二分查找，边界思维的惊险挑战
Posted ACM算法日常
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了二分查找，边界思维的惊险挑战相关的知识，希望对你有一定的参考价值。
读完本文，你可以写对简单的二分查找题。
二分查找也称为折半查找、对数查找，思路很简单，对于要查找的目标值，不是通过从前往后迭代查找，而是每次查找中间位置，每次操作排除掉一半的数据。
二分查找比较容易出错，主要原因在于边界难以确定，而且二分查找的写法多样，多种方式容易弄混。
我们来看最简单的一道题，leetcode 704，题目如下：
给定一个 n 个元素有序的（升序）整型数组 nums 和一个目标值 target ，写一个函数搜索 nums 中的 target，如果目标值存在返回下标，否则返回 -1。
源代码：
class Solution {
public:
int search(vector<int>& nums, int t) {
int l=0, r=nums.size()-1;
int ans = l;
while(l<=r){
int m = (l+r)/2;
if(nums[m]>=t){
ans = m;
// left
r = m-1;
}else{
l = m+1;
}
}
return nums[ans] == t?ans:-1;
}
};
这个解法是一个模板，代码看起来不多，让我们一行行的看。
函数输入的是一个有序数组和一个目标值t。
1 初始值
第一行我们定义二分查找的左右区间为l=0和r=数组最后一个下标。从l和r的定义可以看出，l和r都是有效位置。
第二行我们将ans设为l，这里设置成r也可以。ans只是一个临时位置，但是最好是有效的，因为最后一行会用这个取数组值。如果在整个二分查找过程中没有找到新的ans，那么ans就是初始值。
2 退出条件
接着是while循环，这里使用l>r作为退出条件，比较容易记忆，因为l大于r肯定是二分结束了，有些写法是l>=r结束二分，这种写法也可以，但是光从这一行的理解来说，不怎么直观，因为需要结合后面的代码才能满足这个条件，虽然只有几行代码，显然前者耦合性更小（不需要关心任何其他代码）。
3 二分
接下来进入循环， ，也就是二分，一般使用下界，也可以使用上界，影响不大。
4 check判断
下一行是if语句，if(nums[m] >= t)如果成功，则说明当前中间位置的值比较大，所以调整上边界r为m-1。因为m这个位置已经判断过了，所以从m-1位置开始继续下一轮。这里ans=m，为什么放在这里而不是放在下面调整l的边界时候呢？
因为这里是大于等于，当等于的时候，ans就会更新成新的值。
如果判断失败，则说明当前中间位置的值比较小，调整下边界l为m+1。
为什么易出错
这上面4步，每一步都可能走错，这也是为什么写对二分不是那么容易的事情。
特殊情况1：ans初始化超出数组边界的情况
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。你可以假设数组中无重复元素。
输入：[1,3,5,6], 2
输出：1
源码：
class Solution {
public:
int searchInsert(vector<int>& nums, int t) {
int l=0, r=nums.size()-1;
int ans = r+1;
while(l<=r){
int m = (l+r)/2;
if(nums[m] >= t){
ans = m;
r = m-1;
}else{
l = m+1;
}
}
return ans;
}
};
这道题因为需要找到插入的位置，而这个位置可能刚好是最后一个元素的下一位，因此初始化ans为r+1，如果t大于所有元素，ans不能更新，就会返回r+1。
特殊情况2：二分收缩方向
在做了几个二分题目后，你会发现二分的套路都可以用上面一样的模板，但是要注意ans的初始值和收缩方向，什么是收缩方向，比如数组是[1, 2, 3, 5, 5, 7, 9, 10]，如果我们从左边开始收缩，也就是<=t的话，最终会收缩到第二个5那里，如果从右边（高位）收缩，也就是>=t为check判断，最终会收缩到第一个5那里，所以这是有区别的。如果没有重复元素，一般来说我们可以任意一边收缩。来看leetcode 34这道题，题目如下：
给定一个按照升序排列的整数数组 nums，和一个目标值 target。找出给定目标值在数组中的开始位置和结束位置。
如果数组中不存在目标值 target，返回 [-1, -1]。
输入：nums = [5,7,7,8,8,10], target = 8
输出：[3,4]
这道题就需要上面提到的收缩方向：
class Solution {
public:
int lower(vector<int>& nums, int t){
int l = 0, r = nums.size()-1;
int ans = r;
while(l<=r){
int m = (l+r)/2;
if(nums[m] >= t){
ans = m;
r = m-1;
}else{
// < t
l = m+1;
}
}
return nums[ans]==t?ans:-1;
}
int upper(vector<int>& nums, int t){
int l = 0, r = nums.size()-1;
int ans = 0;
while(l<=r){
int m = (l+r)/2;
if(nums[m] > t){
r = m-1;
}else{
// <= t
ans = m;
l = m+1;
}
}
return nums[ans]==t?ans:-1;
}
vector<int> searchRange(vector<int>& nums, int t) {
if(nums.empty()){
return {-1, -1};
}
auto l = lower(nums, t), r = upper(nums, t);
return {l, r};
}
};
计算上和下2个方向，然后拼起来就可以了。
上面简单讲解了3个二分题目，最重要的还是要理解第一题里的四步，第二题是ans初始化的变化题，第三题是二分的收缩特性题。
总结
二分需要多做题多总结，本人做的二分题不多，后面还会继续写一些二分的深入分析。看起来很简单的思路，却非常容易让人掉坑，二分在软件开发过程中也会有很多应用，关键是性能好，值得熟练掌握。
以上是关于二分查找，边界思维的惊险挑战的主要内容，如果未能解决你的问题，请参考以下文章