Hello! 欢迎来到小浪资源网!



二分查找 ||蟒蛇 ||数据结构和算法


二分查找 ||蟒蛇 ||数据结构和算法

二分查找

二分搜索是一种反复将搜索空间一分为二的算法。这种搜索技术遵循分而治之的策略。每次迭代中搜索空间总是减少一半。导致时间复杂度为 o(log(n)),其中 n 是元素数量。

条件:数组应该是排序的,但它们也可以应用于单调函数,我们需要找到单调递增或单调递减。

当我们需要以对数时间缩小搜索空间时,它就有效。

我们使用两个指针,左指针和右指针。取左右的平均值来找到中间元素。

现在,我们根据条件检查应该将左右指针移动到哪里。

解决一个问题主要需要三个步骤:

  1. 预处理: 如果输入未排序,则对输入进行排序。
  2. 二分查找:使用两个指针并找到中间部分来划分搜索空间,然后相应地选择正确的一半。
  3. 后处理:确定输出。

二分搜索算法的优点 – 对于大数据,二分搜索比线性搜索更快,因为它每次将数组切成两半,而不是逐一检查每个元素。这使得它更快、更高效。

限制:二分查找仅适用于已排序的数组,因此对于小型未排序数组效率不高,因为排序需要额外的时间。对于小型内存搜索,它的效果也不如线性搜索。

应用: 用于在排序数组中搜索元素,时间复杂度为 o(log(n)),也可用于查找数组中的最小或最大元素。

基本二分查找代码 –

代码

def binarysearch(nums, target):     if len(nums) == 0:         return -1      left, right = 0, len(nums) - 1      while left <= right:         mid = (left + right) // 2         if nums[mid] == target:             return mid         elif nums[mid] < target:             left = mid + 1         else:             right = mid - 1      # end condition: left > right     return -1 

33。在旋转排序数组中搜索
给定可能旋转后的数组 nums 和整数目标,如果目标在 nums 中,则返回目标索引,如果不在 nums 中,则返回 -1。
您必须编写一个运行时间复杂度为 o(log n) 的算法。
示例1:
输入:nums = [4,5,6,7,0,1,2],目标 = 0
输出:4

示例2:
输入:nums = [4,5,6,7,0,1,2],目标 = 3
输出:-1

示例3:
输入:nums = [1],目标 = 0
输出:-1

代码

class solution:     def search(self, nums: list[int], target: int) -> int:         left = 0         right = len(nums)-1          while left <= right:              mid = (left + right)//2             print(f'left is {left},right is {right} and mid is {mid}')             if nums[mid]==target:                 return mid              if nums[mid] >= nums[left]:                 # if nums[mid]< target and target >= nums[left]:                 if nums[left] <= target < nums[mid]:                     right = mid -1                 else:                     left = mid +1             else:                 # if nums[mid] < target and target <= nums[right]:                 if nums[mid] < target <= nums[right]:                     left = mid +1                 else:                     right = mid - 1          return -1  
  1. 使用左右两个指针,迭代直到它们重叠。
  2. 找到中间元素。
  3. 由于数组已排序但已旋转,所以我们不能简单地将左侧或右侧的元素与中间的元素进行比较。
  4. 首先,通过比较中指针与左指针或右指针来确定左部分或右部分排序。
  5. 根据这个结论,相应地调整指针。

时间复杂度 – o(log(n)),因为搜索空间在每次迭代中被分成两半。
空间复杂度 – o(1)

单调递增

162。找到峰值元素

峰值元素是严格大于其邻居的元素。
给定一个 0 索引的整数数组 nums,找到一个峰值元素,并返回其索引。如果数组包含多个峰值,则返回任意峰值的索引。
您可能会想象 nums[-1] = nums[n] = -∞。换句话说,一个元素总是被认为严格大于数组外部的邻居。
您必须编写一个在 o(log n) 时间内运行的算法。

示例1:
输入:nums = [1,2,3,1]
输出:2
说明:3 是峰值元素,您的函数应返回索引号 2。
示例2:
输入:nums = [1,2,1,3,5,6,4]
输出:5
说明:您的函数可以返回索引号 1(峰值元素为 2)或索引号 5(峰值元素为 6)。

代码

class Solution:     def findPeakElement(self, nums: List[int]) -> int:         left = 0         right = len(nums) -1         while left <= right:             mid = (left+right)//2              if mid >0 and nums[mid] < nums[mid-1]:                 right = mid -1             elif mid < len(nums)-1 and  nums[mid] < nums[mid+1]:                 left = mid+1             else:                 return mid 
  1. 在此类问题中,我们需要通过比较中间的左侧或右侧元素来检查峰值。
  2. 这有助于确定图表趋势是向上还是向下。
  3. 要找到最大值,请搜索向上的斜率并探索正确的子空间。
  4. 要找到最小值,请搜索左侧子空间

时间复杂度 – o(log(n)),因为搜索空间在每次迭代中被分成两半。
空间复杂度 – o(1)

相关阅读