当前位置: 首页 > news >正文

二分查找篇——搜索旋转排序数组【LeetCode】两次二分查找

33. 搜索旋转排序数组

一、算法逻辑(逐步通顺讲解每一步思路)

✅ 1️⃣ 找到旋转点(即最小值下标)

使用 findMin(nums) 函数(本质是偏左二分),快速定位旋转数组的最小值下标 i,将整个数组分为两段:

  • 第一段是 nums[0:i]:比 nums[-1] 大;

  • 第二段是 nums[i:]:比 nums[-1] 小或等于。

该函数核心已分析过,详情参考

二分查找篇——寻找旋转排序数组中的最小值【LeetCode】-CSDN博客

不再赘述,其返回的是最小值的下标 i


✅ 2️⃣ 判断目标所在区间

通过比较 targetnums[-1] 的大小,判断它应该位于哪一段中:

  • 如果 target > nums[-1],说明目标值在旋转点左侧,即第一段(原数组前半部分);

  • 否则,说明目标值在旋转点右侧,即第二段。


✅ 3️⃣ 二分查找目标下标

调用自定义的 lower_bound(nums, left, right, target) 方法,在对应区间内进行精确查找目标值的下标

lower_bound 核心逻辑:
  • 搜索范围是 开区间 (left, right),所以初始边界可能设为 -1n

  • 使用循环不变量:

    • nums[left] < target

    • nums[right] >= target

  • nums[mid] >= target,说明目标可能在左侧或就是 mid,更新 right = mid

  • 否则目标一定在右侧,更新 left = mid

  • 最终判断 nums[right] == target 成立时返回下标,否则返回 -1 表示未找到。


二、核心点总结

✅ 核心思想是:
将旋转排序数组分成两个单调段,然后在正确的一段中用二分查找目标。

✅ 技巧亮点包括:

  • 利用 nums[-1] 作为分界判断依据;

  • lower_bound 使用开区间写法,统一且干净;

  • 充分复用了“二分搜索 + 旋转点定位”的组合模板。

✅ 本题与 LeetCode 153 题(找最小)和 33 题(搜索目标)关联紧密,适合放在一起练习和理解。

class Solution:# 153. 寻找旋转排序数组中的最小值(返回的是下标)def findMin(self, nums: List[int]) -> int:left, right = -1, len(nums) - 1  # 开区间 (-1, n-1)while left + 1 < right:  # 开区间不为空mid = (left + right) // 2if nums[mid] < nums[-1]:right = midelse:left = midreturn right# 有序数组中找 target 的下标def lower_bound(self, nums: List[int], left: int, right: int, target: int) -> int:while left + 1 < right:  # 开区间不为空mid = (left + right) // 2# 循环不变量:# nums[right] >= target# nums[left] < targetif nums[mid] >= target:right = mid  # 范围缩小到 (left, mid)else:left = mid  # 范围缩小到 (mid, right)return right if nums[right] == target else -1def search(self, nums: List[int], target: int) -> int:i = self.findMin(nums)if target > nums[-1]:  # target 在第一段return self.lower_bound(nums, -1, i, target)  # 开区间 (-1, i)# target 在第二段return self.lower_bound(nums, i - 1, len(nums), target)  # 开区间 (i-1, n)

三、时间复杂度分析

  • findMin 查找旋转点:O(log n)

  • lower_bound 二分搜索:O(log n)

✅ 整体时间复杂度为:O(log n)


四、空间复杂度分析

  • 使用常数个变量;

  • 无递归,无额外数组结构。

✅ 空间复杂度为:O(1)


✅ 总结一句话

本解法将旋转数组分段 + 精准定位目标值下标,结合偏左二分与逻辑清晰的 lower_bound 函数,实现了 O(log n) 时间复杂度的优雅搜索,是 LeetCode 33题的标准解法。其中的偏移下标控制和开区间技巧值得深入掌握.

http://www.lryc.cn/news/584420.html

相关文章:

  • 专题:2025供应链数智化与效率提升报告|附100+份报告PDF、原数据表汇总下载
  • 2025企业私有化知识库工具选型指南——标普智元深度解读
  • 多商户商城系统源码选型指南:开源 vs 定制,哪种更适合?
  • 第七讲:C++中的string类
  • [实战]调频(FM)和调幅(AM)信号生成(完整C语言实现)
  • java多线程环境下资源隔离机制ThreadLocal详解
  • 【C++】红黑树的底层思想 and 大厂面试常问
  • Web前端:table标签的用法与属性
  • 学习日记-spring-day45-7.10
  • 二分查找篇——搜索旋转排序数组【LeetCode】一次二分查找
  • LFU 缓存
  • iOS APP混合开发性能测试怎么做?页面卡顿、通信异常的工具组合实战
  • iOS Widget 开发-7:TimelineProvider 机制全解析:构建未来时间线
  • 快速上手ASP .NET Core 8与MongoDB整合
  • Mac 电脑crontab执行定时任务【Python 实战】
  • 【保姆级喂饭教程】idea中安装Conventional Commit插件
  • Wsl/InstallDistro/Service/RegisterDistro/CreateVm/HCS/E_INVALIDARG
  • Android ViewBinding 使用与封装教程​​
  • Flutter 与 Android 的互通几种方式
  • 第35周—————糖尿病预测模型优化探索
  • 灰度发布过程中的异常处理
  • frp内网穿透下创建FTP(解决FTP“服务器回应不可路由的地址。使用服务器地址替代”错误)
  • Vue响应式原理五:响应式-自动收集依赖
  • 【Action帧简要分析】
  • 实验作业1+整理笔记截图
  • LLM 微调:从数据到部署的全流程实践与经验分享
  • TradePort 借助 Walrus 构建更高级的 NFT 市场
  • FPGA设计思想与验证方法学系列学习笔记001
  • 基于“SRP模型+”多技术融合在生态环境脆弱性评价模型构建、时空格局演变分析与RSEI 指数的生态质量评价及拓展应用
  • upload-labs靶场通关详解:第20关 /.绕过