hello-algo/docs/chapter_searching/binary_search.md

二分查找

「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，直至找到目标元素或搜索区间为空为止。

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。"

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。

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:

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；

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。

如下图所示，为了更清晰地表示区间，我们以折线图的形式表示数组。

=== "<0>"

=== "<1>"

=== "<2>"

=== "<3>"

=== "<4>"

=== "<5>"

=== "<6>"

=== "<7>"

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。

=== "Java"

```java title="binary_search.java"
[class]{binary_search}-[func]{binarySearch}
```

=== "C++"

```cpp title="binary_search.cpp"
[class]{}-[func]{binarySearch}
```

=== "Python"

```python title="binary_search.py"
[class]{}-[func]{binary_search}
```

=== "Go"

```go title="binary_search.go"
[class]{}-[func]{binarySearch}
```

=== "JavaScript"

```javascript title="binary_search.js"
[class]{}-[func]{binarySearch}
```

=== "TypeScript"

```typescript title="binary_search.ts"
[class]{}-[func]{binarySearch}
```

=== "C"

```c title="binary_search.c"
[class]{}-[func]{binarySearch}
```

=== "C#"

```csharp title="binary_search.cs"
[class]{binary_search}-[func]{binarySearch}
```

=== "Swift"

```swift title="binary_search.swift"
[class]{}-[func]{binarySearch}
```

=== "Zig"

```zig title="binary_search.zig"
[class]{}-[func]{binarySearch}
```

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 。

空间复杂度为 O(1) 。指针 i , j 使用常数大小空间。

区间表示方法

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。

我们可以基于该表示实现具有相同功能的二分查找算法。

=== "Java"

```java title="binary_search.java"
[class]{binary_search}-[func]{binarySearchLCRO}
```

=== "C++"

```cpp title="binary_search.cpp"
[class]{}-[func]{binarySearchLCRO}
```

=== "Python"

```python title="binary_search.py"
[class]{}-[func]{binary_search_lcro}
```

=== "Go"

```go title="binary_search.go"
[class]{}-[func]{binarySearchLCRO}
```

=== "JavaScript"

```javascript title="binary_search.js"
[class]{}-[func]{binarySearchLCRO}
```

=== "TypeScript"

```typescript title="binary_search.ts"
[class]{}-[func]{binarySearchLCRO}
```

=== "C"

```c title="binary_search.c"
[class]{}-[func]{binarySearchLCRO}
```

=== "C#"

```csharp title="binary_search.cs"
[class]{binary_search}-[func]{binarySearchLCRO}
```

=== "Swift"

```swift title="binary_search.swift"
[class]{}-[func]{binarySearchLCRO}
```

=== "Zig"

```zig title="binary_search.zig"
[class]{}-[func]{binarySearchLCRO}
```

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。

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。

优点与局限性

二分查找在时间和空间方面都有较好的性能：

• 二分查找的时间效率高。在大数据量下，对数阶的时间复杂度具有显著优势。例如，当数据大小 n = 2^{20} 时，线性查找需要 2^{20} = 1048576 轮循环，而二分查找仅需 \log_2 2^{20} = 20 轮循环。
• 二分查找无需额外空间。相较于需要借助额外空间的搜索算法（例如哈希查找），二分查找更加节省空间。

然而，二分查找并非适用于所有情况，原因如下：

• 二分查找仅适用于有序数据。若输入数据无序，为了使用二分查找而专门进行排序，得不偿失。因为排序算法的时间复杂度通常为 O(n \log n) ，比线性查找和二分查找都更高。对于频繁插入元素的场景，为保持数组有序性，需要将元素插入到特定位置，时间复杂度为 O(n) ，也是非常昂贵的。
• 二分查找仅适用于数组。二分查找需要跳跃式（非连续地）访问元素，而在链表中执行跳跃式访问的效率较低，因此不适合应用在链表或基于链表实现的数据结构。
• 小数据量下，线性查找性能更佳。在线性查找中，每轮只需要 1 次判断操作；而在二分查找中，需要 1 次加法、1 次除法、1 ~ 3 次判断操作、1 次加法（减法），共 4 ~ 6 个单元操作；因此，当数据量 n 较小时，线性查找反而比二分查找更快。