mirror of https://github.com/krahets/hello-algo.git synced 2024-12-28 04:06:28 +08:00

krahets df0f7d3be1 build

2023-08-27 23:40:56 +08:00

25 KiB

Executable file

Raw Blame History

comments
true

10.1 二分查找

「二分查找 binary search」是一种基于分治策略的高效搜索算法。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。

!!! question

给定一个长度为 $n$ 的数组 `nums` ，元素按从小到大的顺序排列，数组不包含重复元素。请查找并返回元素 `target` 在该数组中的索引。若数组不包含该元素，则返回 $-1$ 。

图 10-1 二分查找示例数据

如图 10-2 所示，我们先初始化指针 i = 0 和 j = n - 1 ，分别指向数组首元素和尾元素，代表搜索区间 [0, n - 1] 。请注意，中括号表示闭区间，其包含边界值本身。

接下来，循环执行以下两步。

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。
判断 nums[m] 和 target 的大小关系，分为以下三种情况。
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 target ，因此返回索引 m 。

若数组不包含目标元素，搜索区间最终会缩小为空。此时返回 -1 。

=== "<1>"

=== "<2>"

=== "<3>"

=== "<4>"

=== "<5>"

=== "<6>"

=== "<7>"

图 10-2 binary_search_step1

值得注意的是，由于 i 和 j 都是 int 类型，因此 i + j 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"
/* 二分查找（双闭区间） */
int binarySearch(int[] nums, int target) {
    // 初始化双闭区间 [0, n-1] ，即 i, j 分别指向数组首元素、尾元素
    int i = 0, j = nums.length - 1;
    // 循环，当搜索区间为空时跳出（当 i > j 时为空）
    while (i <= j) {
        int m = i + (j - i) / 2; // 计算中点索引 m
        if (nums[m] < target) // 此情况说明 target 在区间 [m+1, j] 中
            i = m + 1;
        else if (nums[m] > target) // 此情况说明 target 在区间 [i, m-1] 中
            j = m - 1;
        else // 找到目标元素，返回其索引
            return m;
    }
    // 未找到目标元素，返回 -1
    return -1;
}
```

=== "C++"

```cpp title="binary_search.cpp"
/* 二分查找（双闭区间） */
int binarySearch(vector<int> &nums, int target) {
    // 初始化双闭区间 [0, n-1] ，即 i, j 分别指向数组首元素、尾元素
    int i = 0, j = nums.size() - 1;
    // 循环，当搜索区间为空时跳出（当 i > j 时为空）
    while (i <= j) {
        int m = i + (j - i) / 2; // 计算中点索引 m
        if (nums[m] < target)    // 此情况说明 target 在区间 [m+1, j] 中
            i = m + 1;
        else if (nums[m] > target) // 此情况说明 target 在区间 [i, m-1] 中
            j = m - 1;
        else // 找到目标元素，返回其索引
            return m;
    }
    // 未找到目标元素，返回 -1
    return -1;
}
```

=== "Python"

```python title="binary_search.py"
def binary_search(nums: list[int], target: int) -> int:
    """二分查找（双闭区间）"""
    # 初始化双闭区间 [0, n-1] ，即 i, j 分别指向数组首元素、尾元素
    i, j = 0, len(nums) - 1
    # 循环，当搜索区间为空时跳出（当 i > j 时为空）
    while i <= j:
        # 理论上 Python 的数字可以无限大（取决于内存大小），无须考虑大数越界问题
        m = (i + j) // 2  # 计算中点索引 m
        if nums[m] < target:
            i = m + 1  # 此情况说明 target 在区间 [m+1, j] 中
        elif nums[m] > target:
            j = m - 1  # 此情况说明 target 在区间 [i, m-1] 中
        else:
            return m  # 找到目标元素，返回其索引
    return -1  # 未找到目标元素，返回 -1
```

=== "Go"

```go title="binary_search.go"
/* 二分查找（双闭区间） */
func binarySearch(nums []int, target int) int {
    // 初始化双闭区间 [0, n-1] ，即 i, j 分别指向数组首元素、尾元素
    i, j := 0, len(nums)-1
    // 循环，当搜索区间为空时跳出（当 i > j 时为空）
    for i <= j {
        m := i + (j-i)/2      // 计算中点索引 m
        if nums[m] < target { // 此情况说明 target 在区间 [m+1, j] 中
            i = m + 1
        } else if nums[m] > target { // 此情况说明 target 在区间 [i, m-1] 中
            j = m - 1
        } else { // 找到目标元素，返回其索引
            return m
        }
    }
    // 未找到目标元素，返回 -1
    return -1
}
```

=== "JS"

```javascript title="binary_search.js"
/* 二分查找（双闭区间） */
function binarySearch(nums, target) {
    // 初始化双闭区间 [0, n-1] ，即 i, j 分别指向数组首元素、尾元素
    let i = 0,
        j = nums.length - 1;
    // 循环，当搜索区间为空时跳出（当 i > j 时为空）
    while (i <= j) {
        // 计算中点索引 m ，使用 parseInt() 向下取整
        const m = parseInt(i + (j - i) / 2);
        if (nums[m] < target)
            // 此情况说明 target 在区间 [m+1, j] 中
            i = m + 1;
        else if (nums[m] > target)
            // 此情况说明 target 在区间 [i, m-1] 中
            j = m - 1;
        else return m; // 找到目标元素，返回其索引
    }
    // 未找到目标元素，返回 -1
    return -1;
}
```

=== "TS"

```typescript title="binary_search.ts"
/* 二分查找（双闭区间） */
function binarySearch(nums: number[], target: number): number {
    // 初始化双闭区间 [0, n-1] ，即 i, j 分别指向数组首元素、尾元素
    let i = 0,
        j = nums.length - 1;
    // 循环，当搜索区间为空时跳出（当 i > j 时为空）
    while (i <= j) {
        // 计算中点索引 m
        const m = Math.floor(i + (j - i) / 2);
        if (nums[m] < target) {
            // 此情况说明 target 在区间 [m+1, j] 中
            i = m + 1;
        } else if (nums[m] > target) {
            // 此情况说明 target 在区间 [i, m-1] 中
            j = m - 1;
        } else {
            // 找到目标元素，返回其索引
            return m;
        }
    }
    return -1; // 未找到目标元素，返回 -1
}
```

=== "C"

```c title="binary_search.c"
/* 二分查找（双闭区间） */
int binarySearch(int *nums, int len, int target) {
    // 初始化双闭区间 [0, n-1] ，即 i, j 分别指向数组首元素、尾元素
    int i = 0, j = len - 1;
    // 循环，当搜索区间为空时跳出（当 i > j 时为空）
    while (i <= j) {
        int m = i + (j - i) / 2; // 计算中点索引 m
        if (nums[m] < target)    // 此情况说明 target 在区间 [m+1, j] 中
            i = m + 1;
        else if (nums[m] > target) // 此情况说明 target 在区间 [i, m-1] 中
            j = m - 1;
        else // 找到目标元素，返回其索引
            return m;
    }
    // 未找到目标元素，返回 -1
    return -1;
}
```

=== "C#"

```csharp title="binary_search.cs"
/* 二分查找（双闭区间） */
int binarySearch(int[] nums, int target) {
    // 初始化双闭区间 [0, n-1] ，即 i, j 分别指向数组首元素、尾元素
    int i = 0, j = nums.Length - 1;
    // 循环，当搜索区间为空时跳出（当 i > j 时为空）
    while (i <= j) {
        int m = i + (j - i) / 2;   // 计算中点索引 m
        if (nums[m] < target)      // 此情况说明 target 在区间 [m+1, j] 中
            i = m + 1;
        else if (nums[m] > target) // 此情况说明 target 在区间 [i, m-1] 中
            j = m - 1;
        else                       // 找到目标元素，返回其索引
            return m;
    }
    // 未找到目标元素，返回 -1
    return -1;
}
```

=== "Swift"

```swift title="binary_search.swift"
/* 二分查找（双闭区间） */
func binarySearch(nums: [Int], target: Int) -> Int {
    // 初始化双闭区间 [0, n-1] ，即 i, j 分别指向数组首元素、尾元素
    var i = 0
    var j = nums.count - 1
    // 循环，当搜索区间为空时跳出（当 i > j 时为空）
    while i <= j {
        let m = i + (j - i) / 2 // 计算中点索引 m
        if nums[m] < target { // 此情况说明 target 在区间 [m+1, j] 中
            i = m + 1
        } else if nums[m] > target { // 此情况说明 target 在区间 [i, m-1] 中
            j = m - 1
        } else { // 找到目标元素，返回其索引
            return m
        }
    }
    // 未找到目标元素，返回 -1
    return -1
}
```

=== "Zig"

```zig title="binary_search.zig"
// 二分查找（双闭区间）
fn binarySearch(comptime T: type, nums: std.ArrayList(T), target: T) T {
    // 初始化双闭区间 [0, n-1] ，即 i, j 分别指向数组首元素、尾元素
    var i: usize = 0;
    var j: usize = nums.items.len - 1;
    // 循环，当搜索区间为空时跳出（当 i > j 时为空）
    while (i <= j) {
        var m = i + (j - i) / 2;                // 计算中点索引 m
        if (nums.items[m] < target) {           // 此情况说明 target 在区间 [m+1, j] 中
            i = m + 1;
        } else if (nums.items[m] > target) {    // 此情况说明 target 在区间 [i, m-1] 中
            j = m - 1;
        } else {                                // 找到目标元素，返回其索引
            return @intCast(m);
        }
    }
    // 未找到目标元素，返回 -1
    return -1;
}
```

=== "Dart"

```dart title="binary_search.dart"
/* 二分查找（双闭区间） */
int binarySearch(List<int> nums, int target) {
  // 初始化双闭区间 [0, n-1] ，即 i, j 分别指向数组首元素、尾元素
  int i = 0, j = nums.length - 1;
  // 循环，当搜索区间为空时跳出（当 i > j 时为空）
  while (i <= j) {
    int m = i + (j - i) ~/ 2; // 计算中点索引 m
    if (nums[m] < target) {
      // 此情况说明 target 在区间 [m+1, j] 中
      i = m + 1;
    } else if (nums[m] > target) {
      // 此情况说明 target 在区间 [i, m-1] 中
      j = m - 1;
    } else {
      // 找到目标元素，返回其索引
      return m;
    }
  }
  // 未找到目标元素，返回 -1
  return -1;
}
```

=== "Rust"

```rust title="binary_search.rs"
/* 二分查找（双闭区间） */
fn binary_search(nums: &[i32], target: i32) -> i32 {
    // 初始化双闭区间 [0, n-1] ，即 i, j 分别指向数组首元素、尾元素
    let mut i = 0;
    let mut j = nums.len() as i32 - 1;
    // 循环，当搜索区间为空时跳出（当 i > j 时为空）
    while i <= j {
        let m = i + (j - i) / 2;      // 计算中点索引 m
        if nums[m as usize] < target {         // 此情况说明 target 在区间 [m+1, j] 中
            i = m + 1;
        } else if nums[m as usize] > target {  // 此情况说明 target 在区间 [i, m-1] 中
            j = m - 1;
        } else {                      // 找到目标元素，返回其索引
            return m;
        }                       
    }
    // 未找到目标元素，返回 -1
    return -1;
}
```

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 和 j 使用常数大小空间。

10.1.1 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"
/* 二分查找（左闭右开） */
int binarySearchLCRO(int[] nums, int target) {
    // 初始化左闭右开 [0, n) ，即 i, j 分别指向数组首元素、尾元素+1
    int i = 0, j = nums.length;
    // 循环，当搜索区间为空时跳出（当 i = j 时为空）
    while (i < j) {
        int m = i + (j - i) / 2; // 计算中点索引 m
        if (nums[m] < target) // 此情况说明 target 在区间 [m+1, j) 中
            i = m + 1;
        else if (nums[m] > target) // 此情况说明 target 在区间 [i, m) 中
            j = m;
        else // 找到目标元素，返回其索引
            return m;
    }
    // 未找到目标元素，返回 -1
    return -1;
}
```

=== "C++"

```cpp title="binary_search.cpp"
/* 二分查找（左闭右开） */
int binarySearchLCRO(vector<int> &nums, int target) {
    // 初始化左闭右开 [0, n) ，即 i, j 分别指向数组首元素、尾元素+1
    int i = 0, j = nums.size();
    // 循环，当搜索区间为空时跳出（当 i = j 时为空）
    while (i < j) {
        int m = i + (j - i) / 2; // 计算中点索引 m
        if (nums[m] < target)    // 此情况说明 target 在区间 [m+1, j) 中
            i = m + 1;
        else if (nums[m] > target) // 此情况说明 target 在区间 [i, m) 中
            j = m;
        else // 找到目标元素，返回其索引
            return m;
    }
    // 未找到目标元素，返回 -1
    return -1;
}
```

=== "Python"

```python title="binary_search.py"
def binary_search_lcro(nums: list[int], target: int) -> int:
    """二分查找（左闭右开）"""
    # 初始化左闭右开 [0, n) ，即 i, j 分别指向数组首元素、尾元素+1
    i, j = 0, len(nums)
    # 循环，当搜索区间为空时跳出（当 i = j 时为空）
    while i < j:
        m = (i + j) // 2  # 计算中点索引 m
        if nums[m] < target:
            i = m + 1  # 此情况说明 target 在区间 [m+1, j) 中
        elif nums[m] > target:
            j = m  # 此情况说明 target 在区间 [i, m) 中
        else:
            return m  # 找到目标元素，返回其索引
    return -1  # 未找到目标元素，返回 -1
```

=== "Go"

```go title="binary_search.go"
/* 二分查找（左闭右开） */
func binarySearchLCRO(nums []int, target int) int {
    // 初始化左闭右开 [0, n) ，即 i, j 分别指向数组首元素、尾元素+1
    i, j := 0, len(nums)
    // 循环，当搜索区间为空时跳出（当 i = j 时为空）
    for i < j {
        m := i + (j-i)/2      // 计算中点索引 m
        if nums[m] < target { // 此情况说明 target 在区间 [m+1, j) 中
            i = m + 1
        } else if nums[m] > target { // 此情况说明 target 在区间 [i, m) 中
            j = m
        } else { // 找到目标元素，返回其索引
            return m
        }
    }
    // 未找到目标元素，返回 -1
    return -1
}
```

=== "JS"

```javascript title="binary_search.js"
/* 二分查找（左闭右开） */
function binarySearchLCRO(nums, target) {
    // 初始化左闭右开 [0, n) ，即 i, j 分别指向数组首元素、尾元素+1
    let i = 0,
        j = nums.length;
    // 循环，当搜索区间为空时跳出（当 i = j 时为空）
    while (i < j) {
        // 计算中点索引 m ，使用 parseInt() 向下取整
        const m = parseInt(i + (j - i) / 2);
        if (nums[m] < target)
            // 此情况说明 target 在区间 [m+1, j) 中
            i = m + 1;
        else if (nums[m] > target)
            // 此情况说明 target 在区间 [i, m) 中
            j = m;
        // 找到目标元素，返回其索引
        else return m;
    }
    // 未找到目标元素，返回 -1
    return -1;
}
```

=== "TS"

```typescript title="binary_search.ts"
/* 二分查找（左闭右开） */
function binarySearchLCRO(nums: number[], target: number): number {
    // 初始化左闭右开 [0, n) ，即 i, j 分别指向数组首元素、尾元素+1
    let i = 0,
        j = nums.length;
    // 循环，当搜索区间为空时跳出（当 i = j 时为空）
    while (i < j) {
        // 计算中点索引 m
        const m = Math.floor(i + (j - i) / 2);
        if (nums[m] < target) {
            // 此情况说明 target 在区间 [m+1, j) 中
            i = m + 1;
        } else if (nums[m] > target) {
            // 此情况说明 target 在区间 [i, m) 中
            j = m;
        } else {
            // 找到目标元素，返回其索引
            return m;
        }
    }
    return -1; // 未找到目标元素，返回 -1
}
```

=== "C"

```c title="binary_search.c"
/* 二分查找（左闭右开） */
int binarySearchLCRO(int *nums, int len, int target) {
    // 初始化左闭右开 [0, n) ，即 i, j 分别指向数组首元素、尾元素+1
    int i = 0, j = len;
    // 循环，当搜索区间为空时跳出（当 i = j 时为空）
    while (i < j) {
        int m = i + (j - i) / 2; // 计算中点索引 m
        if (nums[m] < target)    // 此情况说明 target 在区间 [m+1, j) 中
            i = m + 1;
        else if (nums[m] > target) // 此情况说明 target 在区间 [i, m) 中
            j = m;
        else // 找到目标元素，返回其索引
            return m;
    }
    // 未找到目标元素，返回 -1
    return -1;
}
```

=== "C#"

```csharp title="binary_search.cs"
/* 二分查找（左闭右开） */
int binarySearchLCRO(int[] nums, int target) {
    // 初始化左闭右开 [0, n) ，即 i, j 分别指向数组首元素、尾元素+1
    int i = 0, j = nums.Length;
    // 循环，当搜索区间为空时跳出（当 i = j 时为空）
    while (i < j) {
        int m = i + (j - i) / 2;   // 计算中点索引 m
        if (nums[m] < target)      // 此情况说明 target 在区间 [m+1, j) 中
            i = m + 1;
        else if (nums[m] > target) // 此情况说明 target 在区间 [i, m) 中
            j = m;
        else                       // 找到目标元素，返回其索引
            return m;
    }
    // 未找到目标元素，返回 -1
    return -1;
}
```

=== "Swift"

```swift title="binary_search.swift"
/* 二分查找（左闭右开） */
func binarySearchLCRO(nums: [Int], target: Int) -> Int {
    // 初始化左闭右开 [0, n) ，即 i, j 分别指向数组首元素、尾元素+1
    var i = 0
    var j = nums.count
    // 循环，当搜索区间为空时跳出（当 i = j 时为空）
    while i < j {
        let m = i + (j - i) / 2 // 计算中点索引 m
        if nums[m] < target { // 此情况说明 target 在区间 [m+1, j) 中
            i = m + 1
        } else if nums[m] > target { // 此情况说明 target 在区间 [i, m) 中
            j = m
        } else { // 找到目标元素，返回其索引
            return m
        }
    }
    // 未找到目标元素，返回 -1
    return -1
}
```

=== "Zig"

```zig title="binary_search.zig"
// 二分查找（左闭右开）
fn binarySearchLCRO(comptime T: type, nums: std.ArrayList(T), target: T) T {
    // 初始化左闭右开 [0, n) ，即 i, j 分别指向数组首元素、尾元素+1
    var i: usize = 0;
    var j: usize = nums.items.len;
    // 循环，当搜索区间为空时跳出（当 i = j 时为空）
    while (i <= j) {
        var m = i + (j - i) / 2;                // 计算中点索引 m
        if (nums.items[m] < target) {           // 此情况说明 target 在区间 [m+1, j) 中
            i = m + 1;
        } else if (nums.items[m] > target) {    // 此情况说明 target 在区间 [i, m) 中
            j = m;
        } else {                                // 找到目标元素，返回其索引
            return @intCast(m);
        }
    }
    // 未找到目标元素，返回 -1
    return -1;
}
```

=== "Dart"

```dart title="binary_search.dart"
/* 二分查找（左闭右开区间） */
int binarySearchLCRO(List<int> nums, int target) {
  // 初始化左闭右开 [0, n) ，即 i, j 分别指向数组首元素、尾元素+1
  int i = 0, j = nums.length;
  // 循环，当搜索区间为空时跳出（当 i = j 时为空）
  while (i < j) {
    int m = i + (j - i) ~/ 2; // 计算中点索引 m
    if (nums[m] < target) {
      // 此情况说明 target 在区间 [m+1, j) 中
      i = m + 1;
    } else if (nums[m] > target) {
      // 此情况说明 target 在区间 [i, m) 中
      j = m;
    } else {
      // 找到目标元素，返回其索引
      return m;
    }
  }
  // 未找到目标元素，返回 -1
  return -1;
}
```

=== "Rust"

```rust title="binary_search.rs"
/* 二分查找（左闭右开） */
fn binary_search_lcro(nums: &[i32], target: i32) -> i32 {
    // 初始化左闭右开 [0, n) ，即 i, j 分别指向数组首元素、尾元素+1
    let mut i = 0;
    let mut j = nums.len() as i32;
    // 循环，当搜索区间为空时跳出（当 i = j 时为空）
    while i < j {
        let m = i + (j - i) / 2;      // 计算中点索引 m
        if nums[m as usize] < target {         // 此情况说明 target 在区间 [m+1, j) 中
            i = m + 1;
        } else if nums[m as usize] > target {  // 此情况说明 target 在区间 [i, m) 中
            j = m - 1;
        } else {                      // 找到目标元素，返回其索引
            return m;
        }                       
    }
    // 未找到目标元素，返回 -1
    return -1;
}
```

如图 10-3 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。

由于“双闭区间”表示中的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，因此一般建议采用“双闭区间”的写法。

图 10-3 两种区间定义

10.1.2 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。
二分查找无须额外空间。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，主要有以下原因。

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。

25 KiB Executable file Raw Blame History Unescape Escape

10.1 二分查找

10.1.1 区间表示方法

10.1.2 优点与局限性

25 KiB

Executable file

Raw Blame History