|
|
@ -1,24 +1,30 @@
|
|
|
|
# 二分查找
|
|
|
|
# 二分查找
|
|
|
|
|
|
|
|
|
|
|
|
「二分查找 Binary Search」利用数据的有序性,通过每轮减少一半搜索范围来定位目标元素。
|
|
|
|
「二分查找 Binary Search」是一种基于分治思想的高效搜索算法。它利用数据的有序性,每轮减少一半搜索范围,实现定位目标元素。
|
|
|
|
|
|
|
|
|
|
|
|
给定一个长度为 $n$ 的有序数组 `nums` ,元素按从小到大的顺序排列。数组索引的取值范围为:
|
|
|
|
我们先来求解一个简单的二分查找问题。
|
|
|
|
|
|
|
|
|
|
|
|
$$
|
|
|
|
!!! question "给定一个长度为 $n$ 的有序数组 `nums` ,元素按从小到大的顺序排列。查找并返回元素 `target` 在该数组中的索引。若数组中不包含该元素,则返回 $-1$ 。数组中不包含重复元素。"
|
|
|
|
0, 1, 2, \cdots, n-1
|
|
|
|
|
|
|
|
$$
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
我们通常使用以下两种方法来表示这个取值范围:
|
|
|
|
该数组的索引范围可以使用区间 $[0, n - 1]$ 来表示。其中,**中括号表示“闭区间”,即包含边界值本身**。在该表示下,区间 $[i, j]$ 在 $i = j$ 时仍包含一个元素,在 $i > j$ 时为空区间。
|
|
|
|
|
|
|
|
|
|
|
|
1. **双闭区间 $[0, n-1]$** ,即两个边界都包含自身;在此方法下,区间 $[i, i]$ 仍包含 $1$ 个元素;
|
|
|
|
接下来,我们基于上述区间定义实现二分查找。先初始化指针 $i = 0$ 和 $j = n - 1$ ,分别指向数组首元素和尾元素。之后循环执行以下两个步骤:
|
|
|
|
2. **左闭右开 $[0, n)$** ,即左边界包含自身、右边界不包含自身;在此方法下,区间 $[i, i)$ 不包含元素;
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
## 双闭区间实现
|
|
|
|
1. 计算中点索引 $m = \lfloor {(i + j) / 2} \rfloor$ ,其中 $\lfloor \space \rfloor$ 表示向下取整操作。
|
|
|
|
|
|
|
|
2. 根据 `nums[m]` 和 `target` 缩小搜索区间,分为三种情况:
|
|
|
|
|
|
|
|
1. 当 `nums[m] < target` 时,说明 `target` 在区间 $[m + 1, j]$ 中,因此执行 $i = m + 1$ ;
|
|
|
|
|
|
|
|
2. 当 `nums[m] > target` 时,说明 `target` 在区间 $[i, m - 1]$ 中,因此执行 $j = m - 1$ ;
|
|
|
|
|
|
|
|
3. 当 `nums[m] = target` 时,说明找到目标元素,直接返回索引 $m$ 即可;
|
|
|
|
|
|
|
|
|
|
|
|
首先,我们采用“双闭区间”表示法,在数组 `nums` 中查找目标元素 `target` 的对应索引。
|
|
|
|
**若数组不包含目标元素,搜索区间最终会缩小为空**,即达到 $i > j$ 。此时,终止循环并返回 $-1$ 即可。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
为了更清晰地表示区间,我们在下图中以折线图的形式表示数组。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=== "<0>"
|
|
|
|
|
|
|
|
![二分查找步骤](binary_search.assets/binary_search_step0.png)
|
|
|
|
|
|
|
|
|
|
|
|
=== "<1>"
|
|
|
|
=== "<1>"
|
|
|
|
![二分查找步骤](binary_search.assets/binary_search_step1.png)
|
|
|
|
![binary_search_step1](binary_search.assets/binary_search_step1.png)
|
|
|
|
|
|
|
|
|
|
|
|
=== "<2>"
|
|
|
|
=== "<2>"
|
|
|
|
![binary_search_step2](binary_search.assets/binary_search_step2.png)
|
|
|
|
![binary_search_step2](binary_search.assets/binary_search_step2.png)
|
|
|
@ -38,7 +44,9 @@ $$
|
|
|
|
=== "<7>"
|
|
|
|
=== "<7>"
|
|
|
|
![binary_search_step7](binary_search.assets/binary_search_step7.png)
|
|
|
|
![binary_search_step7](binary_search.assets/binary_search_step7.png)
|
|
|
|
|
|
|
|
|
|
|
|
二分查找在“双闭区间”表示下的代码如下所示。
|
|
|
|
值得注意的是,**当数组长度 $n$ 很大时,加法 $i + j$ 的结果可能会超出 `int` 类型的取值范围**。为了避免大数越界,我们通常采用公式 $m = \lfloor {i + (j - i) / 2} \rfloor$ 来计算中点。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
有趣的是,理论上 Python 的数字可以无限大(取决于内存大小),因此无需考虑大数越界问题。
|
|
|
|
|
|
|
|
|
|
|
|
=== "Java"
|
|
|
|
=== "Java"
|
|
|
|
|
|
|
|
|
|
|
@ -100,96 +108,15 @@ $$
|
|
|
|
[class]{}-[func]{binarySearch}
|
|
|
|
[class]{}-[func]{binarySearch}
|
|
|
|
```
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
需要注意的是,**当数组长度非常大时,加法 $i + j$ 的结果可能会超出 `int` 类型的取值范围**。在这种情况下,我们需要采用一种更安全的计算中点的方法。
|
|
|
|
时间复杂度为 $O(\log n)$ 。每轮缩小一半区间,因此二分循环次数为 $\log_2 n$ 。
|
|
|
|
|
|
|
|
|
|
|
|
=== "Java"
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```java title=""
|
|
|
|
|
|
|
|
// (i + j) 有可能超出 int 的取值范围
|
|
|
|
|
|
|
|
int m = (i + j) / 2;
|
|
|
|
|
|
|
|
// 更换为此写法则不会越界
|
|
|
|
|
|
|
|
int m = i + (j - i) / 2;
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=== "C++"
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```cpp title=""
|
|
|
|
|
|
|
|
// (i + j) 有可能超出 int 的取值范围
|
|
|
|
|
|
|
|
int m = (i + j) / 2;
|
|
|
|
|
|
|
|
// 更换为此写法则不会越界
|
|
|
|
|
|
|
|
int m = i + (j - i) / 2;
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=== "Python"
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```py title=""
|
|
|
|
|
|
|
|
# Python 中的数字理论上可以无限大(取决于内存大小)
|
|
|
|
|
|
|
|
# 因此无需考虑大数越界问题
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=== "Go"
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```go title=""
|
|
|
|
|
|
|
|
// (i + j) 有可能超出 int 的取值范围
|
|
|
|
|
|
|
|
m := (i + j) / 2
|
|
|
|
|
|
|
|
// 更换为此写法则不会越界
|
|
|
|
|
|
|
|
m := i + (j - i) / 2
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=== "JavaScript"
|
|
|
|
空间复杂度为 $O(1)$ 。指针 `i` , `j` 使用常数大小空间。
|
|
|
|
|
|
|
|
|
|
|
|
```javascript title=""
|
|
|
|
## 区间表示方法
|
|
|
|
// (i + j) 有可能超出 int 的取值范围
|
|
|
|
|
|
|
|
let m = parseInt((i + j) / 2);
|
|
|
|
|
|
|
|
// 更换为此写法则不会越界
|
|
|
|
|
|
|
|
let m = parseInt(i + (j - i) / 2);
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=== "TypeScript"
|
|
|
|
除了上述的双闭区间外,常见的区间表示还有“左闭右开”区间,定义为 $[0, n)$ ,即左边界包含自身,右边界不包含自身。在该表示下,区间 $[i, j]$ 在 $i = j$ 时为空。
|
|
|
|
|
|
|
|
|
|
|
|
```typescript title=""
|
|
|
|
我们可以基于该表示实现具有相同功能的二分查找算法。
|
|
|
|
// (i + j) 有可能超出 Number 的取值范围
|
|
|
|
|
|
|
|
let m = Math.floor((i + j) / 2);
|
|
|
|
|
|
|
|
// 更换为此写法则不会越界
|
|
|
|
|
|
|
|
let m = Math.floor(i + (j - i) / 2);
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=== "C"
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```c title=""
|
|
|
|
|
|
|
|
// (i + j) 有可能超出 int 的取值范围
|
|
|
|
|
|
|
|
int m = (i + j) / 2;
|
|
|
|
|
|
|
|
// 更换为此写法则不会越界
|
|
|
|
|
|
|
|
int m = i + (j - i) / 2;
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=== "C#"
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```csharp title=""
|
|
|
|
|
|
|
|
// (i + j) 有可能超出 int 的取值范围
|
|
|
|
|
|
|
|
int m = (i + j) / 2;
|
|
|
|
|
|
|
|
// 更换为此写法则不会越界
|
|
|
|
|
|
|
|
int m = i + (j - i) / 2;
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=== "Swift"
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```swift title=""
|
|
|
|
|
|
|
|
// (i + j) 有可能超出 int 的取值范围
|
|
|
|
|
|
|
|
let m = (i + j) / 2
|
|
|
|
|
|
|
|
// 更换为此写法则不会越界
|
|
|
|
|
|
|
|
let m = i + (j - 1) / 2
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=== "Zig"
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```zig title=""
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
## 左闭右开实现
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
我们可以采用“左闭右开”的表示法,编写具有相同功能的二分查找代码。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=== "Java"
|
|
|
|
=== "Java"
|
|
|
|
|
|
|
|
|
|
|
@ -251,24 +178,11 @@ $$
|
|
|
|
[class]{}-[func]{binarySearchLCRO}
|
|
|
|
[class]{}-[func]{binarySearchLCRO}
|
|
|
|
```
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
对比这两种代码写法,我们可以发现以下不同点:
|
|
|
|
如下图所示,在两种区间表示下,二分查找算法的初始化、循环条件和缩小区间操作皆有所不同。
|
|
|
|
|
|
|
|
|
|
|
|
<div class="center-table" markdown>
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 表示方法 | 初始化指针 | 缩小区间 | 循环终止条件 |
|
|
|
|
|
|
|
|
| ------------------- | ------------------- | ------------------------- | ------------ |
|
|
|
|
|
|
|
|
| 双闭区间 $[0, n-1]$ | $i = 0$ , $j = n-1$ | $i = m + 1$ , $j = m - 1$ | $i > j$ |
|
|
|
|
|
|
|
|
| 左闭右开 $[0, n)$ | $i = 0$ , $j = n$ | $i = m + 1$ , $j = m$ | $i = j$ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
</div>
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
在“双闭区间”表示法中,由于对左右两边界的定义相同,因此缩小区间的 $i$ 和 $j$ 的处理方法也是对称的,这样更不容易出错。因此,**建议采用“双闭区间”的写法**。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
## 复杂度分析
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
**时间复杂度 $O(\log n)$** :其中 $n$ 为数组长度;每轮排除一半的区间,因此循环轮数为 $\log_2 n$ ,使用 $O(\log n)$ 时间。
|
|
|
|
在“双闭区间”表示法中,由于左右边界都被定义为闭区间,因此指针 $i$ 和 $j$ 缩小区间操作也是对称的。这样更不容易出错。因此,**我们通常采用“双闭区间”的写法**。
|
|
|
|
|
|
|
|
|
|
|
|
**空间复杂度 $O(1)$** :指针 `i` , `j` 使用常数大小空间。
|
|
|
|
![两种区间定义](binary_search.assets/binary_search_ranges.png)
|
|
|
|
|
|
|
|
|
|
|
|
## 优点与局限性
|
|
|
|
## 优点与局限性
|
|
|
|
|
|
|
|
|
|
|
|