news 2026/6/10 3:35:12

LeetCode 面试经典 150_二分查找_搜索插入位置(111_35_C++_简单)

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
LeetCode 面试经典 150_二分查找_搜索插入位置(111_35_C++_简单)

LeetCode 面试经典 150_二分查找_搜索插入位置(111_35_C++_简单)

    • 题目描述:
    • 输入输出样例:
    • 题解:
      • 解题思路:
        • 思路一(二分查找):
      • 代码实现
        • 代码实现(思路一(二分查找)):
        • 以思路一为例进行调试
        • 部分代码解读

题目描述:

给定一个排序数组和一个目标值,在数组中找到目标值,并返回其索引。如果目标值不存在于数组中,返回它将会被按顺序插入的位置。

请必须使用时间复杂度为 O(log n) 的算法。

输入输出样例:

示例 1:
输入:nums = [1,3,5,6], target = 5
输出:2

示例 2:
输入:nums = [1,3,5,6], target = 2
输出:1

示例 3:
输入:nums = [1,3,5,6], target = 7
输出:4

提示:
1 <= nums.length <= 104
-104<= nums[i] <= 104
nums 为 无重复元素 的 升序 排列数组
-104<= target <= 104

题解:

解题思路:

思路一(二分查找):

1、搜索插入位置,如果数组中之前存在与插入元素相同大小的元素,则之前元素的位置便是插入位置。如果之前不存在相同大小的元素,则插入到对应大小的位置。
2、具体思路如下:
我们每次查找取中间的元素与插入元素进行比对:
① 若中间元素等于插入元素则返回中间元素的下标。
② 若中间元素小于插入元素则插入元素的位置肯定在中间元素的右侧。
③ 若中间元素大于插入元素则插入元素的位置肯定在中间元素的左侧。
④ 依次进行查找,直到查找到对应位置。(二分查找结束没找到元素时,**左下标(left)**正好是插入的位置)

3、复杂度分析:
① 时间复杂度:O(logn),其中n为数组的长度。(每次将搜索范围缩小一半)
② 空间复杂度:O(1)。使用常数空间存放若干变量。

代码实现

代码实现(思路一(二分查找)):
classSolution{public:intsearchInsert(vector<int>&nums,inttarget){// 初始化左右指针:left指向数组的开始,right指向数组的末尾intleft=0,right=nums.size()-1,mid;// 使用二分查找算法,当 left <= right 时继续查找while(left<=right){// 计算中间元素的索引,避免整数溢出mid=((right-left)>>1)+left;// 如果中间元素大于目标值,说明目标值在左半部分if(nums[mid]>target){right=mid-1;// 调整右指针,缩小搜索范围到左半部分}// 如果中间元素小于目标值,说明目标值在右半部分elseif(nums[mid]<target){left=mid+1;// 调整左指针,缩小搜索范围到右半部分}// 如果中间元素等于目标值,直接返回中间元素的索引else{returnmid;}}// 如果没有找到目标值,返回应该插入的位置,也就是 left 指针的位置returnleft;}};
以思路一为例进行调试
#include<iostream>#include<vector>usingnamespacestd;classSolution{public:intsearchInsert(vector<int>&nums,inttarget){// 初始化左右指针:left指向数组的开始,right指向数组的末尾intleft=0,right=nums.size()-1,mid;// 使用二分查找算法,当 left <= right 时继续查找while(left<=right){// 计算中间元素的索引,避免整数溢出mid=((right-left)>>1)+left;// 如果中间元素大于目标值,说明目标值在左半部分if(nums[mid]>target){right=mid-1;// 调整右指针,缩小搜索范围到左半部分}// 如果中间元素小于目标值,说明目标值在右半部分elseif(nums[mid]<target){left=mid+1;// 调整左指针,缩小搜索范围到右半部分}// 如果中间元素等于目标值,直接返回中间元素的索引else{returnmid;}}// 如果没有找到目标值,返回应该插入的位置,也就是 left 指针的位置returnleft;}};intmain(){// 定义一个整数向量 nums,初始化为 {1, 3, 5, 6}vector<int>nums={1,3,5,6};// 定义目标值 target,设定为 5inttarget=5;// 创建一个 Solution 类的对象 sSolution s;// 调用 searchInsert 方法,传入 nums 和 target,返回插入位置并输出// 该函数返回 target 的插入位置,如果已存在则返回目标值的索引cout<<s.searchInsert(nums,target);return0;}
部分代码解读

”>>“ 与 “/” 对比

(right-left)>>1(right-left)/2

效率上,(right - left) >> 1 比 (right - left) / 2更高效,尤其在低级语言或不进行优化的情况下。
在现代编译器和硬件上,差异可能非常小,因为编译器可能会将除法优化为类似位移的操作,特别是对整数类型。

LeetCode 面试经典 150_二分查找_搜索插入位置(111_35)原题链接
欢迎大家和我沟通交流(✿◠‿◠)

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/6/9 23:15:47

Mac M系列芯片兼容性测试:VibeThinker能否流畅运行?

Mac M系列芯片兼容性测试&#xff1a;VibeThinker能否流畅运行&#xff1f; 在苹果M系列芯片逐步取代Intel处理器的今天&#xff0c;越来越多开发者开始思考一个现实问题&#xff1a;那些原本依赖x86架构和高端GPU的大模型&#xff0c;是否真的能在一台轻薄的MacBook Air上跑得…

作者头像 李华
网站建设 2026/6/8 4:32:56

GEO 多模态融合与边缘智能部署实战:构建端边云协同的全域决策系统

在前两篇文章中&#xff0c;我们完成了 GEO 知识图谱的工程化落地与基于图神经网络的智能推理系统构建&#xff0c;实现了从 “数据查询” 到 “智能推荐” 的跨越。但在实际应用中&#xff0c;单一模态的结构化数据已无法满足复杂场景需求&#xff0c;且集中式推理服务在边缘场…

作者头像 李华
网站建设 2026/6/5 20:36:08

邀请好友返利:裂变营销提升用户增长

VibeThinker-1.5B&#xff1a;小模型如何在数学与编程推理中实现“越级挑战”&#xff1f; 在当前大模型军备竞赛愈演愈烈的背景下&#xff0c;百亿、千亿参数的庞然大物不断刷新着性能上限。然而&#xff0c;一场静悄悄的反向革命正在兴起——用更少的参数&#xff0c;做更专的…

作者头像 李华
网站建设 2026/6/8 14:59:58

自动化测试脚本生成:Selenium + VibeThinker组合实战案例

自动化测试脚本生成&#xff1a;Selenium VibeThinker组合实战案例 在现代软件交付节奏日益加快的今天&#xff0c;一个常见的困境摆在测试团队面前&#xff1a;功能迭代太快&#xff0c;回归测试压力巨大&#xff0c;而编写和维护 Selenium 脚本又耗时费力。尤其对于非专业开…

作者头像 李华
网站建设 2026/6/5 20:49:48

还在为容器网络延迟发愁?一文搞定Docker+Cilium高性能部署方案

第一章&#xff1a;容器网络性能瓶颈的根源剖析在现代云原生架构中&#xff0c;容器化技术虽极大提升了应用部署的敏捷性与资源利用率&#xff0c;但其网络性能问题逐渐成为系统扩展的隐性瓶颈。容器网络通常依赖于虚拟化层实现跨主机通信&#xff0c;这一抽象过程引入了额外的…

作者头像 李华
网站建设 2026/6/9 19:53:33

OpenResty定制化:嵌入Lua脚本增强灵活性

OpenResty定制化&#xff1a;嵌入Lua脚本增强灵活性 在AI模型日益普及的今天&#xff0c;如何以最低成本、最高效率部署一个专注特定任务的小参数模型&#xff0c;成为许多开发者面临的关键挑战。尤其是像 VibeThinker-1.5B-APP 这类专精于数学推理与编程题求解的轻量级模型——…

作者头像 李华