算法leetcode｜33. 搜索旋转排序数组（rust重拳出击）
文章目录
- 33. 搜索旋转排序数组：
-
- 样例 1：
- 样例 2：
- 样例 3：
- 提示：
- 分析：
- 题解：
-
- rust
- go
- c++
- c
- python
- java
33. 搜索旋转排序数组：
整数数组 nums 按升序排列，数组中的值 互不相同 。
在传递给函数之前，nums 在预先未知的某个下标 k（0 <= k < nums.length）上进行了 旋转，使数组变为 [nums[k], nums[k+1], ..., nums[n-1], nums[0], nums[1], ..., nums[k-1]]（下标 从 0 开始 计数）。例如， [0,1,2,4,5,6,7] 在下标 3 处经旋转后可能变为 [4,5,6,7,0,1,2] 。
给你 旋转后 的数组 nums 和一个整数 target ，如果 nums 中存在这个目标值 target ，则返回它的下标，否则返回 -1 。
你必须设计一个时间复杂度为 O(log n) 的算法解决此问题。
样例 1：
输入：
nums = [4,5,6,7,0,1,2], target = 0
输出：
4
样例 2：
输入：
nums = [4,5,6,7,0,1,2], target = 3
输出：
-1
样例 3：
输入：
nums = [1], target = 0
输出：
-1
提示：
- 1 <= nums.length <= 5000
- -104 <= nums[i] <= 104
- nums 中的每个值都 独一无二
- 题目数据保证 nums 在预先未知的某个下标上进行了旋转
- -104 <= target <= 104
分析：
- 面对这道算法题目，二当家的再次陷入了沉思。
- 如果没有旋转，那肯定使用二分查找，二分查找可以在每一次循环遍历都排除一半的数据，效率非常高。
- 题目中的参数数组尽管被旋转了，但是要求时间复杂度为 O(log n) ，想要达到这个效果，每次查找都要排除一半数量的数据，二分查找正好符合这种时间复杂度。
- 要使用二分查找，数组必须是有序的，但是数组已经被旋转了，所以并不是完全有序，但也并不是完全没有办法。
- 一般的二分是每次比较中间元素，然后判断元素是否相等，如果不相等再看元素应该在左半部分，还是右半部分，由此排除一半的元素，再继续在另一部分中重复这样的逻辑。
- 我们可以使用变形的二分查找，可以想到，有序数组旋转后，从中分成两部分，一定有一部分是有序的，而另一部分也是部分有序，但是头一定不小于尾，所以我们可以先判断哪一部分有序，然后再看目标数字是否在有序那部分当中，来决定改变左边界，还是右边界，这样便可以达到二分查找的效率。
题解：
rust
impl Solution {
pub fn search(nums: Vec<i32>, target: i32) -> i32 {
let n = nums.len();
if n == 0 {
return -1;
}
if n == 1 {
return if nums[0] == target {
0
} else {
-1
}
}
let (mut l, mut r) = (0, n - 1);
while l <= r {
let mid = (l + r) >> 1;
if nums[mid] == target {
return mid as i32;
}
if nums[0] <= nums[mid] {
if nums[0] <= target && target < nums[mid] {
r = mid - 1;
} else {
l = mid + 1;
}
} else {
if nums[mid] < target && target <= nums[n - 1] {
l = mid + 1;
} else {
r = mid - 1;
}
}
}
return -1;
}
}
go
func search(nums []int, target int) int {
n := len(nums)
if n == 0 {
return -1
}
if n == 1 {
if nums[0] == target {
return 0
} else {
return -1
}
}
l, r := 0, n-1
for l <= r {
mid := (l + r) >> 1
if nums[mid] == target {
return mid
}
if nums[0] <= nums[mid] {
if nums[0] <= target && target < nums[mid] {
r = mid - 1
} else {
l = mid + 1
}
} else {
if nums[mid] < target && target <= nums[n-1] {
l = mid + 1
} else {
r = mid - 1
}
}
}
return -1
}
c++
class Solution {
public:
int search(vector<int>& nums, int target) {
const int n = nums.size();
if (!n) {
return -1;
}
if (n == 1) {
return nums[0] == target ? 0 : -1;
}
int l = 0, r = n - 1;
while (l <= r) {
int mid = (l + r) >> 1;
if (nums[mid] == target) { return mid; }
if (nums[0] <= nums[mid]) {
if (nums[0] <= target && target < nums[mid]) {
r = mid - 1;
} else {
l = mid + 1;
}
} else {
if (nums[mid] < target && target <= nums[n - 1]) {
l = mid + 1;
} else {
r = mid - 1;
}
}
}
return -1;
}
};
c
int search(int* nums, int numsSize, int target){
if (!numsSize) {
return -1;
}
if (numsSize == 1) {
return nums[0] == target ? 0 : -1;
}
int l = 0, r = numsSize - 1;
while (l <= r) {
int mid = (l + r) >> 1;
if (nums[mid] == target) { return mid; }
if (nums[0] <= nums[mid]) {
if (nums[0] <= target && target < nums[mid]) {
r = mid - 1;
} else {
l = mid + 1;
}
} else {
if (nums[mid] < target && target <= nums[numsSize - 1]) {
l = mid + 1;
} else {
r = mid - 1;
}
}
}
return -1;
}
python
class Solution:
def search(self, nums: List[int], target: int) -> int:
if not nums:
return -1
l, r = 0, len(nums) - 1
while l <= r:
mid = (l + r) >> 1
if nums[mid] == target:
return mid
if nums[0] <= nums[mid]:
if nums[0] <= target < nums[mid]:
r = mid - 1
else:
l = mid + 1
else:
if nums[mid] < target <= nums[len(nums) - 1]:
l = mid + 1
else:
r = mid - 1
return -1
java
class Solution {
public int search(int[] nums, int target) {
final int n = nums.length;
if (n == 0) {
return -1;
}
if (n == 1) {
return nums[0] == target ? 0 : -1;
}
int l = 0, r = n - 1;
while (l <= r) {
int mid = (l + r) >> 1;
if (nums[mid] == target) {
return mid;
}
if (nums[0] <= nums[mid]) {
if (nums[0] <= target && target < nums[mid]) {
r = mid - 1;
} else {
l = mid + 1;
}
} else {
if (nums[mid] < target && target <= nums[n - 1]) {
l = mid + 1;
} else {
r = mid - 1;
}
}
}
return -1;
}
}
非常感谢你阅读本文~
欢迎【点赞】【收藏】【评论】~
放弃不难，但坚持一定很酷~
希望我们大家都能每天进步一点点~
本文由 二当家的白帽子：https://le-yi.blog.csdn.net/ 博客原创~