二分查找算法详解

点击蓝色“五分钟学算法”关注我哟

加个“星标”,一起学算法

二分查找算法详解

作者 | labuladong

来源 | 公众号:labuladong


先给大家讲个笑话乐呵一下:


有一天阿东到图书馆借了 N 本书,出图书馆的时候,警报响了,于是保安把阿东拦下,要检查一下哪本书没有登记出借。阿东正准备把每一本书在报警器下过一下,以找出引发警报的书,但是保安露出不屑的眼神:你连二分查找都不会吗?于是保安把书分成两堆,让第一堆过一下报警器,报警器响;于是再把这堆书分成两堆…… 最终,检测了 log2N 次之后,保安成功的找到了那本引起警报的书,露出了得意和嘲讽的笑容。于是阿东背着剩下的书走了。


从此,图书馆丢了 N – 1 本书。


二分查找真的很简单吗?并不简单。看看 Knuth 大佬(发明 KMP 算法的那位)怎么说的:


 


Although the basic idea of binary search is comparatively straightforward, the details can be surprisingly tricky…

这句话可以这样理解:思路很简单,细节是魔鬼。


本文就来探究几个最常用的二分查找场景:寻找一个数、寻找左侧边界、寻找右侧边界。


而且,我们就是要深入细节,比如不等号是否应该带等号,mid 是否应该加一等等。分析这些细节的差异以及出现这些差异的原因,保证你能灵活准确地写出正确的二分查找算法。


零、二分查找框架


int binarySearch(int[] nums, int target) {
    int left = 0, right = ...;

    while(...) {
        int mid = (right + left) / 2;
        if (nums[mid] == target) {
            ...
        } else if (nums[mid] < target) {
            left = ...
        } else if (nums[mid] > target) {
            right = ...
        }
    }
    return ...;
}


分析二分查找的一个技巧是:不要出现 else,而是把所有情况用 else if 写清楚,这样可以清楚地展现所有细节本文都会使用 else if,旨在讲清楚,读者理解后可自行简化。


其中标记的部分,就是可能出现细节问题的地方,当你见到一个二分查找的代码时,首先注意这几个地方。后文用实例分析这些地方能有什么样的变化。


另外声明一下,计算 mid 时需要技巧防止溢出,可以 参见前文,本文暂时忽略这个问题。


一、寻找一个数(基本的二分搜索)


这个场景是最简单的,可能也是大家最熟悉的,即搜索一个数,如果存在,返回其索引,否则返回 -1。


int binarySearch(int[] nums, int target) {
    int left = 0
    int right = nums.length - 1// 注意

    while(left <= right) { // 注意
        int mid = (right + left) / 2;
        if(nums[mid] == target)
            return mid; 
        else if (nums[mid] < target)
            left = mid + 1// 注意
        else if (nums[mid] > target)
            right = mid - 1// 注意
        }
    return -1;
}


1. 为什么 while 循环的条件中是 <=,而不是 < ?


答:因为初始化 right 的赋值是 nums.length – 1,即最后一个元素的索引,而不是 nums.length。


这二者可能出现在不同功能的二分查找中,区别是:前者相当于两端都闭区间 [left, right],后者相当于左闭右开区间 [left, right),因为索引大小为 nums.length 是越界的。


我们这个算法中使用的是 [left, right] 两端都闭的区间。这个区间就是每次进行搜索的区间,我们不妨称为「搜索区间」


什么时候应该停止搜索呢?当然,找到了目标值的时候可以终止:


    if(nums[mid] == target)
        return mid; 


但如果没找到,就需要 while 循环终止,然后返回 -1。那 while 循环什么时候应该终止?搜索区间为空的时候应该终止,意味着你没得找了,就等于没找到嘛。


while(left <= right)的终止条件是 left == right + 1,写成区间的形式就是 [right + 1, right],或者带个具体的数字进去 [3, 2],可见这时候搜索区间为空,因为没有数字既大于等于 3 又小于等于 2 的吧。所以这时候 while 循环终止是正确的,直接返回 -1 即可。


while(left < right)的终止条件是 left == right,写成区间的形式就是 [right, right],或者带个具体的数字进去 [2, 2],这时候搜索区间非空,还有一个数 2,但此时 while 循环终止了。也就是说这区间 [2, 2] 被漏掉了,索引 2 没有被搜索,如果这时候直接返回 -1 就可能出现错误。


当然,如果你非要用 while(left < right) 也可以,我们已经知道了出错的原因,就打个补丁好了:


//...
while(left < right) {
    // ...
}
return nums[left] == target ? left : -1;


2. 为什么 left = mid + 1,right = mid – 1?我看有的代码是 right = mid 或者 left = mid,没有这些加加减减,到底怎么回事,怎么判断?


答:这也是二分查找的一个难点,不过只要你能理解前面的内容,就能够很容易判断。


刚才明确了「搜索区间」这个概念,而且本算法的搜索区间是两端都闭的,即 [left, right]。那么当我们发现索引 mid 不是要找的 target 时,如何确定下一步的搜索区间呢?


当然是去搜索 [left, mid – 1] 或者 [mid + 1, right] 对不对?因为 mid 已经搜索过,应该从搜索区间中去除。


3. 此算法有什么缺陷?


答:至此,你应该已经掌握了该算法的所有细节,以及这样处理的原因。但是,这个算法存在局限性。


比如说给你有序数组 nums = [1,2,2,2,3],target = 2,此算法返回的索引是 2,没错。但是如果我想得到 target 的左侧边界,即索引 1,或者我想得到 target 的右侧边界,即索引 3,这样的话此算法是无法处理的。


这样的需求很常见。你也许会说,找到一个 target 索引,然后向左或向右线性搜索不行吗?可以,但是不好,因为这样难以保证二分查找对数级的复杂度了。


我们后续的算法就来讨论这两种二分查找的算法。


二、寻找左侧边界的二分搜索


直接看代码,其中的标记是需要注意的细节:


int left_bound(int[] nums, int target) {
    if (nums.length == 0return -1;
    int left = 0;
    int right = nums.length; // 注意

    while (left < right) { // 注意
        int mid = (left + right) / 2;
        if (nums[mid] == target) {
            right = mid;
        } else if (nums[mid] < target) {
            left = mid + 1;
        } else if (nums[mid] > target) {
            right = mid; // 注意
        }
    }
    return left;
}



1. 为什么 while(left < right) 而不是 <= ?


答:用相同的方法分析,因为初始化 right = nums.length 而不是 nums.length – 1 。因此每次循环的「搜索区间」是 [left, right) 左闭右开。


while(left < right) 终止的条件是 left == right,此时搜索区间 [left, left) 恰巧为空,所以可以正确终止。


2. 为什么没有返回 -1 的操作?如果 nums 中不存在 target 这个值,怎么办?


答:因为要一步一步来,先理解一下这个「左侧边界」有什么特殊含义:


二分查找算法详解


对于这个数组,算法会返回 1。这个 1 的含义可以这样解读:nums 中小于 2 的元素有 1 个。


比如对于有序数组 nums = [2,3,5,7], target = 1,算法会返回 0,含义是:nums 中小于 1 的元素有 0 个。如果 target = 8,算法会返回 4,含义是:nums 中小于 8 的元素有 4 个。


综上可以看出,函数的返回值(即 left 变量的值)取值区间是闭区间 [0, nums.length],所以我们简单添加两行代码就能在正确的时候 return -1:


while (left < right) {
    //...
}
// target 比所有数都大
if (left == nums.length) return -1;
// 类似之前算法的处理方式
return nums[left] == target ? left : -1;


3. 为什么 left = mid + 1,right = mid ?和之前的算法不一样?


答:这个很好解释,因为我们的「搜索区间」是 [left, right) 左闭右开,所以当 nums[mid] 被检测之后,下一步的搜索区间应该去掉 mid 分割成两个区间,即 [left, mid) 或 [mid + 1, right)。


4. 为什么该算法能够搜索左侧边界?


答:关键在于对于 nums[mid] == target 这种情况的处理:


    if (nums[mid] == target)
        right = mid;


可见,找到 target 时不要立即返回,而是缩小「搜索区间」的上界 right,在区间 [left, mid) 中继续搜索,即不断向左收缩,达到锁定左侧边界的目的。


5. 为什么返回 left 而不是 right?


答:都是一样的,因为 while 终止的条件是 left == right。


三、寻找右侧边界的二分查找


寻找右侧边界和寻找左侧边界的代码差不多,只有两处不同,已标注:


int right_bound(int[] nums, int target) {
    if (nums.length == 0return -1;
    int left = 0, right = nums.length;

    while (left < right) {
        int mid = (left + right) / 2;
        if (nums[mid] == target) {
            left = mid + 1// 注意
        } else if (nums[mid] < target) {
            left = mid + 1;
        } else if (nums[mid] > target) {
            right = mid;
        }
    }
    return left - 1; // 注意


}



1. 为什么这个算法能够找到右侧边界?


答:类似地,关键点还是这里:


    if (nums[mid] == target) {
        left = mid + 1;


当 nums[mid] == target 时,不要立即返回,而是增大「搜索区间」的下界 left,使得区间不断向右收缩,达到锁定右侧边界的目的。


2. 为什么最后返回 left – 1 而不像左侧边界的函数,返回 left?而且我觉得这里既然是搜索右侧边界,应该返回 right 才对。


答:首先,while 循环的终止条件是 left == right,所以 left 和 right 是一样的,你非要体现右侧的特点,返回 right – 1 好了。


至于为什么要减一,这是搜索右侧边界的一个特殊点,关键在这个条件判断:


    if (nums[mid] == target) {
        left = mid + 1;
        // 这样想: mid = left - 1


二分查找算法详解


因为我们对 left 的更新必须是 left = mid + 1,就是说 while 循环结束时,nums[left] 一定不等于 target 了,而 nums[left – 1] 可能是 target。


至于为什么 left 的更新必须是 left = mid + 1,同左侧边界搜索,就不再赘述。


3. 为什么没有返回 -1 的操作?如果 nums 中不存在 target 这个值,怎么办?


答:类似之前的左侧边界搜索,因为 while 的终止条件是 left == right,就是说 left 的取值范围是 [0, nums.length],所以可以添加两行代码,正确地返回 -1:


while (left < right) {
    // ...
}
if (left == 0return -1;
return nums[left-1] == target ? (left-1) : -1;


四、最后总结


先来梳理一下这些细节差异的因果逻辑:


第一个,最基本的二分查找算法:


因为我们初始化 right = nums.length - 1
所以决定了我们的「搜索区间」是 [left, right]
所以决定了 while (left <= right)
同时也决定了 left = mid+1 和 right = mid-1

因为我们只需找到一个 target 的索引即可
所以当 nums[mid] == target 时可以立即返回


第二个,寻找左侧边界的二分查找:


因为我们初始化 right = nums.length
所以决定了我们的「搜索区间」是 [left, right)
所以决定了 while (left < right)
同时也决定了 left = mid+1 和 right = mid

因为我们需找到 target 的最左侧索引
所以当 nums[mid] == target 时不要立即返回
而要收紧右侧边界以锁定左侧边界


第三个,寻找右侧边界的二分查找:


因为我们初始化 right = nums.length
所以决定了我们的「搜索区间」是 [left, right)
所以决定了 while (left < right)
同时也决定了 left = mid+1 和 right = mid

因为我们需找到 target 的最右侧索引
所以当 nums[mid] == target 时不要立即返回
而要收紧左侧边界以锁定右侧边界

又因为收紧左侧边界时必须 left = mid + 1
所以最后无论返回 left 还是 right,必须减一


如果以上内容你都能理解,那么恭喜你,二分查找算法的细节不过如此。


通过本文,你学会了:


1. 分析二分查找代码时,不要出现 else,全部展开成 else if 方便理解。


2. 注意「搜索区间」和 while 的终止条件,如果存在漏掉的元素,记得在最后检查。


3. 如需要搜索左右边界,只要在 nums[mid] == target 时做修改即可。搜索右侧时需要减一。

END

二分查找算法详解

原 创 热 文 推 荐 


毕业十年后,我忍不住出了一份程序员的高考试卷

你知道什么是漂亮排序法吗?哦,知道,不就是臭皮匠排序法嘛!

一道腾讯面试题:厉害了我的杯

备胎算法告诉你,你的对象在哪里?

凭借这 10 大算法,就可以主宰世界!

几道 BAT 算法面试中经常问的「字符串」问题

几道和散列(哈希)表有关的面试题

看动画轻松理解「递归」与「动态规划」

冰与火之歌:「时间」与「空间」复杂度

十大经典排序算法动画与解析,看我就够了!(配代码完全版)

这或许是东半球分析十大排序算法最好的一篇文章

面试官,我会写二分查找法!对,没有 bug 的那种!


二分查找算法详解
你点的每个“在看”,我都认真当成了喜欢
本文由 程序员小吴 创作,采用 CC BY 3.0 CN协议 进行许可。 可自由转载、引用,但需署名作者且注明文章出处。如转载至微信公众号,请在先添加作者公众号二维码。
五分钟学算法 » 二分查找算法详解

我还会在以下平台发布内容

GitHub 哔哩哔哩