面试官:说说你对二分查找的理解?如何实现?应用场景?

一、是什么

在计算机科学中,二分查找算法,也称折半搜索算法,是一种在有序数组中查找某一特定元素的搜索算法

想要应用二分查找法,则这一堆数应有如下特性:

  • 存储在数组中
  • 有序排序

搜索过程从数组的中间元素开始,如果中间元素正好是要查找的元素,则搜索过程结束

如果某一特定元素大于或者小于中间元素,则在数组大于或小于中间元素的那一半中查找,而且跟开始一样从中间元素开始比较

如果在某一步骤数组为空,则代表找不到

这种搜索算法每一次比较都使搜索范围缩小一半

如下图所示:

相比普通的顺序查找,除了数据量很少的情况下,二分查找会比顺序查找更快,区别如下所示:

二、如何实现

基于二分查找的实现,如果数据是有序的,并且不存在重复项,实现代码如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
function BinarySearch(arr, target) {
if (arr.length <= 1) return -1
// 低位下标
let lowIndex = 0
// 高位下标
let highIndex = arr.length - 1

while (lowIndex <= highIndex) {
// 中间下标
const midIndex = Math.floor((lowIndex + highIndex) / 2)
if (target < arr[midIndex]) {
highIndex = midIndex - 1
} else if (target > arr[midIndex]) {
lowIndex = midIndex + 1
} else {
// target === arr[midIndex]
return midIndex
}
}
return -1
}

如果数组中存在重复项,而我们需要找出第一个制定的值,实现则如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
function BinarySearchFirst(arr, target) {
if (arr.length <= 1) return -1
// 低位下标
let lowIndex = 0
// 高位下标
let highIndex = arr.length - 1

while (lowIndex <= highIndex) {
// 中间下标
const midIndex = Math.floor((lowIndex + highIndex) / 2)
if (target < arr[midIndex]) {
highIndex = midIndex - 1
} else if (target > arr[midIndex]) {
lowIndex = midIndex + 1
} else {
// 当 target 与 arr[midIndex] 相等的时候,如果 midIndex 为0或者前一个数比 target 小那么就找到了第一个等于给定值的元素,直接返回
if (midIndex === 0 || arr[midIndex - 1] < target) return midIndex
// 否则高位下标为中间下标减1,继续查找
highIndex = midIndex - 1
}
}
return -1
}

实际上,除了有序的数组可以使用,还有一种特殊的数组可以应用,那就是轮转后的有序数组

有序数组即一个有序数字以某一个数为轴,将其之前的所有数都轮转到数组的末尾所得

例如,[4, 5, 6, 7, 0, 1, 2]就是一个轮转后的有序数组

该数组的特性是存在一个分界点用来分界两个有序数组,如下:

分界点有如下特性:

  • 分界点元素 >= 第一个元素
  • 分界点元素 < 第一个元素

代码实现如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
function search (nums, target) {
// 如果为空或者是空数组的情况
if (nums == null || !nums.length) {
return -1;
}
// 搜索区间是前闭后闭
let begin = 0,
end = nums.length - 1;
while (begin <= end) {
// 下面这样写是考虑大数情况下避免溢出
let mid = begin + ((end - begin) >> 1);
if (nums[mid] == target) {
return mid;
}
// 如果左边是有序的
if (nums[begin] <= nums[mid]) {
//同时target在[ nums[begin],nums[mid] ]中,那么就在这段有序区间查找
if (nums[begin] <= target && target <= nums[mid]) {
end = mid - 1;
} else {
//否则去反方向查找
begin = mid + 1;
}
//如果右侧是有序的
} else {
//同时target在[ nums[mid],nums[end] ]中,那么就在这段有序区间查找
if (nums[mid] <= target && target <= nums[end]) {
begin = mid + 1;
} else {
end = mid - 1;
}
}
}
return -1;
};

对比普通的二分查找法,为了确定目标数会落在二分后的哪个部分,我们需要更多的判定条件

三、应用场景

二分查找法的O(logn)让它成为十分高效的算法。不过它的缺陷却也是比较明显,就在它的限定之上:

  • 有序:我们很难保证我们的数组都是有序的
  • 数组:数组读取效率是O(1),可是它的插入和删除某个元素的效率却是O(n),并且数组的存储是需要连续的内存空间,不适合大数据的情况

关于二分查找的应用场景,主要如下:

  • 不适合数据量太小的数列;数列太小,直接顺序遍历说不定更快,也更简单
  • 每次元素与元素的比较是比较耗时的,这个比较操作耗时占整个遍历算法时间的大部分,那么使用二分查找就能有效减少元素比较的次数
  • 不适合数据量太大的数列,二分查找作用的数据结构是顺序表,也就是数组,数组是需要连续的内存空间的,系统并不一定有这么大的连续内存空间可以使用

参考文献