【力扣刷题-数组篇】35. 搜索插入位置的二分法与Java代码

本文详细解析了如何使用二分查找算法解决LeetCode题目35,搜索在有序数组中插入目标值的正确位置,同时讨论了代码实现和复杂度分析。重点在于理解插入位置的确定逻辑,即当目标值不存在时,返回比它大的第一个元素的索引。

【力扣刷题-数组篇】35. 搜索插入位置的二分法与Java代码

给定一个排序数组和一个目标值,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。

请必须使用时间复杂度为 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 <= 10^4
  • -10^4 <= nums[i] <= 10^4
  • nums无重复元素升序 排列数组
  • -10^4 <= target <= 10^4

题目链接

35. 搜索插入位置

最优解:

class Solution {
    public int searchInsert(int[] nums, int target) {
        int left = 0,right = nums.length - 1;
        while(left <= right) {
            int mid = left + (right - left)/2;
            if(nums[mid] == target) {
                return mid;
            }else if(nums[mid] > target) {
                right = mid - 1;
            }else {//nums[mid] < target
                left = mid + 1;
            }
        }
        //当前要插入的位置,就是比target大的第一个元素的位置
        return left;
    }
}

刷hot100时的2:22的思考:

class Solution {
    public int searchInsert(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;
            } else if(nums[mid] < target) {
                left = mid + 1;
            } else {
                right = mid - 1;
            }
        }
        return left;
    }
}

我确实很清楚,如果找不到,left最后停的位置就是要插入的位置,因为它left最终一定指向比target大的第一个元素,这就是需要插入的位置。

思路

看到这个时间复杂度的要求就知道要用二分法了,而且限制了是没有重复元素的升序,就是二分法很适合的条件。与二分查找不同的是元素可能不在这里面,要想清楚不在的情况下返回left还是left - 1,我刚开始就想错了。

其实可以自己举一个查找不存在的情况的例子就清楚了,left最终一定指向比target大的第一个元素,这就是需要插入的位置。比如[1, 3, 4, 5],我要查找2,那么第一次left = 0, right = 3, mid = 1, 此时nums[mid] = 3 > 2,那么right = mid - 1 = 0,所以现在left = right = 0。

然后判断索引0的元素1,发现比2小,那么就left = mid + 1,再一次就不满足循环条件left <= right了,所以退出,也就是说如果没有target退出时一定是left = right + 1。此时left就是索引1,即我要插入2的位置。

复杂度

时间复杂度: O ( l o g ( n ) ) O(log(n)) O(log(n))

空间复杂度: O ( 1 ) O(1) O(1)

Code

class Solution {
    public int searchInsert(int[] nums, int target) {
        int left = 0,right = nums.length - 1;
        while(left <= right) {
            int mid = left + (right - left)/2;
            if(nums[mid] == target) {
                return mid;
            }else if(nums[mid] > target) {
                right = mid - 1;
            }else {//nums[mid] < target
                left = mid + 1;
            }
        }
        //当前要插入的位置,就是比target大的第一个元素的位置
        return left;
    }
}
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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