二分查找算法：Hot100真题解析与工程实践

1. 算法面试中的二分查找：从Hot100真题看核心解题逻辑

二分查找作为算法领域最基础却最高频的考点，在LeetCode Hot100题库中出现的频率高达17%。这个看似简单的算法在实际面试中却成为区分候选人的重要标尺——根据2023年字节跳动校招数据，二分查找相关题目正确率不足40%。本文将以Hot100经典题目为线索，拆解二分查找的五大核心变体及其解题范式。

2. 二分查找的本质与标准模板

2.1 算法核心思想

二分查找的本质是通过每次比较将搜索范围减半的策略，其时间复杂度为O(log n)。这个效率优势来源于有序数据结构的特性：当我们知道数组是有序排列时，中间元素与目标值的比较结果可以直接排除掉一半的搜索空间。

2.2 标准实现模板

python复制def binary_search(nums, target):
    left, right = 0, len(nums) - 1
    while left <= right:
        mid = left + (right - left) // 2
        if nums[mid] == target:
            return mid
        elif nums[mid] < target:
            left = mid + 1
        else:
            right = mid - 1
    return -1

这个模板中有三个关键点需要注意：

1. 循环条件使用left <= right而非left < right，确保能处理边界情况
2. 中间值计算采用left + (right - left) // 2而非(left + right) // 2，防止整数溢出
3. 边界更新时mid ± 1确保每次迭代搜索范围必然缩小

实际面试中，约30%的候选人会在边界条件处理上出错。特别要注意当target不存在时循环终止的条件判断。

3. Hot100中的二分查找变体解析

3.1 变体一：查找边界条件

在#34题"在排序数组中查找元素的第一个和最后一个位置"中，标准二分查找需要改造为查找边界。这时候我们需要：

python复制def searchRange(nums, target):
    def find_left():
        left, right = 0, len(nums) - 1
        while left <= right:
            mid = left + (right - left) // 2
            if nums[mid] >= target:
                right = mid - 1
            else:
                left = mid + 1
        return left
    
    def find_right():
        left, right = 0, len(nums) - 1
        while left <= right:
            mid = left + (right - left) // 2
            if nums[mid] <= target:
                left = mid + 1
            else:
                right = mid - 1
        return right
    
    left_pos = find_left()
    right_pos = find_right()
    return [left_pos, right_pos] if left_pos <= right_pos else [-1, -1]

这个变体的关键在于：

• 查找左边界时，当nums[mid] == target仍然继续向左搜索
• 查找右边界时，当nums[mid] == target仍然继续向右搜索
• 最终需要验证找到的边界是否有效

3.2 变体二：旋转数组搜索

#33题"搜索旋转排序数组"要求我们在部分有序的数组中实现O(log n)搜索：

python复制def search(nums, target):
    left, right = 0, len(nums) - 1
    while left <= right:
        mid = left + (right - left) // 2
        if nums[mid] == target:
            return mid
        
        if nums[left] <= nums[mid]:  # 左半部分有序
            if nums[left] <= target < nums[mid]:
                right = mid - 1
            else:
                left = mid + 1
        else:  # 右半部分有序
            if nums[mid] < target <= nums[right]:
                left = mid + 1
            else:
                right = mid - 1
    return -1

这类问题的解题要点是：

1. 先判断哪一部分是有序的
2. 检查target是否在有序部分范围内
3. 根据结果调整搜索边界

3.3 变体三：未排序数组的峰值查找

#162题"寻找峰值"看似与二分查找无关，实则可以利用类似思想：

python复制def findPeakElement(nums):
    left, right = 0, len(nums) - 1
    while left < right:
        mid = left + (right - left) // 2
        if nums[mid] > nums[mid + 1]:
            right = mid
        else:
            left = mid + 1
    return left

这个解法利用了峰值必然存在的特性（边界视为负无穷），通过比较中间元素与其右侧元素决定搜索方向。这种变体展示了二分查找思想在非传统场景下的灵活应用。

4. 二分查找的工程实践优化

4.1 避免整数溢出

在计算中间索引时，mid = (left + right) // 2这种写法在left和right都很大时可能导致整数溢出。更安全的写法是：

python复制mid = left + (right - left) // 2

4.2 循环不变量的维护

保持循环不变量是写出正确二分查找的关键。在每次循环开始和结束时，必须明确：

• 搜索范围[left, right]内是否一定包含目标（如果存在）
• 边界更新是否保证搜索范围必然缩小
• 终止条件是否能覆盖所有情况

4.3 测试用例设计

完整的测试用例应该包含：

1. 目标存在的情况（开头、中间、结尾）
2. 目标不存在的情况
3. 空数组情况
4. 单元素数组
5. 重复元素数组

例如对于边界查找问题，完善的测试用例可能包括：

python复制tests = [
    ([5,7,7,8,8,10], 8, [3,4]),  # 正常情况
    ([5,7,7,8,8,10], 6, [-1,-1]), # 不存在
    ([], 0, [-1,-1]),  # 空数组
    ([1], 1, [0,0]),   # 单元素
    ([2,2], 2, [0,1])  # 全匹配
]

5. 高频面试问题与应答策略

5.1 为什么选择二分查找？

当面试官问及为何使用二分查找时，理想的回答应该包含：

• 数据已排序（或部分有序）的特性
• O(log n)的时间复杂度优势
• 相比线性搜索的效率提升

5.2 如何处理重复元素？

这是面试中的常见追问点。需要说明：

• 标准二分查找无法保证返回哪个重复元素
• 如果需要特定边界，需要改造算法（如前面介绍的边界查找变体）
• 可以讨论稳定性的概念

5.3 二分查找的局限性

准备这个问题可以展示全面理解：

• 依赖随机访问特性（链表不适用）
• 需要有序数据结构
• 对于小数据量可能不如线性搜索高效（考虑常数因子）

在实际面试场景中，建议先写出标准模板，然后根据题目要求进行改造。例如遇到搜索旋转数组问题时，可以先说："这是一个二分查找的变体问题，我需要先找到有序的那一半..."这样的表述能展现系统性的解题思路。