二分查找
概述
二分查找（Binary Search），也称 折半搜索（half-interval search）、对数搜索（logarithmic search） 。 是一种高效的搜索算法，适用于已排序的数据集（如数组）。 它通过不断将搜索范围减半来定位目标值，时间复杂度为 ，远优于线性查找的 。
核心思想
- 分而治之：每次比较目标值与数组中间元素。
- 缩小范围：根据比较结果，将搜索范围缩小一半。
- 终止条件：找到目标值或范围为空（未找到）。
过程
以在一个升序数组中查找一个数为例。
- 它每次考察数组当前部分的中间元素，如果中间元素刚好是要找的，就结束搜索过程；
- 如果中间元素小于所查找的值，那么左侧的只会更小，不会有所查找的元素，只需到右侧查找；
- 如果中间元素大于所查找的值同理，只需到左侧查找。
实现
循环条件：
left <= right确保当
left === right时（只剩一个元素）仍会检查。中间索引计算：
mid = Math.floor((left + right) / 2)防止小数索引建议写作
mid = (left + right) >> 1。大数安全写法：
mid = left + Math.floor((right - left) / 2)（避免溢出）建议写作
mid = left + ((right - left) >> 1)。
边界更新：
- 目标在右侧：
left = mid + 1（跳过已检查的 mid）。 - 目标在左侧：
right = mid - 1（同上）。
- 目标在右侧：
终止条件：
- 找到：
arr[mid] === target。 - 未找到：
left > right（范围无效）。
- 找到：
迭代实现
function binarySearch(arr: number[], target: number): number {
let left = 0
let right = arr.length - 1
while (left <= right) {
const mid = left + ((right - left) >> 1) // 中间索引
if (arr[mid] === target) {
return mid // 找到目标
}
else if (arr[mid] < target) {
left = mid + 1 // 目标在右半部分
}
else {
right = mid - 1 // 目标在左半部分
}
}
return -1 // 未找到
}递归实现
function binarySearchRecursive(
arr: number[],
target: number,
left: number = 0,
right: number = arr.length - 1
): number {
if (left > right)
return -1 // 终止条件
const mid = left + ((right - left) >> 1)
if (arr[mid] === target) {
return mid
}
else if (arr[mid] < target) {
return binarySearchRecursive(arr, target, mid + 1, right) // 搜索右半
}
else {
return binarySearchRecursive(arr, target, left, mid - 1) // 搜索左半
}
}最大值最小化
注意，这里的有序是广义的有序，如果一个数组中的左侧或者右侧都满足某一种条件， 而另一侧都不满足这种条件，也可以看作是一种有序（如果把满足条件看做 1，不满足看做 0， 至少对于这个条件的这一维度是有序的）。换言之，二分搜索法可以用来查找满足某种条件的最大（最小）的值。
要求满足某种条件的最大值的最小可能情况（最大值最小化），首先的想法是从小到大枚举这个作为答案的「最大值」， 然后去判断是否合法。若答案单调，就可以使用二分搜索法来更快地找到答案。 因此，要想使用二分搜索法来解这种「最大值最小化」的题目，需要满足以下三个条件：
- 答案在一个固定区间内；
- 可能查找一个符合条件的值不是很容易，但是要求能比较容易地判断某个值是否是符合条件的；
- 可行解对于区间满足一定的单调性。换言之，如果 x 是符合条件的，那么有 x + 1 或者 x - 1 也符合条件。（这样下来就满足了上面提到的单调性）
当然，最小值最大化是同理的。
适用场景
- 有序数据（数组、列表等）。
- 需要高效搜索（如数据库索引、大型数据集）。
- 变体问题：找边界、插入位置）。
相关问题
基础分治应用
最大子数组问题
- 53. 最大子序和（LeetCode）中等