梁培定1. 二分查找算法精讲：从原理到实战
二分查找（Binary Search）是计算机科学中最基础也最高效的查找算法之一，它能在O(log n)的时间复杂度内完成有序数据的查找操作。作为一名有多年算法教学经验的工程师，我发现很多初学者虽然能写出二分查找的代码，但对其中精妙之处和实际应用场景理解不深。今天我就通过LeetCode上的6道经典题目，带大家彻底掌握这个算法的核心思想。
1.1 算法原理与核心思想
二分查找的基本思想非常简单：每次都将搜索范围缩小一半。对于一个有序数组，我们首先比较中间元素与目标值：
- 如果中间元素等于目标值，查找成功
- 如果目标值小于中间元素，则在左半部分继续查找
- 如果目标值大于中间元素，则在右半部分继续查找
这种分治策略使得算法的时间复杂度从线性查找的O(n)降低到O(log n)，对于大规模数据查找效率提升显著。
注意：二分查找的前提是数据必须是有序的，如果是无序数组需要先排序才能使用二分查找
1.2 算法实现的关键细节
在实现二分查找时，有几个关键细节需要特别注意：
- 循环终止条件：是left <= right还是left < right？
- 中间值计算：mid = (left + right)/2可能存在整数溢出风险
- 边界更新：left = mid还是left = mid + 1？
- 返回值处理：找不到时返回-1还是应该插入的位置？
这些细节处理不当会导致死循环或者错误结果。在下面的具体题目解析中，我会逐一讲解这些问题的解决方案。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 基础二分查找实现（LeetCode 704）
2.1 题目分析与标准解法
LeetCode 704是最基础的二分查找题目，要求在一个有序数组中查找目标值，存在则返回索引，不存在则返回-1。
cpp复制class Solution {
public:
int search(vector<int>& nums, int target) {
int left = 0;
int right = nums.size() - 1;
while (left <= right) {
int mid = left + (right - left) / 2; // 防止溢出
if (nums[mid] == target) {
return mid;
} else if (nums[mid] < target) {
left = mid + 1;
} else {
right = mid - 1;
}
}
return -1;
}
};
2.2 实现细节解析
- 循环条件：使用left <= right确保能处理只有一个元素的情况
- 中间值计算：使用left + (right - left)/2而非(left + right)/2防止整数溢出
- 边界更新：每次排除掉确定不包含目标值的半区，所以是mid±1
- 返回值：找到时直接返回mid，循环结束未找到则返回-1
2.3 常见错误与调试技巧
初学者常犯的错误包括：
- 忘记更新left/right导致死循环
- 边界条件处理不当（如空数组、单个元素数组）
- 整数溢出问题
调试技巧：
- 打印每次循环的left、right、mid值
- 用简单测试用例验证（如空数组、单元素数组）
- 特别注意循环终止条件和边界更新
3. 搜索插入位置（LeetCode 35）
3.1 问题变形与解法
这道题要求在有序数组中查找目标值，如果存在返回索引，不存在则返回应该插入的位置。这是二分查找的一个典型变种。
cpp复制class Solution {
public:
int searchInsert(vector<int>& nums, int target) {
int left = 0;
int right = nums.size() - 1;
while (left <= right) {
int mid = left + (right - left) / 2;
if (nums[mid] == target) {
return mid;
} else if (nums[mid] < target) {
left = mid + 1;
} else {
right = mid - 1;
}
}
return left; // 关键变化在这里
}
};
3.2 与基础版本的区别
唯一区别在于返回值处理：
- 基础版本找不到时返回-1
- 本题找不到时返回left，即第一个大于目标值的元素位置
这是因为当循环结束时，left指向的就是目标值应该插入的位置。这个性质在解决其他二分查找变种问题时非常有用。
3.3 实际应用场景
这种变种在实际开发中很常见，比如：
- 数据库索引查找
- 内存中维护有序数据结构
- 需要频繁查找和插入的场景
4. 查找元素边界（LeetCode 34）
4.1 问题分析与解决思路
这道题要求在有序数组中查找目标值的起始和结束位置。如果目标值不存在，返回[-1, -1]。这是二分查找的一个高级变种，需要找到目标值的左边界和右边界。
cpp复制class Solution {
int searchLeft(vector<int>& nums, int target) {
int left = 0;
int right = nums.size() - 1;
while (left <= right) {
int mid = left + (right - left) / 2;
if (nums[mid] >= target) {
right = mid - 1;
} else {
left = mid + 1;
}
}
return left;
}
public:
vector<int> searchRange(vector<int>& nums, int target) {
int leftIdx = searchLeft(nums, target);
if (leftIdx == nums.size() || nums[leftIdx] != target) {
return {-1, -1};
}
int rightIdx = searchLeft(nums, target + 1) - 1;
return {leftIdx, rightIdx};
}
};
4.2 边界查找技巧
- 左边界查找：修改条件为nums[mid] >= target，这样循环结束时left指向第一个等于target的位置
- 右边界查找：巧妙利用左边界查找函数，查找target+1的左边界然后减1
- 存在性检查：检查左边界是否有效且对应元素确实等于target
4.3 算法优化与性能分析
这种实现方式：
- 时间复杂度：O(log n)，因为进行了两次二分查找
- 空间复杂度：O(1)，只使用了常数额外空间
相比线性扫描的O(n)时间复杂度，二分查找版本在大数据量时优势明显。
5. 数值计算类应用（LeetCode 69 & 367）
5.1 平方根计算（LeetCode 69）
这道题要求计算非负整数x的平方根，结果只保留整数部分。我们可以将这个问题转化为在[0, x]范围内查找最大的整数n使得n² ≤ x。
cpp复制class Solution {
public:
int mySqrt(int x) {
if (x <= 1) return x;
int left = 0, right = x;
while (left < right) {
int mid = left + (right - left) / 2;
if (x / mid >= mid) { // 等价于mid*mid <= x，但防止溢出
left = mid + 1;
} else {
right = mid;
}
}
return left - 1;
}
};
5.2 完全平方数判断（LeetCode 367）
这道题判断一个数是否是完全平方数，可以看作是平方根问题的变种。
cpp复制class Solution {
public:
bool isPerfectSquare(int num) {
if (num <= 1) return true;
long left = 0, right = num;
while (left <= right) {
long mid = left + (right - left) / 2;
long square = mid * mid;
if (square == num) {
return true;
} else if (square < num) {
left = mid + 1;
} else {
right = mid - 1;
}
}
return false;
}
};
5.3 数值计算技巧
- 防止整数溢出：使用除法比较而非乘法
- 边界处理：特别注意0和1的特殊情况
- 精度控制：虽然本题只要求整数结果，但可以扩展为浮点数计算
6. 二维矩阵中的二分查找（LeetCode 1351）
6.1 问题描述与暴力解法
这道题给定一个m×n的矩阵，行列都是非递增顺序排列，要求统计其中负数的个数。最直观的解法是双重循环遍历整个矩阵。
cpp复制class Solution {
public:
int countNegatives(vector<vector<int>>& grid) {
int count = 0;
for (const auto& row : grid) {
for (int num : row) {
if (num < 0) count++;
}
}
return count;
}
};
6.2 二分查找优化
由于每行都是有序的，我们可以对每行使用二分查找找到第一个负数的位置，然后计算该行的负数个数。
cpp复制class Solution {
public:
int countNegatives(vector<vector<int>>& grid) {
int count = 0;
for (const auto& row : grid) {
// 使用二分查找找到第一个负数的位置
int left = 0, right = row.size();
while (left < right) {
int mid = left + (right - left) / 2;
if (row[mid] >= 0) {
left = mid + 1;
} else {
right = mid;
}
}
count += row.size() - left;
}
return count;
}
};
6.3 复杂度分析与比较
- 暴力解法：时间复杂度O(mn)，空间复杂度O(1)
- 二分查找优化：时间复杂度O(m log n)，空间复杂度O(1)
- 最优解法：可以利用行列都有序的性质，从右上角开始线性扫描，时间复杂度O(m+n)
在实际面试中，面试官通常会期望你从暴力解法开始，然后逐步优化，最后可能还会讨论最优解法。
7. 二分查找的工程实践与常见问题
7.1 实际应用场景
二分查找不仅仅用于算法题，在实际工程中也有广泛应用：
- 数据库索引查找
- 内存中维护有序集合的查找
- 版本控制系统中的变更查找
- 日志系统中的时间范围查询
7.2 常见陷阱与解决方案
- 整数溢出：使用left + (right - left)/2而非(left + right)/2
- 死循环：确保每次迭代都能缩小搜索范围
- 边界条件：正确处理空数组、单元素数组等情况
- 重复元素：明确是否需要找到第一个或最后一个匹配项
7.3 调试技巧与测试用例设计
设计测试用例时应考虑：
- 空数组
- 单元素数组
- 目标值在开头/结尾
- 目标值不存在但应插入在开头/中间/结尾
- 有重复元素的情况
在实现二分查找时，我通常会添加详细的日志输出，打印每次循环的left、right、mid值，这能帮助快速定位问题。
8. 算法扩展与进阶学习
掌握了基础二分查找后，可以进一步学习以下内容：
- 旋转排序数组中的查找（LeetCode 33）
- 寻找峰值元素（LeetCode 162）
- 在无限序列中查找（需要设计特殊的边界扩展策略）
- 二分答案法（将最优化问题转化为判定问题）
二分查找的思想还可以扩展到：
- 三分查找（用于寻找凸函数的极值点）
- 指数搜索（用于未知范围的搜索）
- 插值搜索（对于均匀分布的数据效率更高）
在实际工程中，很多看似复杂的问题都可以转化为二分查找问题。关键是要培养将问题抽象为"在有序数据中查找满足某条件的边界"的能力。