本篇文章為大家帶來了關於java的相關知識,二分法是一個非常有效率的演算法,它常常用於電腦的查找過程。以下將透過範例為大家詳細講二分法的基本想法和實現,希望對大家有幫助。
推薦學習:《java影片教學》
想法:
程式碼
class Solution { public int search(int[] arr, int t) { if (arr == null || arr.length < 1) { return -1; } int l = 0; int r = arr.length - 1; while (l <= r) { int m = l + ((r - l) >> 1); if (arr[m] == t) { return m; } else if (arr[m] > t) { r = m - 1; } else { l = m + 1; } } return -1; } }
時間複雜度 O(logN)
。
#範例1:
##輸入: nums = [1,3,5,6], target = 5輸出: 2說明:如果要在num這個陣列中插入5 這個元素,應該是插入在元素3 和元素5 之間的位置,即2 號位置。
##說明:如果要在
num這個陣列中插入2 這個元素,應該是插入在元素1 和元素3 之間的位置,也就是1 號位置。 範例3:
輸入: nums = [1,3,5,6], target = 7
輸出: 4
說明:如果要在
num這個陣列中插入7 這個元素,應該是插入在陣列結尾,也就是4 號位置。 透過上述範例可以知道,這題本質上就是求
我們只需要在上例基礎上進行簡單改動即可,上例中,我們找到滿足條件的位置就直接
return#了<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:java;">if (arr[m] == t) {
return m;
}</pre><div class="contentsignin">登入後複製</div></div>
在這個問題中,因為要找到最左邊的位置,所以,在
同時,在遇到
arr[m] > t條件下,也需要記錄下此時的m
位置,因為這也可能是滿足條件的位置。 程式碼:
class Solution { public static int searchInsert(int[] arr, int t) { int ans = arr.length; int l = 0; int r = arr.length - 1; while (l <= r) { int m = l + ((r - l)>>1); if (arr[m] >= t) { ans = m; r = m - 1; } else { l = m + 1; } } return ans; } }
整個演算法的時間複雜度是
O(logN)。 在排序數組中找出元素的第一個和最後一個位置
#思路
本題也是用二分來解,當透過二分找到某個元素的時候,不急著返回,而是繼續往左(右)找,看能否找到更左(右)位置匹配的值。
程式碼如下:
class Solution { public static int[] searchRange(int[] arr, int t) { if (arr == null || arr.length < 1) { return new int[]{-1, -1}; } return new int[]{left(arr,t),right(arr,t)}; } public static int left(int[] arr, int t) { if (arr == null || arr.length < 1) { return -1; } int ans = -1; int l = 0; int r = arr.length - 1; while (l <= r) { int m = l + ((r - l) >> 1); if (arr[m] == t) { ans = m; r = m - 1; } else if (arr[m] < t) { l = m +1; } else { // arr[m] > t r = m - 1; } } return ans; } public static int right(int[] arr, int t) { if (arr == null || arr.length < 1) { return -1; } int ans = -1; int l = 0; int r = arr.length - 1; while (l <= r) { int m = l + ((r - l) >> 1); if (arr[m] == t) { ans = m; l = m + 1; } else if (arr[m] < t) { l = m +1; } else { // arr[m] > t r = m - 1; } } return ans; } }
時間複雜度
O(logN)。 局部最大問題
想法
假設陣列長度為
N,先判斷0
號位置的數和N-1
位置的數是不是峰值位置。
號位置只需要和1
號位置比較,如果0
號位置大,0
號位置就是峰值位置,可以直接返回。
號位置只需要和N-2
號位置比較,如果N-1
號碼位置大, N-1
號位置就是峰值位置,可以直接回傳。 如果
號位置和N-1
在上輪比較中都是最小值,那麼陣列的樣子必然是如下情況:
由上圖可知,
[0..1]區間內是成長趨勢, [N-2...N-1]
區間內是下降趨勢。 那麼峰值位置必在
之間出現。 此時可以透過
來找峰值位置,先來到中點位置,假設為mid,如果中點位置的值比左右兩邊的值都大:<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:java;">arr[mid] > arr[mid+1] && arr[mid] > arr[mid-1]</pre><div class="contentsignin">登入後複製</div></div>
則
位置即峰值位置,直接回傳。 否則,有以下兩種情況:
情況一:mid 位置的值比 mid - 1 位置的值小
趋势如下图:
则在[1...(mid-1)]
区间内继续二分。
情况二:mid 位置的值比 mid + 1 位置的值小
趋势是:
则在[(mid+1)...(N-2)]
区间内继续上述二分。
完整代码
public class LeetCode_0162_FindPeakElement { public static int findPeakElement(int[] nums) { if (nums.length == 1) { return 0; } int l = 0; int r = nums.length - 1; if (nums[l] > nums[l + 1]) { return l; } if (nums[r] > nums[r - 1]) { return r; } l = l + 1; r = r - 1; while (l <= r) { int mid = l + ((r - l) >> 1); if (nums[mid] > nums[mid + 1] && nums[mid] > nums[mid - 1]) { return mid; } if (nums[mid] < nums[mid + 1]) { l = mid + 1; } else if (nums[mid] < nums[mid - 1]) { r = mid - 1; } } return -1; } }
时间复杂度O(logN)
。
推荐学习:《java视频教程》
以上是簡單了解Java中二分法的基本想法與實現的詳細內容。更多資訊請關注PHP中文網其他相關文章!