **删除优化**：通过末尾元素覆盖删除位置，避免大规模数据移动 #### **劣势**： 1. **查找效率低**：必须遍历所有元素 2. **数据冗余风险**：可能存储重复键（需在插入时显式检查） --- ### 五、适用场景对比 | 方案 | 典型场景 | |--------------|-----------------------------------| | **有序数组** | 查找频繁，数据需要有序遍历 | | **无序数组** | 插入/删除频繁，数据量小（<100） | --- ### 六、改进方向 1. **哈希表优化** 使用简易哈希函数（如取模）定位桶位置： ```cpp int bucket_index = hash(key) % BUCKET_SIZE; ``` 配合链表处理冲突（类似`std::unordered_map`） 2. **分块查找** 将数组划分为多个块，记录每块的键范围，缩小查找范围 3. **缓存最近访问** 添加`last_accessed_index`字段，优先检查最近访问的元素 --- ### 七、代码示例（哈希表优化版） ```cpp // 简易哈希表实现（开链法） template <typename Key, typename Value, int BUCKET_SIZE = 100> class SimpleHashMap { private: struct Entry { Key key; Value value; Entry* next = nullptr; }; Entry* buckets[BUCKET_SIZE] = {nullptr}; int hash(const Key& key) const { return std::hash<Key>{}(key) % BUCKET_SIZE; } }; ``` --- ### 总结 不使用二分法时，**无序数组方案**更适合数据量小或插入操作密集的场景。若需提升性能，可结合哈希表思想，但完整实现哈希表需处理冲突、扩容等复杂问题。实际开发中仍推荐优先使用STL容器。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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