二分法解题三条铁律：从理解到实践-代码聚汇网

二分法解题三条铁律：从理解到实践

张云雷宝宝

1. 二分法解题三条铁律：从理解到实践

在算法竞赛和面试中，二分查找是最基础也最容易被低估的算法之一。特别是对于"答案二分"这类问题，很多人在理解判定函数、边界条件和输出结果时容易混淆。我在ACM竞赛和LeetCode刷题过程中，总结出三条铁律，它们帮助我在二分法相关题目中保持了90%以上的正确率。

二分答案问题的核心在于：我们不知道确切的答案，但可以快速验证某个猜测值是否可行。通过不断缩小猜测范围，最终逼近正确答案。这类问题通常具有以下特征：答案有明显的上下界、验证函数可以在多项式时间内完成、答案空间具有单调性。掌握这三条铁律，你就能快速识别并解决这类问题。

2. 铁律1：问题类型固定——最大化最小值或最小化最大值

2.1 问题类型的本质解析

二分答案题本质上只有两种类型：最大化最小值（maximin）或最小化最大值（minimax）。这两种类型决定了我们搜索的方向和最终输出的结果。

最大化最小值问题通常描述为"在满足某些约束条件下，使最小值尽可能大"。例如：

在服务器集群中分配负载，使最忙的服务器的负载尽可能小
安排会议时间，使最早开始的会议尽可能晚（最大化最早开始时间）

最小化最大值问题则相反，它要求"在满足约束条件下，使最大值尽可能小"。例如：

分配工作任务，使完成时间最长的工人用时最短
分割数组，使各子数组和的最大值最小

2.2 典型例题分析

例题1：最大化最小值问题（植树问题）

题目描述：给定n个可种植位置（已排序），需要在这些位置上种植k棵树，要求所有相邻树之间的最小间距尽可能大。

python复制positions = [1, 3, 5, 6, 7, 10, 13]
k = 3

解题思路：

可能的答案范围：最小间距在1（相邻位置）到最大间距（13-1=12）之间
对于每个猜测的间距mid，验证是否可以放置至少k棵树，且相邻树间距≥mid
如果可行，尝试更大的间距；否则尝试更小的间距

例题2：最小化最大值问题（分割数组）

题目描述：给定一个非负整数数组和一个整数k，将数组分成k个连续的子数组，使各子数组和的最大值最小。

python复制nums = [7, 2, 5, 10, 8]
k = 2

解题思路：

答案范围：单个元素的最大值（10）到数组总和（32）之间
对于每个猜测的最大子数组和mid，验证是否可以将数组分成k部分，每部分和≤mid
如果可行，尝试更小的mid；否则需要增大mid

关键提示：正确识别问题类型是解题的第一步。如果类型判断错误，整个解题方向就会出错。可以通过题目中的关键词识别——"最大化最小值"或"最小化最大值"。

3. 铁律2：判定函数必须单调

3.1 判定函数的本质与要求

判定函数（通常称为isValid或check函数）是二分法的核心。它接受一个猜测值，返回该值是否满足题目要求。判定函数必须满足以下条件：

单调性：随着输入值的增大（或减小），返回值必须呈现单调变化
单次翻转：从真到假或从假到真的变化只能发生一次

这种性质保证了二分法的正确性——答案空间可以被清晰地分为"可行"和"不可行"两部分。

3.2 判定函数设计实例

最大化最小值问题的判定函数

以植树问题为例：

javascript复制function isValid(dist) {
    let count = 1;  // 已种植的树的数量
    let lastPos = positions[0];  // 上一棵树的位置
    
    for (let i = 1; i < positions.length; i++) {
        if (positions[i] - lastPos >= dist) {
            count++;
            lastPos = positions[i];
            if (count >= k) return true;
        }
    }
    return count >= k;
}

这个函数的特性：

当dist很小时，容易满足条件（返回true）
随着dist增大，满足条件变得越来越难
存在一个临界点，超过该点后函数始终返回false

最小化最大值问题的判定函数

以分割数组为例：

python复制def is_valid(max_sum):
    current_sum = 0
    splits = 1  # 初始已经有1个子数组
    
    for num in nums:
        if current_sum + num > max_sum:
            splits += 1
            current_sum = 0
            if splits > k:
                return False
        current_sum += num
    return True

这个函数的特性：

当max_sum很大时，容易满足条件（返回true）
随着max_sum减小，满足条件变得越来越难
存在一个临界点，低于该点后函数始终返回false

3.3 判定函数的常见错误

非单调的判定函数：例如存在波动，导致二分法无法正确收敛
边界条件处理不当：特别是等于临界值时应该返回true还是false
效率问题：判定函数时间复杂度太高，导致整体算法效率低下

经验之谈：在编写判定函数时，我通常会先考虑极端情况——非常大的值和非常小的值，确保函数在这些情况下行为符合预期。然后再测试中间值，观察变化是否单调。

4. 铁律3：输出由问题类型决定

4.1 输出结果的确定规则

问题类型不仅决定了搜索方向，还决定了最终应该输出左边界(l)还是右边界(r)：

最大化最小值问题：输出右边界(r)或(l-1)
- 因为我们在寻找最后一个满足条件的值
- 循环结束时，r指向最后一个满足条件的值
最小化最大值问题：输出左边界(l)或(r+1)
- 因为我们在寻找第一个满足条件的值
- 循环结束时，l指向第一个满足条件的值

4.2 代码模板对比

最大化最小值模板

python复制left, right = min_distance, max_distance
while left <= right:
    mid = (left + right) // 2
    if is_valid(mid):
        left = mid + 1  # 尝试更大的值
    else:
        right = mid - 1
return right  # 最后一个满足条件的值

最小化最大值模板

python复制left, right = min_possible, max_possible
while left <= right:
    mid = (left + right) // 2
    if is_valid(mid):
        right = mid - 1  # 尝试更小的值
    else:
        left = mid + 1
return left  # 第一个满足条件的值

4.3 边界条件处理技巧

初始边界设定：
- 最小化最大值：左边界通常是数组中的最大值，右边界是数组总和
- 最大化最小值：左边界通常是最小可能间距，右边界是最大可能间距
终止条件：
- 使用left <= right可以确保所有可能性都被检查
- 循环结束时，left和right会交叉(right < left)
返回值选择：
- 记住"最大化找右，最小化找左"的口诀
- 不确定时可以举例验证，例如测试只有一个元素的情况

5. 综合应用与实战技巧

5.1 完整解题流程

识别问题类型：最大化最小值还是最小化最大值
确定搜索范围：找出答案的可能最小值和最大值
设计判定函数：确保单调性，正确处理边界条件
选择二分模板：根据问题类型选择合适的模板
处理返回值：根据问题类型输出左边界或右边界

5.2 常见问题与调试技巧

无限循环：
- 检查循环条件是否为left <= right
- 确保left和right在每次迭代后都更新
错误答案：
- 验证判定函数是否正确
- 检查初始边界是否合理
- 确认返回值选择是否正确
效率问题：
- 优化判定函数的实现
- 如果可能，提前终止判定函数的执行

5.3 进阶技巧

浮点数二分：
- 设置合理的精度要求
- 循环条件改为while right - left > epsilon
多重二分：
- 当问题有多个维度需要优化时
- 可能需要嵌套使用二分法
与其他算法结合：
- 如二分答案与DFS、BFS或动态规划结合
- 判定函数内部可能使用其他算法

6. 经典例题详解

6.1 最大化最小值问题实例：Aggressive Cows

题目描述：有N个牛棚在一条直线上，需要将C头牛放入这些牛棚，使得任意两头牛之间的最小距离最大。

python复制stalls = [1, 2, 4, 8, 9]
cows = 3

解题步骤：

排序牛棚位置（如果未排序）
确定搜索范围：最小距离1，最大距离stalls[-1] - stalls[0]
编写判定函数：检查是否能在保持最小距离为mid的情况下放置所有牛
应用最大化最小值模板

实现代码：

python复制def max_min_distance(stalls, cows):
    stalls.sort()
    left, right = 1, stalls[-1] - stalls[0]
    answer = 0
    
    while left <= right:
        mid = (left + right) // 2
        if can_place(stalls, cows, mid):
            answer = mid
            left = mid + 1
        else:
            right = mid - 1
    return answer

def can_place(stalls, cows, min_dist):
    count = 1
    last_pos = stalls[0]
    
    for pos in stalls[1:]:
        if pos - last_pos >= min_dist:
            count += 1
            last_pos = pos
            if count >= cows:
                return True
    return count >= cows

6.2 最小化最大值问题实例：Split Array Largest Sum

题目描述：将数组分成m个连续子数组，使各子数组和的最大值最小。

python复制nums = [7, 2, 5, 10, 8]
m = 2