首页 > Java > java教程 > 正文

求解山脉数组的峰值索引:从线性扫描到二分查找

DDD
发布: 2025-09-20 11:52:33
原创
186人浏览过

求解山脉数组的峰值索引:从线性扫描到二分查找

本文旨在探讨如何在山脉数组中高效地找到其峰值索引。我们将首先介绍山脉数组的定义,然后分析一种直观的线性扫描方法及其局限性。随后,重点讲解如何利用二分查找算法,在对数时间复杂度内准确地定位峰值,并提供详细的代码实现和注意事项,以满足严格的性能要求。

1. 山脉数组及其特性

一个数组 arr 被称为山脉数组,需满足以下条件:

  • arr.length >= 3
  • 存在一个索引 i(0 < i < arr.length - 1),使得:
    • arr[0] < arr[1] < ... < arr[i-1] < arr[i] (严格递增)
    • arr[i] > arr[i+1] > ... > arr[arr.length - 1] (严格递减)

简而言之,山脉数组形如“先上升后下降”的山峰状,其峰值是数组中唯一的最大元素。例如,[0, 2, 1, 0] 是一个山脉数组,其峰值索引为 1,对应的值是 2。

2. 线性扫描方法

最直观的解决方案是遍历整个数组,找到最大值及其对应的索引。由于山脉数组的特性,最大值必然是唯一的峰值。

2.1 算法思路

  1. 初始化 peakValue 为 arr[0],peakIndex 为 0。
  2. 从数组的第二个元素开始遍历。
  3. 如果当前元素 arr[i] 大于 peakValue,则更新 peakValue = arr[i],peakIndex = i。
  4. 遍历结束后,peakIndex 即为峰值索引。

2.2 示例代码 (Java)

public class Solution {
    public static int peakIndexInMountainArrayLinear(int[] arr) {
        int peakValue = arr[0]; // 初始峰值设为第一个元素
        int peakIndex = 0;

        // 从第二个元素开始遍历,因为第一个元素不可能是峰值(除非数组长度小于3,但山脉数组定义排除此情况)
        // 实际上,从arr[0]开始遍历也可以,只要确保peakValue和peakIndex的初始值正确
        for (int i = 1; i < arr.length; i++) { 
            if (arr[i] > peakValue) {
                peakValue = arr[i];
                peakIndex = i;
            } else {
                // 一旦遇到下降趋势,说明峰值已经找到,因为山脉数组只有一个峰值
                // 进一步优化,可以提前退出循环
                break; 
            }
        }
        return peakIndex;
    }

    public static void main(String[] args) {
        System.out.println("Set 1: " + peakIndexInMountainArrayLinear(new int[]{0,1,2})); // 2
        System.out.println("Set 2: " + peakIndexInMountainArrayLinear(new int[]{0,1,0})); // 1
        System.out.println("Set 3: " + peakIndexInMountainArrayLinear(new int[]{0,2,1,0})); // 1
        System.out.println("Set 4: " + peakIndexInMountainArrayLinear(new int[]{0,10,5,2})); // 1
        System.out.println("Set 5: " + peakIndexInMountainArrayLinear(new int[]{0,100,500,2})); // 2
    }
}
登录后复制

2.3 复杂度分析

  • 时间复杂度: O(N),其中 N 是数组的长度。在最坏情况下(峰值在数组末尾),需要遍历整个数组。
  • 空间复杂度: O(1),只使用了常数额外的空间。

虽然此方法简单有效,但它不满足 O(log(arr.length)) 的时间复杂度要求。

纳米搜索
纳米搜索

纳米搜索:360推出的新一代AI搜索引擎

纳米搜索 30
查看详情 纳米搜索

3. 基于二分查找的优化方法

为了达到 O(logN) 的时间复杂度,我们必须利用二分查找。山脉数组的特性(先递增后递减)使得二分查找成为可能。

3.1 算法思路

二分查找的核心在于每次迭代都能排除掉一半的搜索空间。在山脉数组中,我们可以通过比较中间元素 arr[mid] 与其右侧元素 arr[mid+1] 来判断当前 mid 所在的位置:

  1. 初始化搜索范围: low = 0, high = arr.length - 1。由于峰值不会在数组的两端(0 < i < arr.length - 1),可以将 low 初始化为 1,high 初始化为 arr.length - 2,但为了通用性,使用 0 和 arr.length - 1 更安全,并在循环条件中处理边界。
  2. 循环条件: while (low < high)。当 low == high 时,循环结束,low (或 high) 即为峰值索引。
  3. 计算中间索引: mid = low + (high - low) / 2。
  4. 判断 arr[mid] 的位置:
    • 如果 arr[mid] < arr[mid+1]: 这意味着 mid 位于山脉的上升坡上。峰值一定在 mid 的右侧(包括 mid+1)。因此,将 low 更新为 mid + 1。
    • 如果 arr[mid] > arr[mid+1]: 这意味着 mid 位于山脉的下降坡上,或者 mid 本身就是峰值。峰值可能在 mid 处,也可能在 mid 的左侧。因此,将 high 更新为 mid。

3.2 示例代码 (Java)

public class Solution {
    public int peakIndexInMountainArrayBinarySearch(int[] arr) {
        int low = 0;
        int high = arr.length - 1;

        // 循环条件是 low < high,当 low == high 时,表示找到了峰值索引
        while (low < high) {
            int mid = low + (high - low) / 2; // 防止溢出

            // 比较 arr[mid] 和 arr[mid+1]
            if (arr[mid] < arr[mid + 1]) {
                // 如果 arr[mid] 小于 arr[mid+1],说明当前在上升坡
                // 峰值在 mid 的右侧,包括 mid+1
                low = mid + 1;
            } else {
                // 如果 arr[mid] 大于 arr[mid+1],说明当前在下降坡或者 mid 就是峰值
                // 峰值可能在 mid,也可能在 mid 的左侧
                high = mid;
            }
        }
        // 循环结束时,low == high,这个索引就是峰值
        return low; 
    }

    public static void main(String[] args) {
        Solution sol = new Solution();
        System.out.println("Set 1 (Binary Search): " + sol.peakIndexInMountainArrayBinarySearch(new int[]{0,1,2})); // 2
        System.out.println("Set 2 (Binary Search): " + sol.peakIndexInMountainArrayBinarySearch(new int[]{0,1,0})); // 1
        System.out.println("Set 3 (Binary Search): " + sol.peakIndexInMountainArrayBinarySearch(new int[]{0,2,1,0})); // 1
        System.out.println("Set 4 (Binary Search): " + sol.peakIndexInMountainArrayBinarySearch(new int[]{0,10,5,2})); // 1
        System.out.println("Set 5 (Binary Search): " + sol.peakIndexInMountainArrayBinarySearch(new int[]{0,100,500,2})); // 2
    }
}
登录后复制

3.3 复杂度分析

  • 时间复杂度: O(logN),每次迭代都将搜索空间减半。
  • 空间复杂度: O(1),只使用了常数额外的空间。

4. 注意事项与总结

  • 数组长度: 题目明确规定山脉数组长度 arr.length >= 3,且峰值索引 i 满足 0 < i < arr.length - 1。这意味着峰值不会是数组的第一个或最后一个元素,这简化了二分查找的边界处理。
  • 二分查找的边界条件: 在二分查找中,mid = low + (high - low) / 2 可以有效避免 (low + high) 溢出。while (low < high) 循环条件以及 high = mid 和 low = mid + 1 的更新策略是处理这种类型问题的标准做法,确保最终 low 指向正确的结果。
  • 错误代码分析: 原始问题中提供的错误代码尝试使用二分查找,但其条件判断 if (mid==0 | (arr[mid]>=arr[mid-1]) && (mid==high | arr[mid]>=arr[mid+1])) 过于复杂且存在逻辑错误,未能正确区分上升、下降和峰值情况,导致搜索空间无法正确收敛。例如,mid==0 或 mid==high 的边界条件判断与核心逻辑混淆,且 mid>0 | arr[mid-1]>arr[mid] 这样的逻辑在 else if 中也存在问题。

通过对比线性扫描和二分查找两种方法,我们可以清楚地看到,在满足特定条件(如山脉数组的单调性)时,二分查找能够显著提升算法效率,将时间复杂度从线性降低到对数级别,这对于处理大规模数据集至关重要。理解并正确应用二分查找是解决此类优化问题的关键。

以上就是求解山脉数组的峰值索引:从线性扫描到二分查找的详细内容,更多请关注php中文网其它相关文章!

相关标签:
最佳 Windows 性能的顶级免费优化软件
最佳 Windows 性能的顶级免费优化软件

每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。

下载
来源:php中文网
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
最新问题
开源免费商场系统广告
热门教程
更多>
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责申明 意见反馈 讲师合作 广告合作 最新更新 English
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送
PHP中文网APP
随时随地碎片化学习

Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号