二分查找
在升序数组 [-1,0,3,5,9,12] 中查找 target=9 的下标。
在升序数组 [-1,0,3,5,9,12] 中查找 target=9 的下标。
当前候选区间是否仍保证包含所有可能答案?
维护候选区间 [lo,hi];每步取 mid 比较,丢弃一定不含答案的一半。
先说结论:这道题到底解决什么
怎样从“在升序数组 [-1,0,3,5,9,12] 中查找 target=9 的下标。”推导出 二分查找 · 标准,并证明每次状态变化都不会漏掉答案?
中心结论:维护候选区间 [lo,hi];每步取 mid 比较,丢弃一定不含答案的一半。
- 1.暴力方案在哪里重复计算,为什么仍然是正确基线?
- 2.当前候选区间是否仍保证包含所有可能答案?
- 3.不变量“答案若存在,一定落在当前候选区间 [lo, hi] 内。”为什么能保证算法安全前进?
完整题目与题意拆解
给定一个 n 个元素有序的(升序)整型数组 nums 和一个目标值 target ,写一个函数搜索 nums 中的 target,如果目标值存在返回下标,否则返回 -1。
你可以假设 nums 中的所有元素是不重复的。 n 将在 [1, 10000]之间。 nums 的每个元素都将在 [-9999, 9999]之间。
在本站主例中,在升序数组 [-1,0,3,5,9,12] 中查找 target=9 的下标。
算法最终需要得到或观察:在下标 4 处找到 9。
- • 输入:在升序数组 [-1,0,3,5,9,12] 中查找 target=9 的下标。
- • 机器需要维护:候选区间下界 lo、上界 hi、中点 mid。
- • 最终可观察结果:在下标 4 处找到 9。
先看清算法到底要维护什么
先建立输入、目标、输出和第一批状态,不急着进入模板。
有序数组,答案若存在必在 [lo, hi] 内
第一层方案:暴力做法
线性扫描没有利用判定条件的单调性;二分每次用一个判断安全排除一半候选。
暴力方案的价值是确认题意并提供正确性基线。它通常会覆盖所有候选, 但没有保存已经确认的信息,因此同一状态会被重新计算。
重复工作究竟发生在哪里
把重复读取或重复搜索的区域明确标出,再决定优化必须保存什么。
有序数组,答案若存在必在 [lo, hi] 内
整体地图:先做什么,再做什么
- 1建模把输入翻译成“有序区间闸门”,明确答案需要观察什么。
- 2状态只维护 候选区间下界 lo、上界 hi、中点 mid。
- 3转移每一步按照 维护候选区间 [lo,hi];每步取 mid 比较,丢弃一定不含答案的一半。
- 4收尾读取 在下标 4 处找到 9。,并复核边界与复杂度。
有序区间闸门:核心概念
二分的核心不是 mid 公式,而是左右哪一侧可以被证明不含答案。
这道题不是为了记住一个组件名称,而是为了让状态具有可解释的语义:候选区间下界 lo、上界 hi、中点 mid。
- • 答案若存在,一定落在当前候选区间 [lo, hi] 内。
建立“有序区间闸门”心智模型
用主例建立核心状态,先预测下一步,再公开正确分支和理由。
有序数组,答案若存在必在 [lo, hi] 内
核心机制:状态如何一步步变化
给出一个数组,要求在数组中搜索等于 target 的元素的下标。如果找到就输出下标,如果找不到输出 -1 。 简单题,二分搜索的裸题。
维护候选区间 [lo,hi];每步取 mid 比较,丢弃一定不含答案的一半。
执行过程中持续维护:候选区间下界 lo、上界 hi、中点 mid。
正确性依赖以下不变量:答案若存在,一定落在当前候选区间 [lo, hi] 内。
面试时可以压缩为:数组有序,我维护候选区间 [lo,hi],每步取 mid:相等即返回,a[mid] 偏小则 lo=mid+1,偏大则 hi=mid-1;每步砍半,O(log n)。
落到当前题,执行机制可以压缩为:维护候选区间 [lo,hi];每步取 mid 比较,丢弃一定不含答案的一半。每一次更新都必须保持核心不变量,而不是只让样例碰巧得到正确答案。
一次状态转移为什么成立
集中观察一次选择、计算和状态写回,让变量变化与原因同时出现。
a[mid]=3 < target 9
正确性证明:为什么不会漏答案
初始化:算法开始时,全部合法候选仍在状态表示范围内;答案若存在,一定落在当前候选区间 [lo, hi] 内。
保持:执行“维护候选区间 [lo,hi];每步取 mid 比较,丢弃一定不含答案的一半。”时,只删除已经能证明不可能的候选,并把新信息写回 候选区间下界 lo、上界 hi、中点 mid。
终止:没有待处理状态或达到命中条件时,当前可观察结果就是“在下标 4 处找到 9。”。
完整执行过程
- 1题目与输入在升序数组 [-1,0,3,5,9,12] 中查找 target=9 的下标。 因为:维护候选区间 [lo,hi];每步取 mid 比较,丢弃一定不含答案的一半。
- 2候选区间 = 整个数组把整个有序数组作为初始候选区间。 因为:数组有序是二分的前提:看一眼 mid 就能判断答案在左还是右。
- 3看 mid=2,a[mid]=3取区间中点 mid,比较 a[mid] 与 target。 因为:a[mid] 偏小,答案只可能在右半。
- 4丢弃左半,lo = mid+1把 mid 及其左侧全部排除。 因为:有序数组里 mid 左侧都 ≤ a[mid] < target,不可能是答案。
- 5预测下一步先不要看下一帧——根据当前不变量,预测算法接下来会怎么动。 因为:主动预测会暴露你对不变量的真实理解,比被动看动画有效得多。
- 6看 mid=4,a[mid]=9取区间中点 mid,比较 a[mid] 与 target。 因为:正好相等,mid 就是答案。
- 7命中,返回下标 4a[mid] 等于 target,直接返回下标。 因为:二分每一步都不丢弃可能含答案的一侧,命中即正确。
- 8收尾与复杂度在下标 4 处找到 9。 因为:时间 O(log n) · 空间 O(1)。维护候选区间 [lo,hi];每步取 mid 比较,丢弃一定不含答案的一半。
从输入完整走到可观察结果
从主例第一帧运行到答案,时间轴始终显示当前状态、因果解释和下一步。
有序数组,答案若存在必在 [lo, hi] 内
把动画和 Go 代码逐行对应
代码窗口不会按容易漂移的固定数字行号硬绑动画,而是根据当前语义阶段, 在完整 Go 实现中定位选择、计算、写回或返回分支。当前变量与高亮行一起变化。
让每个动作都落到 Go 分支
重新执行关键分支,只显示当前代码附近窗口,并说明这行为什么在此刻运行。
有序数组,答案若存在必在 [lo, hi] 内
完整 Go 提交代码与最小测试
func search(nums []int, target int) int {
low, high := 0, len(nums)-1
for low <= high {
mid := low + (high-low)>>1
if nums[mid] == target {
return mid
} else if nums[mid] > target {
high = mid - 1
} else {
low = mid + 1
}
}
return -1
}func main() {
// 1. 主例
// 输入:mode="classic", array=[-1,0,3,5,9,12], target=9
// 期望:在下标 4 处找到 9。
//
// 2. 失败 / 未命中
// 检查:mid 比较后要写 mid±1,否则区间不缩小会死循环。
//
// 3. 边界
// 空输入、单元素、最小合法规模,以及答案恰好落在边界的情况。
//
// 4. 迁移
// LC35 搜索插入位置;LC33 旋转有序数组搜索
}Go 参考实现基于 halfrost/LeetCode-Go 的 MIT 许可代码整理,并按本站教学结构补充解释与动画映射。
正确性与复杂度
执行过程中只保留仍可能影响答案的状态。维护候选区间 [lo,hi];每步取 mid 比较,丢弃一定不含答案的一半。
额外状态主要用于维护:候选区间下界 lo、上界 hi、中点 mid。
- • 答案若存在,一定落在当前候选区间 [lo, hi] 内。
最容易写错的地方
mid 比较后要写 mid±1,否则区间不缩小会死循环。
必须额外检查空输入、单元素、未命中或不可达情况,以及恰好落在边界的输入。
最后复盘:带走逻辑链
- 1题意在升序数组 [-1,0,3,5,9,12] 中查找 target=9 的下标。
- 2重复线性扫描没有利用判定条件的单调性;二分每次用一个判断安全排除一半候选。
- 3优化维护候选区间 [lo,hi];每步取 mid 比较,丢弃一定不含答案的一半。
- 4证明答案若存在,一定落在当前候选区间 [lo, hi] 内。
- 5复杂度时间 O(log n),空间 O(1)
- • LC35 搜索插入位置
- • LC33 旋转有序数组搜索