mirror of
https://github.com/krahets/hello-algo.git
synced 2025-07-31 06:13:32 +08:00
deploy
This commit is contained in:
krahets
@ -3418,9 +3418,9 @@
|
||||
<p>给定一个长度为 <span class="arithmatex">\(n\)</span> 的数组 <code>nums</code> ，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 <code>target</code> 在该数组中的索引。若数组不包含该元素，则返回 <span class="arithmatex">\(-1\)</span> 。</p>
|
||||
</div>
|
||||
<p><img alt="二分查找示例数据" src="../binary_search.assets/binary_search_example.png" /></p>
|
||||
<p align="center"> 图：二分查找示例数据 </p>
|
||||
<p align="center"> 图 10-1 二分查找示例数据 </p>
|
||||
|
||||
<p>如下图所示，我们先初始化指针 <span class="arithmatex">\(i = 0\)</span> 和 <span class="arithmatex">\(j = n - 1\)</span> ，分别指向数组首元素和尾元素，代表搜索区间 <span class="arithmatex">\([0, n - 1]\)</span> 。请注意，中括号表示闭区间，其包含边界值本身。</p>
|
||||
<p>如图 10-2 所示，我们先初始化指针 <span class="arithmatex">\(i = 0\)</span> 和 <span class="arithmatex">\(j = n - 1\)</span> ，分别指向数组首元素和尾元素，代表搜索区间 <span class="arithmatex">\([0, n - 1]\)</span> 。请注意，中括号表示闭区间，其包含边界值本身。</p>
|
||||
<p>接下来，循环执行以下两个步骤：</p>
|
||||
<ol>
|
||||
<li>计算中点索引 <span class="arithmatex">\(m = \lfloor {(i + j) / 2} \rfloor\)</span> ，其中 <span class="arithmatex">\(\lfloor \space \rfloor\)</span> 表示向下取整操作。</li>
|
||||
@ -3457,7 +3457,7 @@
|
||||
</div>
|
||||
</div>
|
||||
</div>
|
||||
<p align="center"> 图：binary_search_step1 </p>
|
||||
<p align="center"> 图 10-2 binary_search_step1 </p>
|
||||
|
||||
<p>值得注意的是，由于 <span class="arithmatex">\(i\)</span> 和 <span class="arithmatex">\(j\)</span> 都是 <code>int</code> 类型，<strong>因此 <span class="arithmatex">\(i + j\)</span> 可能会超出 <code>int</code> 类型的取值范围</strong>。为了避免大数越界，我们通常采用公式 <span class="arithmatex">\(m = \lfloor {i + (j - i) / 2} \rfloor\)</span> 来计算中点。</p>
|
||||
<div class="tabbed-set tabbed-alternate" data-tabs="2:12"><input checked="checked" id="__tabbed_2_1" name="__tabbed_2" type="radio" /><input id="__tabbed_2_2" name="__tabbed_2" type="radio" /><input id="__tabbed_2_3" name="__tabbed_2" type="radio" /><input id="__tabbed_2_4" name="__tabbed_2" type="radio" /><input id="__tabbed_2_5" name="__tabbed_2" type="radio" /><input id="__tabbed_2_6" name="__tabbed_2" type="radio" /><input id="__tabbed_2_7" name="__tabbed_2" type="radio" /><input id="__tabbed_2_8" name="__tabbed_2" type="radio" /><input id="__tabbed_2_9" name="__tabbed_2" type="radio" /><input id="__tabbed_2_10" name="__tabbed_2" type="radio" /><input id="__tabbed_2_11" name="__tabbed_2" type="radio" /><input id="__tabbed_2_12" name="__tabbed_2" type="radio" /><div class="tabbed-labels"><label for="__tabbed_2_1">Java</label><label for="__tabbed_2_2">C++</label><label for="__tabbed_2_3">Python</label><label for="__tabbed_2_4">Go</label><label for="__tabbed_2_5">JS</label><label for="__tabbed_2_6">TS</label><label for="__tabbed_2_7">C</label><label for="__tabbed_2_8">C#</label><label for="__tabbed_2_9">Swift</label><label for="__tabbed_2_10">Zig</label><label for="__tabbed_2_11">Dart</label><label for="__tabbed_2_12">Rust</label></div>
|
||||
@ -3987,10 +3987,10 @@
|
||||
</div>
|
||||
</div>
|
||||
</div>
|
||||
<p>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。</p>
|
||||
<p>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。</p>
|
||||
<p>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 <span class="arithmatex">\(i\)</span> 和 <span class="arithmatex">\(j\)</span> 缩小区间操作也是对称的。这样更不容易出错，<strong>因此一般建议采用“双闭区间”的写法</strong>。</p>
|
||||
<p><img alt="两种区间定义" src="../binary_search.assets/binary_search_ranges.png" /></p>
|
||||
<p align="center"> 图：两种区间定义 </p>
|
||||
<p align="center"> 图 10-3 两种区间定义 </p>
|
||||
|
||||
<h2 id="1012">10.1.2 优点与局限性<a class="headerlink" href="#1012" title="Permanent link">¶</a></h2>
|
||||
<p>二分查找在时间和空间方面都有较好的性能：</p>
|
||||
|
||||
@ -3587,9 +3587,9 @@
|
||||
<p>下面我们介绍两种更加取巧的方法。</p>
|
||||
<h3 id="1">1. 复用查找左边界<a class="headerlink" href="#1" title="Permanent link">¶</a></h3>
|
||||
<p>实际上，我们可以利用查找最左元素的函数来查找最右元素，具体方法为：<strong>将查找最右一个 <code>target</code> 转化为查找最左一个 <code>target + 1</code></strong>。</p>
|
||||
<p>如下图所示，查找完成后，指针 <span class="arithmatex">\(i\)</span> 指向最左一个 <code>target + 1</code>（如果存在），而 <span class="arithmatex">\(j\)</span> 指向最右一个 <code>target</code> ，<strong>因此返回 <span class="arithmatex">\(j\)</span> 即可</strong>。</p>
|
||||
<p>如图 10-7 所示，查找完成后，指针 <span class="arithmatex">\(i\)</span> 指向最左一个 <code>target + 1</code>（如果存在），而 <span class="arithmatex">\(j\)</span> 指向最右一个 <code>target</code> ，<strong>因此返回 <span class="arithmatex">\(j\)</span> 即可</strong>。</p>
|
||||
<p><img alt="将查找右边界转化为查找左边界" src="../binary_search_edge.assets/binary_search_right_edge_by_left_edge.png" /></p>
|
||||
<p align="center"> 图：将查找右边界转化为查找左边界 </p>
|
||||
<p align="center"> 图 10-7 将查找右边界转化为查找左边界 </p>
|
||||
|
||||
<p>请注意，返回的插入点是 <span class="arithmatex">\(i\)</span> ，因此需要将其减 <span class="arithmatex">\(1\)</span> ，从而获得 <span class="arithmatex">\(j\)</span> 。</p>
|
||||
<div class="tabbed-set tabbed-alternate" data-tabs="2:12"><input checked="checked" id="__tabbed_2_1" name="__tabbed_2" type="radio" /><input id="__tabbed_2_2" name="__tabbed_2" type="radio" /><input id="__tabbed_2_3" name="__tabbed_2" type="radio" /><input id="__tabbed_2_4" name="__tabbed_2" type="radio" /><input id="__tabbed_2_5" name="__tabbed_2" type="radio" /><input id="__tabbed_2_6" name="__tabbed_2" type="radio" /><input id="__tabbed_2_7" name="__tabbed_2" type="radio" /><input id="__tabbed_2_8" name="__tabbed_2" type="radio" /><input id="__tabbed_2_9" name="__tabbed_2" type="radio" /><input id="__tabbed_2_10" name="__tabbed_2" type="radio" /><input id="__tabbed_2_11" name="__tabbed_2" type="radio" /><input id="__tabbed_2_12" name="__tabbed_2" type="radio" /><div class="tabbed-labels"><label for="__tabbed_2_1">Java</label><label for="__tabbed_2_2">C++</label><label for="__tabbed_2_3">Python</label><label for="__tabbed_2_4">Go</label><label for="__tabbed_2_5">JS</label><label for="__tabbed_2_6">TS</label><label for="__tabbed_2_7">C</label><label for="__tabbed_2_8">C#</label><label for="__tabbed_2_9">Swift</label><label for="__tabbed_2_10">Zig</label><label for="__tabbed_2_11">Dart</label><label for="__tabbed_2_12">Rust</label></div>
|
||||
@ -3716,13 +3716,13 @@
|
||||
</div>
|
||||
<h3 id="2">2. 转化为查找元素<a class="headerlink" href="#2" title="Permanent link">¶</a></h3>
|
||||
<p>我们知道，当数组不包含 <code>target</code> 时，最后 <span class="arithmatex">\(i\)</span> , <span class="arithmatex">\(j\)</span> 会分别指向首个大于、小于 <code>target</code> 的元素。</p>
|
||||
<p>根据上述结论，我们可以构造一个数组中不存在的元素，用于查找左右边界，如下图所示。</p>
|
||||
<p>根据上述结论，我们可以构造一个数组中不存在的元素，用于查找左右边界，如图 10-8 所示。</p>
|
||||
<ul>
|
||||
<li>查找最左一个 <code>target</code> ：可以转化为查找 <code>target - 0.5</code> ，并返回指针 <span class="arithmatex">\(i\)</span> 。</li>
|
||||
<li>查找最右一个 <code>target</code> ：可以转化为查找 <code>target + 0.5</code> ，并返回指针 <span class="arithmatex">\(j\)</span> 。</li>
|
||||
</ul>
|
||||
<p><img alt="将查找边界转化为查找元素" src="../binary_search_edge.assets/binary_search_edge_by_element.png" /></p>
|
||||
<p align="center"> 图：将查找边界转化为查找元素 </p>
|
||||
<p align="center"> 图 10-8 将查找边界转化为查找元素 </p>
|
||||
|
||||
<p>代码在此省略，值得注意的有：</p>
|
||||
<ul>
|
||||
|
||||
@ -3427,7 +3427,7 @@
|
||||
<p>给定一个长度为 <span class="arithmatex">\(n\)</span> 的有序数组 <code>nums</code> 和一个元素 <code>target</code> ，数组不存在重复元素。现将 <code>target</code> 插入到数组 <code>nums</code> 中，并保持其有序性。若数组中已存在元素 <code>target</code> ，则插入到其左方。请返回插入后 <code>target</code> 在数组中的索引。</p>
|
||||
</div>
|
||||
<p><img alt="二分查找插入点示例数据" src="../binary_search_insertion.assets/binary_search_insertion_example.png" /></p>
|
||||
<p align="center"> 图：二分查找插入点示例数据 </p>
|
||||
<p align="center"> 图 10-4 二分查找插入点示例数据 </p>
|
||||
|
||||
<p>如果想要复用上节的二分查找代码，则需要回答以下两个问题。</p>
|
||||
<p><strong>问题一</strong>：当数组中包含 <code>target</code> 时，插入点的索引是否是该元素的索引？</p>
|
||||
@ -3580,16 +3580,16 @@
|
||||
<p>在上一题的基础上，规定数组可能包含重复元素，其余不变。</p>
|
||||
</div>
|
||||
<p>假设数组中存在多个 <code>target</code> ，则普通二分查找只能返回其中一个 <code>target</code> 的索引，<strong>而无法确定该元素的左边和右边还有多少 <code>target</code></strong>。</p>
|
||||
<p>题目要求将目标元素插入到最左边，<strong>所以我们需要查找数组中最左一个 <code>target</code> 的索引</strong>。初步考虑通过下图所示的步骤实现。</p>
|
||||
<p>题目要求将目标元素插入到最左边，<strong>所以我们需要查找数组中最左一个 <code>target</code> 的索引</strong>。初步考虑通过图 10-5 所示的步骤实现。</p>
|
||||
<ol>
|
||||
<li>执行二分查找，得到任意一个 <code>target</code> 的索引，记为 <span class="arithmatex">\(k\)</span> 。</li>
|
||||
<li>从索引 <span class="arithmatex">\(k\)</span> 开始，向左进行线性遍历，当找到最左边的 <code>target</code> 时返回。</li>
|
||||
</ol>
|
||||
<p><img alt="线性查找重复元素的插入点" src="../binary_search_insertion.assets/binary_search_insertion_naive.png" /></p>
|
||||
<p align="center"> 图：线性查找重复元素的插入点 </p>
|
||||
<p align="center"> 图 10-5 线性查找重复元素的插入点 </p>
|
||||
|
||||
<p>此方法虽然可用，但其包含线性查找，因此时间复杂度为 <span class="arithmatex">\(O(n)\)</span> 。当数组中存在很多重复的 <code>target</code> 时，该方法效率很低。</p>
|
||||
<p>现考虑拓展二分查找代码。如下图所示，整体流程保持不变，每轮先计算中点索引 <span class="arithmatex">\(m\)</span> ，再判断 <code>target</code> 和 <code>nums[m]</code> 大小关系：</p>
|
||||
<p>现考虑拓展二分查找代码。如图 10-6 所示，整体流程保持不变，每轮先计算中点索引 <span class="arithmatex">\(m\)</span> ，再判断 <code>target</code> 和 <code>nums[m]</code> 大小关系：</p>
|
||||
<ol>
|
||||
<li>当 <code>nums[m] < target</code> 或 <code>nums[m] > target</code> 时，说明还没有找到 <code>target</code> ，因此采用普通二分查找的缩小区间操作，<strong>从而使指针 <span class="arithmatex">\(i\)</span> 和 <span class="arithmatex">\(j\)</span> 向 <code>target</code> 靠近</strong>。</li>
|
||||
<li>当 <code>nums[m] == target</code> 时，说明小于 <code>target</code> 的元素在区间 <span class="arithmatex">\([i, m - 1]\)</span> 中，因此采用 <span class="arithmatex">\(j = m - 1\)</span> 来缩小区间，<strong>从而使指针 <span class="arithmatex">\(j\)</span> 向小于 <code>target</code> 的元素靠近</strong>。</li>
|
||||
@ -3623,7 +3623,7 @@
|
||||
</div>
|
||||
</div>
|
||||
</div>
|
||||
<p align="center"> 图：二分查找重复元素的插入点的步骤 </p>
|
||||
<p align="center"> 图 10-6 二分查找重复元素的插入点的步骤 </p>
|
||||
|
||||
<p>观察以下代码，判断分支 <code>nums[m] > target</code> 和 <code>nums[m] == target</code> 的操作相同，因此两者可以合并。</p>
|
||||
<p>即便如此，我们仍然可以将判断条件保持展开，因为其逻辑更加清晰、可读性更好。</p>
|
||||
|
||||
@ -3418,9 +3418,9 @@
|
||||
<p>给定一个整数数组 <code>nums</code> 和一个目标元素 <code>target</code> ，请在数组中搜索“和”为 <code>target</code> 的两个元素，并返回它们的数组索引。返回任意一个解即可。</p>
|
||||
</div>
|
||||
<h2 id="1041">10.4.1 线性查找：以时间换空间<a class="headerlink" href="#1041" title="Permanent link">¶</a></h2>
|
||||
<p>考虑直接遍历所有可能的组合。如下图所示，我们开启一个两层循环，在每轮中判断两个整数的和是否为 <code>target</code> ，若是则返回它们的索引。</p>
|
||||
<p>考虑直接遍历所有可能的组合。如图 10-9 所示，我们开启一个两层循环，在每轮中判断两个整数的和是否为 <code>target</code> ，若是则返回它们的索引。</p>
|
||||
<p><img alt="线性查找求解两数之和" src="../replace_linear_by_hashing.assets/two_sum_brute_force.png" /></p>
|
||||
<p align="center"> 图：线性查找求解两数之和 </p>
|
||||
<p align="center"> 图 10-9 线性查找求解两数之和 </p>
|
||||
|
||||
<div class="tabbed-set tabbed-alternate" data-tabs="1:12"><input checked="checked" id="__tabbed_1_1" name="__tabbed_1" type="radio" /><input id="__tabbed_1_2" name="__tabbed_1" type="radio" /><input id="__tabbed_1_3" name="__tabbed_1" type="radio" /><input id="__tabbed_1_4" name="__tabbed_1" type="radio" /><input id="__tabbed_1_5" name="__tabbed_1" type="radio" /><input id="__tabbed_1_6" name="__tabbed_1" type="radio" /><input id="__tabbed_1_7" name="__tabbed_1" type="radio" /><input id="__tabbed_1_8" name="__tabbed_1" type="radio" /><input id="__tabbed_1_9" name="__tabbed_1" type="radio" /><input id="__tabbed_1_10" name="__tabbed_1" type="radio" /><input id="__tabbed_1_11" name="__tabbed_1" type="radio" /><input id="__tabbed_1_12" name="__tabbed_1" type="radio" /><div class="tabbed-labels"><label for="__tabbed_1_1">Java</label><label for="__tabbed_1_2">C++</label><label for="__tabbed_1_3">Python</label><label for="__tabbed_1_4">Go</label><label for="__tabbed_1_5">JS</label><label for="__tabbed_1_6">TS</label><label for="__tabbed_1_7">C</label><label for="__tabbed_1_8">C#</label><label for="__tabbed_1_9">Swift</label><label for="__tabbed_1_10">Zig</label><label for="__tabbed_1_11">Dart</label><label for="__tabbed_1_12">Rust</label></div>
|
||||
<div class="tabbed-content">
|
||||
@ -3613,7 +3613,7 @@
|
||||
</div>
|
||||
<p>此方法的时间复杂度为 <span class="arithmatex">\(O(n^2)\)</span> ，空间复杂度为 <span class="arithmatex">\(O(1)\)</span> ，在大数据量下非常耗时。</p>
|
||||
<h2 id="1042">10.4.2 哈希查找：以空间换时间<a class="headerlink" href="#1042" title="Permanent link">¶</a></h2>
|
||||
<p>考虑借助一个哈希表，键值对分别为数组元素和元素索引。循环遍历数组，每轮执行下图所示的步骤。</p>
|
||||
<p>考虑借助一个哈希表，键值对分别为数组元素和元素索引。循环遍历数组，每轮执行图 10-10 所示的步骤。</p>
|
||||
<ol>
|
||||
<li>判断数字 <code>target - nums[i]</code> 是否在哈希表中，若是则直接返回这两个元素的索引。</li>
|
||||
<li>将键值对 <code>nums[i]</code> 和索引 <code>i</code> 添加进哈希表。</li>
|
||||
@ -3631,7 +3631,7 @@
|
||||
</div>
|
||||
</div>
|
||||
</div>
|
||||
<p align="center"> 图：辅助哈希表求解两数之和 </p>
|
||||
<p align="center"> 图 10-10 辅助哈希表求解两数之和 </p>
|
||||
|
||||
<p>实现代码如下所示，仅需单层循环即可。</p>
|
||||
<div class="tabbed-set tabbed-alternate" data-tabs="3:12"><input checked="checked" id="__tabbed_3_1" name="__tabbed_3" type="radio" /><input id="__tabbed_3_2" name="__tabbed_3" type="radio" /><input id="__tabbed_3_3" name="__tabbed_3" type="radio" /><input id="__tabbed_3_4" name="__tabbed_3" type="radio" /><input id="__tabbed_3_5" name="__tabbed_3" type="radio" /><input id="__tabbed_3_6" name="__tabbed_3" type="radio" /><input id="__tabbed_3_7" name="__tabbed_3" type="radio" /><input id="__tabbed_3_8" name="__tabbed_3" type="radio" /><input id="__tabbed_3_9" name="__tabbed_3" type="radio" /><input id="__tabbed_3_10" name="__tabbed_3" type="radio" /><input id="__tabbed_3_11" name="__tabbed_3" type="radio" /><input id="__tabbed_3_12" name="__tabbed_3" type="radio" /><div class="tabbed-labels"><label for="__tabbed_3_1">Java</label><label for="__tabbed_3_2">C++</label><label for="__tabbed_3_3">Python</label><label for="__tabbed_3_4">Go</label><label for="__tabbed_3_5">JS</label><label for="__tabbed_3_6">TS</label><label for="__tabbed_3_7">C</label><label for="__tabbed_3_8">C#</label><label for="__tabbed_3_9">Swift</label><label for="__tabbed_3_10">Zig</label><label for="__tabbed_3_11">Dart</label><label for="__tabbed_3_12">Rust</label></div>
|
||||
|
||||
@ -3455,12 +3455,12 @@
|
||||
<p>自适应搜索算法常被称为查找算法，<strong>主要关注在特定数据结构中快速检索目标元素</strong>。</p>
|
||||
</div>
|
||||
<h2 id="1053">10.5.3 搜索方法选取<a class="headerlink" href="#1053" title="Permanent link">¶</a></h2>
|
||||
<p>给定大小为 <span class="arithmatex">\(n\)</span> 的一组数据，我们可以使用线性搜索、二分查找、树查找、哈希查找等多种方法在该数据中搜索目标元素。各个方法的工作原理如下图所示。</p>
|
||||
<p>给定大小为 <span class="arithmatex">\(n\)</span> 的一组数据，我们可以使用线性搜索、二分查找、树查找、哈希查找等多种方法在该数据中搜索目标元素。各个方法的工作原理如图 10-11 所示。</p>
|
||||
<p><img alt="多种搜索策略" src="../searching_algorithm_revisited.assets/searching_algorithms.png" /></p>
|
||||
<p align="center"> 图：多种搜索策略 </p>
|
||||
<p align="center"> 图 10-11 多种搜索策略 </p>
|
||||
|
||||
<p>上述几种方法的操作效率与特性如下表所示。</p>
|
||||
<p align="center"> 表：查找算法效率对比 </p>
|
||||
<p>上述几种方法的操作效率与特性如表 10-1 所示。</p>
|
||||
<p align="center"> 表 10-1 查找算法效率对比 </p>
|
||||
|
||||
<div class="center-table">
|
||||
<table>
|
||||
@ -3519,7 +3519,7 @@
|
||||
</tbody>
|
||||
</table>
|
||||
</div>
|
||||
<p>除了以上表格内容，搜索算法的选择还取决于数据体量、搜索性能要求、数据查询与更新频率等。</p>
|
||||
<p>搜索算法的选择还取决于数据体量、搜索性能要求、数据查询与更新频率等。</p>
|
||||
<p><strong>线性搜索</strong></p>
|
||||
<ul>
|
||||
<li>通用性较好，无须任何数据预处理操作。假如我们仅需查询一次数据，那么其他三种方法的数据预处理的时间比线性搜索的时间还要更长。</li>
|
||||
|
||||
Reference in New Issue
Block a user