当前位置: 首页 > article >正文

算法每日双题精讲 —— 二分查找(寻找旋转排序数组中的最小值,点名)

 🌟快来参与讨论💬,点赞👍、收藏⭐、分享📤,共创活力社区。 🌟 

别再犹豫了!快来订阅我们的算法每日双题精讲专栏,一起踏上算法学习的精彩之旅吧💪   


         在算法的学习之旅中,二分查找是一种高效且经典的算法,其应用场景广泛。今天我们将深入探讨如何运用二分查找来解决 “寻找旋转排序数组中的最小值” 以及趣味十足的 “点名” 问题。这两道题不仅能加深我们对二分查找的理解,还能锻炼我们在不同场景下灵活运用算法的能力。 


 目录

一、寻找旋转排序数组中的最小值

📖题目描述

🧠讲解算法原理

💻代码实现(以 C++ 为例)

复杂度分析

二、点名

📖题目描述

🧠讲解算法原理

💻代码实现(以 C++ 为例)

复杂度分析


一、寻找旋转排序数组中的最小值

题目链接👉【力扣】

📖题目描述

 

 

 

🧠讲解算法原理

对于这道题,我们可以利用二分查找来优化时间复杂度。

        初始化左指针 left 为 0,右指针 right 为数组长度减 1。在循环过程中,计算中间索引 mid = left + (right - left) / 2 。

比较 nums[mid] 与 nums[right] 的大小:

  • 如果 nums[mid] < nums[right] ,说明最小值在 mid 及其左边,因为 mid 到 right 这一段是有序的,最小值肯定不在这一段,所以将 right 更新为 mid 。
  • 如果 nums[mid] > nums[right] ,说明最小值在 mid 的右边,因为 mid 及其左边这一段是有序的,最小值不在这一段,所以将 left 更新为 mid + 1 。

当 left 等于 right 时,循环结束,此时 nums[left] 就是数组中的最小值。

 

💻代码实现(以 C++ 为例)

#include <iostream>
#include <vector>

using namespace std;

int findMin(vector<int>& nums) {
    int left = 0, right = nums.size() - 1;
    while (left < right) {
        int mid = left + (right - left) / 2;
        if (nums[mid] < nums[right]) {
            right = mid;
        }
        else {
            left = mid + 1;
        }
    }
    return nums[left];
}

复杂度分析

 

  • 时间复杂度:每次循环都将搜索区间缩小一半,所以时间复杂度为 O(log n),其中 n 是数组的长度。相比遍历整个数组查找最小值的暴力解法(时间复杂度为 O(n)),效率大大提高。
  • 空间复杂度:只使用了常数级别的额外空间,即几个指针变量,所以空间复杂度为 O(1)

二、点名

 题目链接👉【力扣】

📖题目描述

 

 

 

🧠讲解算法原理

这道题同样可以借助二分查找来高效解决。

        初始化左指针 left 为 0,右指针 right 为名单长度减 1。

        在循环中,计算中间索引 mid = left + (right - left) / 2 。

比较中间位置的学生名字与老师点的名字:

  • 如果相同,直接返回 mid 。
  • 如果中间位置的名字小于老师点的名字,说明要找的名字在 mid 的右边,将 left 更新为 mid + 1 。
  • 如果中间位置的名字大于老师点的名字,说明要找的名字在 mid 的左边,将 right 更新为 mid - 1 。

当 left 大于 right 时,循环结束,说明名单中没有该学生,返回 -1 。

💻代码实现(以 C++ 为例)

#include <iostream>
#include <vector>
#include <string>

using namespace std;

int rollCall(vector<string>& names, string target) {
    int left = 0, right = names.size() - 1;
    while (left <= right) {
        int mid = left + (right - left) / 2;
        if (names[mid] == target) {
            return mid;
        }
        else if (names[mid] < target) {
            left = mid + 1;
        }
        else {
            right = mid - 1;
        }
    }
    return -1;
}

复杂度分析

  • 时间复杂度:每次迭代都能将搜索区间缩小一半,时间复杂度为O(log n) ,其中 n是名单中学生的数量。相比逐个遍历名单查找学生的暴力解法(时间复杂度为 O(n)),效率大幅提升。
  • 空间复杂度:只使用了常数级别的额外空间,如几个指针变量,所以空间复杂度为 O(1)

        通过对这两道题目的学习,我们对二分查找算法的理解和应用能力又上了一个新台阶。在今后遇到类似问题时,要学会灵活运用二分查找来优化代码的时间复杂度。

如果大家在学习过程中有任何疑问或者想法,欢迎在评论区交流分享。后续我还会带来更多精彩的算法内容,记得关注哦!

 


http://www.kler.cn/a/520977.html

相关文章:

  • 如何跨互联网adb连接到远程手机-蓝牙电话集中维护
  • Go优雅实现redis分布式锁
  • Android BitmapShader简洁实现马赛克/高斯模糊(毛玻璃),Kotlin(三)
  • Spark Streaming编程基础
  • 第05章 12 可视化热量流线图一例
  • SET alter system reload
  • < OS 有关 > 阿里云:轻量应用服务器 的使用 :轻量化 阿里云 vpm 主机
  • 从单体应用到微服务的迁移过程
  • 基于LangGraph、Groq和Tavily打造可以调用外部搜索引擎工具的对话机器人(核心代码 万字详解)
  • 【Numpy核心编程攻略:Python数据处理、分析详解与科学计算】1.7 数组工厂:8种初始化方法性能横评
  • 5.1.2软件生存周期模型(二)
  • Linux初识:【冯诺依曼体系结构】【操作系统概念】【进程部分概念(进程状态)(进程优先级)(进程调度队列)】
  • Linux的基本指令(上)
  • 第28讲 程序是如何控制寄存器的
  • 从零到全栈开发
  • 在深度Linux (Deepin) 20中安装Nvidia驱动
  • MiniMax-01中Lightning Attention的由来(线性注意力进化史)
  • API接口设计模板
  • Zotero中使用Deepseek翻译
  • 基于Python的哔哩哔哩综合热门数据分析系统的设计与实现
  • 小程序开发实战:记录一天的 Bug 修复历程
  • 绘制决策树尝试2 内含添加环境变量步骤
  • AIGC时代下的Vue组件开发深度探索
  • Centos7系统php8编译安装ImageMagick/Imagick扩展教程整理
  • 数据结构课设——模糊查询汉字和其位置
  • 机器学习2 (笔记)(朴素贝叶斯,集成学习,KNN和matlab运用)