二分法的边界处理

0 前言

本文分享了二分法的原理及左闭右闭和左闭右开两种不同写法，看完本文您将对二分法有一个全新的认识。(ps: 有二分基础的可以直接看二分法的两种写法,里面分享的是二分的边界处理细节问题)

1 二分法原理

说到原理，其实我们在上初中的时候就已经接触过它的思想了。

莫慌莫慌😁我放一张图你就会想起来

对于区间[a，b]上连续不断且f（a）·f（b）<0的函数y=f（x），通过不断地把函数f（x）的零点所在的区间一分为二，使区间的两个端点逐步逼近零点，进而得到零点近似值的方法叫二分法。

相信阁下已经想起来第一次接触二分思想的时候了哈哈！

1.1 定义一

其中维基百科上是这样定义二分的

二分法（dichotomy）指的是将一个整体事物分割成两部分。也即是说，这两部分必须是互补事件，即所有事物必须属于双方中的一方，且互斥，即没有事物可以同时属于双方。

1.2 定义二

百度百科是这样定义二分的

二分法（Bisection method）即一分为二的方法. 设[a，b]为R的闭区间. 逐次二分法就是造出如下的区间序列([an，bn])：a0=a，b0=b，且对任一自然数n，[an+1，bn+1]或者等于[an，cn]，或者等于[cn，bn]，其中cn表示[an，bn]的中点。

相信读者朋友可以看出来维基百科上的定义更具有普遍性。我们不妨以猜数字游戏引出计算机领域的二分法的用处。

假如这里有1-10的数字,游戏玩家预先抽出一张数字,要求是使用最少的次数猜中抽出的数字 (ps:在猜测期间,游戏玩家会得到所猜数字是猜大了还是猜小了.)

这样我们猜测的时候就可以使用二分的思想进行猜测

首先,猜测 1-10 的中间数字 5 ,如果猜大了, 6-10 的数字就不可能是答案,答案只可能存在于 1-4 ,反之,答案存在于 6-10 .
接着,我们继续猜测 1-5 (6-10) ,选择 1-5 的中间值 3 ,如果猜大了, 4-5 的数字就不可能是答案,答案就只可能存在于 1-2 中
以相同的方式就可以寻找到答案.
下面用图解释一下

从上面猜数字游戏中我们可以尝试使用维基百科上的定义套一下
为什么我们可以折半猜测数字呢? 在猜测 mid == 5 时,若猜大了,为什么 5-10 的数字一定不是答案,其实这里面隐含着一个东西 : 有序 ,维基百科上说的互斥且互补,因为答案一定在 1-5 或 6-10 中,且不会同时存在两个区间当中,1-10 这十个数字是有序排列的,有序满足了互补且互斥,所以可以使用二分猜测数字.

在其他博主中也有这样描述二分法的

满足二段性

答案在二段性的分界点

其实本质上是一样的.

分享到这,我想说的是二分法的思想很简单,但难在细节的处理上,边界问题,这关系到区间收敛的成功与否,在写本片博客时,我也刚刚认真对待二分的边界问题,之前就是学个思想,只记了一种闭区间二分写法,几乎没有二分边界的意识.下面我就深入分享一下二分的边界问题,这也是二分的精髓所在.

2 二分法的两种写法

以 Leetcode T34 为例.

非递减(说明是有序的,可以使用二分来做)
寻找区间(目标值在数组中的开始位置和结束位置)

相信读者见过有些代码的while循环终止条件是 $left <= right, [left,right]$; 有的是 $left < right,[left,right)$ , 其实这就是今天要分享的重点之一 收敛点的处理方式 .

2.1 写法一闭区间 $left <= right$

 def binarySearch(nums:List[int], target:int) -> int:
        left, right = 0, len(nums)-1
        while left <= right: # 不变量：左闭右闭区间
            mid = left + (right-left) //2 
            if nums[mid] < target: 
                left = mid + 1
            else: 
                right = mid - 1
        return left  # 若存在target，则返回第一个等于target的值

为什么 $left <= right$ 时就是闭区间呢？
因为当 $left = right$ 时仍然有意义，此时 $mid$ 被排除在区间意外，不会包括。
为什么 $nums[mid] >= target$ 时 $right = mid - 1$ 如果这样操作不是把等于正确答案的也排除在外了吗？
非也非也。当 $nums[mid] = target$ 那一刻，$ right $ 确实变成 $ mid - 1 $了，这也就意味着 $right$ 此时在 $target$ 的左边，紧挨着 $target$ ，此时 $right$ 就不会在动了，$left$ 会一直向 $right$ 赶来，直到二者相遇，又因为 $left = right$ 有意义，比较完之后，因为此时的 $nums[right] < target$ ，故 $left = mid + 1$ 也就是 $left$ 再次向前移动一位，移到了 $target$ 位置，此时 $left <= right$ 不成立, $return$ $left$ 即是正确答案。

2.2 左闭右开区间 $left < right$

 def binarySearch(nums:List[int], target:int) -> int:
        left, right = 0, len(nums)-1
        while left < right: # 不变量：左闭右闭区间
            mid = left + (right-left) //2 
            if nums[mid] < target: 
                left = mid + 1
            else: 
                right = mid
        return left  # 若存在target，则返回第一个等于target的值

为什么 $left < right$ 时就是左闭右开区间呢？
因为当 $left = right$ 时没有意义（不满足while循环条件），此时 $mid$ 包含在区间内，即 $nums[mid]$ 有可能是答案。

当 $nums[mid] = target$ 那一刻，$ right $ 确实变成 $ mid$ 了，这也就意味着 $right$ 此时在 $target$ 的位置（可能是第一个，可能不是），此时如果再遇到 $nums[mid] = target$ ， $right$ 还会再动，$left$ 和 $right$ 会一直靠近，直到二者相遇

if nums[mid] < target: 
      left = mid + 1

大家再看这一句，$ left $ 把边界把的死死的，只要是小于 $target$ 的值一律排除在外，所以当 $left$ 和 $right$ 相遇时，所指一定是 $target$ （当然，前提是数组里面存在 $target$）

大家会发现笔者是这样判断的

if nums[mid] < target: 
     left = mid + 1
else: 
     right = mid

即当 $nums[mid] < target$ 时，$left = mid + 1$ ，大家会发现 $ left $ 把边界把的死死的，只要是小于 $target$ 的值一律排除在外。
当 $nums[mid] >= target$ 时，$right = mid $，大家会发现 $ right $ 更加宽容一些，相等时也会移动，这就意味着 $ right $ 在向着 $ left $ 靠近，没错，这其实倾向于寻找存在重复元素时，第一个出现的元素。

如果找最后一个呢？
莫慌莫慌，这可以转换为寻找 $target + 1$ 的第一个出现的位置，然后下标减一，这不就是 $target$ 的最后一个元素了吗哈哈哈🌞

end = binarySearch(nums, target + 1) - 1

2.3 我们再来反证下面两个问题

2.3.1 为什么 $while$ $left <= right:$ 搭配 $right = mid + 1$

如果使用循环终止条件 $while$ $left <= right:$，且 $right = mid$ ，当 $left$ 和 $right$ 同时指向同一个 $target$ 的时候，就死循环了。

2.3.2 为什么 $while$ $left < right:$ 搭配 $right = mid - 1$

如果使用循环终止条件 $while$ $left < right:$，且 $right = mid + 1$ ，当出现下图所示的情况时，就把 $target$ 完美漏掉了。而且由于循环终止条件是 $while$ $left < right:$，无论如何 $left$ 也不会跑到 $right$ 右边去，因为二者相等时就 $return$ 了。

2.4 当使用左闭右开区间 $left < right$ 时，向上（下）取整问题

下面以两种情况为例。

2.4.1 求“满足条件”的最小值

把一些会玩王者荣耀的小朋友按照水平由低到高排好序，想要从中找到能够打败小明的水平最差的那个小朋友。（这里假设水平高一些的一定可以打败水平低一些的，大家都知道，队友坑人的话，那 $5v5$哪是 $5v5$ 啊，那分明是 $1 v（5+n））$

while l < r :
    mid = (l+r) >> 1
    if check(mid) :
        r = mid
    else :
        l = mid + 1

其中 $check(mid）￥是一个返回值为 $bool$类型的函数，当序号为 $mid$ 的小朋友可以打败小明时，返回为 $ true$ ；否则返回 $false$。
我们仔细分析一下这几行代码，首先是第一条原则：答案一定在 $[ l，r ]$ 中。

当 $check(mid)为true$ 时，说明 $mid$ 可以打败小明，那么序号大于 $mid$ 的一定也可以，而题目要找的是能打败他的水平最差的，所以正确答案一定在序号小于等于 $mid$（可能是$mid$）的一侧，因此令 $r = mid$ 而不是 $r = mid - 1$
当 $check(mid)为false$ 时，说明 $ mid$ 已经无法打败小明，那么序号小于等于mid的小朋友都无法打败小明，正确答案一定在 $[mid + 1，r]$ 这个区间内，所以置 $l = mid + 1$，而不是 $l = mid$.

2.4.2 求“满足条件”的最大值

把一些会玩王者荣耀的小朋友按照水平由低到高排好序，想要从中找到不能打败小明的水平最高的那个小朋友。（这里仍然假设水平高一些的一定可以打败水平低一些的）

while l < r :
    mid = (l + r + 1) >> 1
    if check(mid) :
        r = mid - 1
    else :
        l = mid

注意其中的改变了的地方，我们来分析为什么要变为这样，首先仍然是第一条原则：答案一定在$[ l，r ]$中。

当 $check(mid)为true$时，说明 $mid$ 可以打败小明，那么序号大于 $mid$ 的一定也可以，而题目要找的是不能打败他的水平最高的，所以正确答案一定在序号小于mid（不包括mid）的一侧，因此令 $ r = mid - 1$ 而不是 $ r = mid$.
当 $check(mid)为false$ 时，说明 $mid$ 已经无法打败小明，那么序号小于等于 $mid$ 的小朋友都无法打败小明，但是我们又要找不能打败他的水平最高的那个，所以正确答案一定在$[mid，r]$ 这个区间内（可能是 $mid$），所以置 $l = mid$，而不是 $l = mid + 1$.

注意这里变成了向上取整的方式 $mid = (l + r + 1) >> 1$ , 原因如下：
如果 $l、r$ 在某轮循环中分别是 $2、3$，则 $mid = 2$ ，若 $check(mid)为false$，则 $l = mid$，你会发现，咦？此轮循环后，$l$ 和 $r$ 的值都没变，不仅如此，从此往后每一次循环它们都不会再变了！死循环他来了！

其实不仅是第二种情况不正确的mid取值方式可能会陷入死循环，第一种也会，如果我们让第一种的mid取值方式改为 $mid = (l + r + 1) >> 1$，同样存在陷入死循环的可能，仍然用上面2、3的例子，此时 $mid =（2 + 3 + 1）>> 1$，即 $mid = 3$，而如果 $check(3)为true$，则$r = mid = 3$,再次陷入死循环。

也就是说，如果是r=mid，则mid应该向下取整；如果是l=mid，则要向上取整.

3 总结

好了，以上就是笔者想要分享的关于二分法的全部内容了，若有错误，请大佬们不吝评论区赐教，小生当俯身倾耳以请😁。希望笔者的分享能够帮助到您！

参考

posted @ 2023-08-19 00:03 荒_ayang 阅读(540) 评论(0) 收藏举报

刷新页面返回顶部

W-ayang

二分法的边界处理

0 前言

1 二分法原理

1.1 定义一

1.2 定义二

2 二分法的两种写法

2.1 写法一闭区间 \(left <= right\)

2.2 左闭右开区间 \(left < right\)

2.3 我们再来反证下面两个问题

2.3.1 为什么 \(while\) \(left <= right:\) 搭配 \(right = mid + 1\)

2.3.2 为什么 \(while\) \(left < right:\) 搭配 \(right = mid - 1\)

2.4 当使用左闭右开区间 \(left < right\) 时，向上（下）取整问题

2.4.1 求“满足条件”的最小值

2.4.2 求“满足条件”的最大值

3 总结

参考

公告

W-ayang

二分法的边界处理

0 前言

1 二分法原理

1.1 定义一

1.2 定义二

2 二分法的两种写法

2.1 写法一 闭区间 \(left <= right\)

2.2 左闭右开区间 \(left < right\)

2.3 我们再来反证下面两个问题

2.3.1 为什么 \(while\) \(left <= right:\) 搭配 \(right = mid + 1\)

2.3.2 为什么 \(while\) \(left < right:\) 搭配 \(right = mid - 1\)

2.4 当使用左闭右开区间 \(left < right\) 时，向上（下）取整问题

2.4.1 求“满足条件”的最小值

2.4.2 求“满足条件”的最大值

3 总结

参考

公告

2.1 写法一闭区间 \(left <= right\)