标签：bsp 输入格式 复杂度 pac 报告 特殊情况 数值 指针 范围查找
1、实践题目：改写二分搜索算法
2、问题描述：
设a[0:n-1]是已排好序的数组，请改写二分搜索算法，使得当x不在数组中时，返回小于x的最大元素位置i和大于x的最小元素位置j。当搜索元素在数组中时，i和j相同，均为x在数组中的位置。
输入有两行：
第一行是n值和x值； 第二行是n个不相同的整数组成的非降序序列，每个整数之间以空格分隔。
输出小于x的最大元素的最大下标i和大于x的最小元素的最小下标j。当搜索元素在数组中时，i和j相同。 提示：若x小于全部数值，则输出：-1 0 若x大于全部数值，则输出：n-1的值 n的值
3、算法描述：
利用二分搜索的思想，在数组中查找关键字key。当left<=right，如果key==a[mid]，则表示搜索元素在数组中，如果key>a[mid]，则left=mid+1，如果key<a[mid]，则 right=mid-1，不断减半、循环，缩小范围查找，直到left>right,在二分搜索算法的基础上增加 i , j 指针，如果搜索元素在数组中，则mid指针即为搜索元素在数组中的位置，返回 i = j = mid；如果搜索元素不在数组中，则令i = right, j = left, 因为搜索不到的情况下right = mid -1，left = mid + 1，所以right 即为左边的最大下标，left即为右边的最小下标。
代码实现：
#include<iostream> using namespace std; int binSearch(int a[],int x,int n){ int left=0,right=n-1; int i,j; while(left<=right){ int mid=(left+right)/2; if(x==a[mid]) { i=j=mid; cout<<i<<" "<<j<<endl; return mid; } else if(x<a[mid]) right=mid-1; else left=mid+1; } i=right;//右指针即为左边的最大下标 j=left;//左指针即为右边的最小下标 cout<<i<<" "<<j<<endl; } int main(){ int n,x; cin>>n; cin>>x; int *a=new int(n); for(int i=0;i<n;i++) cin>>a[i]; binSearch(a,x,n); return 0; }
算法时间复杂度和空间复杂度的分析:
1）时间复杂度：
设问题规模为N,容易看出，每执行一次算法的while循环，待搜索数组的大写减小一半。因此，在最坏情况下，while循环被执行了O(logN)次。循环体内运算需要O(1)时间，因此整个算法在最坏情况下的时间复杂度为O(logN)。
2)空间复杂度：
因为每个变量的空间复杂度都是O(1)，所以算法的空间复杂度也是O(1)。
4、心得体会：
其实在前一道题目（二分搜索算法）的基础上来做这一道题相对来说还是比较简单的，只不过一开始在做的时候把问题想复杂了，觉得好像有很多种情况，比如分找得到，找不到两种情况，找不到又分搜索元素的大小在给定数组元素的大小之间，搜索元素的大小小于给定数组所有元素的大小，搜索元素大小大于给定数组所有元素的大写，这样看起来问题好像很复杂，一开始也把我绕进去了，后来经过思考才发现，后面的三种情况根本就是一种情况,因为题目要求当“全小于”时返回n-1,n,“全大于”时返回-1,0，这其实就是一般化的特殊情况，n-1,n和-1,0其实也是最大左下标和最小右下标。所以现在问题又变得简单了，只需要在二分搜索的基础上增加两个i，j指针即可解决问题。这次的实验让我明白了有的时候不能被题目中的字眼所迷惑，要多动脑筋思考，问题并没有想象中的复杂。另外，还想说一下，这是第一次以博客的形式来写算法实验报告，感觉收获还是蛮大的，像是对整道算法题做了一个复盘，感觉对算法的理解更深刻了，以前看别人的博客总感觉缺了点什么，现在清楚了，是自己的思考和理解，对自己的踩过的坑做记录是很有必要的，希望自己能坚持下去。
标签：bsp 输入格式 复杂度 pac 报告 特殊情况 数值 指针 范围查找
原文地址：https://www.cnblogs.com/huangroumin/p/9814728.html
