lintcode 14. 二分查找

本文详细介绍了二分查找算法的应用,特别关注如何在已排序的数组中高效地找到目标值首次出现的位置。通过具体示例展示了算法的工作原理,并提供了一个实现该算法的Java代码示例。

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

  1. 二分查找
    中文
    English
    给定一个排序的整数数组(升序)和一个要查找的整数target,用O(logn)的时间查找到target第一次出现的下标(从0开始),如果target不存在于数组中,返回-1。

样例
样例 1:
输入:[1,4,4,5,7,7,8,9,9,10],1
输出: 0

样例解释: 
第一次出现在第0个位置。

样例 2:
输入: [1, 2, 3, 3, 4, 5, 10],3
输出: 2

样例解释: 
第一次出现在第2个位置

样例 3:
输入: [1, 2, 3, 3, 4, 5, 10],6
输出: -1

样例解释: 
没有出现过6, 返回-1

挑战
如果数组中的整数个数超过了2^32,你的算法是否会出错?

public class Solution {
    /**
     * @param nums: The integer array.
     * @param target: Target to find.
     * @return: The first position of target. Position starts from 0.
     */
    public int binarySearch(int[] nums, int target) {
        // write your code here
        return Search(nums,target,0,nums.length);
    }
    public int Search(int []nums,int target,int first,int last)
    {
if(first==last&&nums[0]==target) return first;
        else if(first==last&&nums[0]!=target) return -1;
        else
        {
            int n=(first+last)/2;
            if(nums[n]==target) 
            {
                if(Search(nums,target,first,n)==-1) return n;
                else return Search(nums,target,first,n);
            }
            else if(nums[n]>target) return Search(nums,target,first,n);
            else return Search(nums,target,n+1,last);
           // return -1;
        }
    }
}
### 关于二分法算法的答案模板与示例 #### 二分法简介 二分法是一种高效的搜索算法,在有序数组中通过不断将查找范围减半来快速定位目标值。其核心思想是在每次迭代过程中,基于中间位置元素与目标值的关系调整新的搜索区间,从而大幅减少比较次数[^1]。 #### 大模板构建 对于标准的升序排列数组中的二分查找,可以采用如下大模板: ```python def binary_search(nums, target): left, right = 0, len(nums) - 1 while left <= right: mid = (left + right) // 2 if nums[mid] == target: return mid elif nums[mid] < target: left = mid + 1 else: right = mid - 1 return -1 ``` 此版本适用于寻找确切匹配的目标值,并返回其索引;如果不存在,则返回 `-1` 表明找不到该元素。 #### 小模板及其应用场景 当涉及到更复杂的条件判断或者需要处理重复项时,可使用更加灵活的小模板形式。例如,在存在多个相同数值的情况下找到最左边/右边的第一个匹配项: ##### 查找左侧边界的变体 为了确保能够获取到第一个等于 `target` 的下标,可以在相等情况时不立即返回而是继续向左收缩右边界直到不能再缩为止。 ```python def find_left_bound(nums, target): left, right = 0, len(nums) while left < right: mid = (left + right) >> 1 if nums[mid] >= target: right = mid else: left = mid + 1 return left if 0 <= left < len(nums) and nums[left] == target else -1 ``` 这里的关键操作是 `right=mid` 而不是 `mid-1` ,这保证了即使遇到相同的数也不会错过可能存在的更早出现的位置[^3]。 ##### 查找右侧边界的变体 同理,要获得最后一个等于给定值的位置可以通过适当修改上述逻辑实现: ```python def find_right_bound(nums, target): left, right = 0, len(nums) while left < right: mid = (left + right) >> 1 if nums[mid] <= target: left = mid + 1 else: right = mid return left - 1 if 0 <= left - 1 < len(nums) and nums[left - 1] == target else -1 ``` 注意这里的区别在于更新左右指针的方式以及最终计算结果的方法不同,以此适应不同的需求场景。 #### 实际案例解析 考虑这样一个具体例子:在一个几乎完全排序但被部分旋转过的列表 `[4,5,6,7,0,1,2]` 中查找某个特定整数的存在性问题(即 LintCode 上提到的任务),此时就需要特别设计适合此类情况下的二分策略[^2]。
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