寻找峰值-算法

在这里插入图片描述

优质博文IT-BLOG-CN

一、题目

峰值元素是指其值严格大于左右相邻值的元素。给你一个整数数组nums,找到峰值元素并返回其索引。数组可能包含多个峰值,在这种情况下,返回 任何一个峰值 所在位置即可。

你可以假设nums[-1] = nums[n] = -∞

你必须实现时间复杂度为O(log n)的算法来解决此问题。

示例 1:
输入:nums = [1,2,3,1]
输出:2
解释:3是峰值元素,你的函数应该返回其索引2

示例 2:
输入:nums = [1,2,1,3,5,6,4]
输出:15
解释:你的函数可以返回索引1,其峰值元素为2;或者返回索引5, 其峰值元素为6

提示:
1 <= nums.length <= 1000
-231 <= nums[i] <= 231 - 1
对于所有有效的i都有nums[i] != nums[i + 1]

二、代码

方案一:寻找最大值

由于题目保证了nums[i]≠nums[i+1],那么数组nums中最大值两侧的元素一定严格小于最大值本身。因此,最大值所在的位置就是一个可行的峰值位置。

我们对数组nums进行一次遍历,找到最大值对应的位置即可。

class Solution {
    
    
    public int findPeakElement(int[] nums) {
    
    
        int idx = 0;
        for (int i = 1; i < nums.length; ++i) {
    
    
            if (nums[i] > nums[idx]) {
    
    
                idx = i;
            }
        }
        return idx;
    }
}

时间复杂度: O(n),其中n是数组nums的长度。
空间复杂度: O(1)

方案二:二分查找

首先要注意题目条件,在题目描述中出现了nums[-1] = nums[n] = -∞,这就代表着 只要数组中存在一个元素比相邻元素大,那么沿着它一定可以找到一个峰值。

根据上述结论,我们就可以使用二分查找找到峰值

查找时,左指针l,右指针r,以其保持左右顺序为循环条件

根据左右指针计算中间位置m,并比较mm+1的值,如果m较大,则左侧存在峰值,r = m,如果m + 1较大,则右侧存在峰值,l = m + 1

class Solution {
    
    
    public int findPeakElement(int[] nums) {
    
    
        int left = 0, right = nums.length - 1;
        for (; left < right; ) {
    
    
            int mid = left + (right - left) / 2;
            if (nums[mid] > nums[mid + 1]) {
    
    
                right = mid;
            } else {
    
    
                left = mid + 1;
            }
        }
        return left;
    }
}

时间复杂度: O(log⁡n),其中n是数组nums的长度。
空间复杂度: O(1)

方案三:迭代爬坡

俗话说「人往高处走,水往低处流」。如果我们从一个位置开始,不断地向高处走,那么最终一定可以到达一个峰值位置。

因此,我们首先在[0,n)的范围内随机一个初始位置i,随后根据nums[i−1],nums[i],nums[i+1]三者的关系决定向哪个方向走:
【1】如果nums[i−1]<nums[i]>nums[i+1],那么位置i就是峰值位置,我们可以直接返回i作为答案;
【2】如果nums[i−1]<nums[i]<nums[i+1],那么位置i处于上坡,我们需要往右走,即i←i+1

如果nums[i−1]>nums[i]>nums[i+1],那么位置i处于下坡,我们需要往左走,即i←i−1

如果nums[i−1]>nums[i]<nums[i+1],那么位置i位于山谷,两侧都是上坡,我们可以朝任意方向走。

如果我们规定对于最后一种情况往右走,那么当位置i不是峰值位置时:
【1】如果nums[i]<nums[i+1],那么我们往右走;
【2】如果nums[i]>nums[i+1],那么我们往左走。

class Solution {
    
    
    public int findPeakElement(int[] nums) {
    
    
        int n = nums.length;
        int idx = (int) (Math.random() * n);

        while (!(compare(nums, idx - 1, idx) < 0 && compare(nums, idx, idx + 1) > 0)) {
    
    
            if (compare(nums, idx, idx + 1) < 0) {
    
    
                idx += 1;
            } else {
    
    
                idx -= 1;
            }
        }
        
        return idx;
    }

    // 辅助函数,输入下标 i,返回一个二元组 (0/1, nums[i])
    // 方便处理 nums[-1] 以及 nums[n] 的边界情况
    public int[] get(int[] nums, int idx) {
    
    
        if (idx == -1 || idx == nums.length) {
    
    
            return new int[]{
    
    0, 0};
        }
        return new int[]{
    
    1, nums[idx]};
    }

    public int compare(int[] nums, int idx1, int idx2) {
    
    
        int[] num1 = get(nums, idx1);
        int[] num2 = get(nums, idx2);
        if (num1[0] != num2[0]) {
    
    
            return num1[0] > num2[0] ? 1 : -1;
        }
        if (num1[1] == num2[1]) {
    
    
            return 0;
        }
        return num1[1] > num2[1] ? 1 : -1;
    }
}

时间复杂度: O(n),其中n是数组nums的长度。在最坏情况下,数组nums单调递增,并且我们随机到位置0,这样就需要向右走到数组nums的最后一个位置。
空间复杂度: O(1)

方法四:二分查找优化

我们可以发现,如果nums[i]<nums[i+1],并且我们从位置i向右走到了位置i+1,那么位置i左侧的所有位置是不可能在后续的迭代中走到的。

这是因为我们每次向左或向右移动一个位置,要想「折返」到位置i以及其左侧的位置,我们首先需要在位置i+1向左走到位置i,但这是不可能的。

并且根据方法二,我们知道位置i+1以及其右侧的位置中一定有一个峰值,因此我们可以设计出如下的一个算法:
【1】对于当前可行的下标范围[l,r],我们随机一个下标i
【2】如果下标i是峰值,我们返回i作为答案;
【3】如果nums[i]<nums[i+1],那么我们抛弃[l,i]的范围,在剩余[i+1,r]的范围内继续随机选取下标;
【4】如果nums[i]>nums[i+1],那么我们抛弃[i,r]的范围,在剩余[l,i−1]的范围内继续随机选取下标。

在上述算法中,如果我们固定选取i[l,r]的中点,那么每次可行的下标范围会减少一半,成为一个类似二分查找的方法,时间复杂度为 O(log⁡n)

class Solution {
    
    
    public int findPeakElement(int[] nums) {
    
    
        int n = nums.length;
        int left = 0, right = n - 1, ans = -1;
        while (left <= right) {
    
    
            int mid = (left + right) / 2;
            if (compare(nums, mid - 1, mid) < 0 && compare(nums, mid, mid + 1) > 0) {
    
    
                ans = mid;
                break;
            }
            if (compare(nums, mid, mid + 1) < 0) {
    
    
                left = mid + 1;
            } else {
    
    
                right = mid - 1;
            }
        }
        return ans;
    }

    // 辅助函数,输入下标 i,返回一个二元组 (0/1, nums[i])
    // 方便处理 nums[-1] 以及 nums[n] 的边界情况
    public int[] get(int[] nums, int idx) {
    
    
        if (idx == -1 || idx == nums.length) {
    
    
            return new int[]{
    
    0, 0};
        }
        return new int[]{
    
    1, nums[idx]};
    }

    public int compare(int[] nums, int idx1, int idx2) {
    
    
        int[] num1 = get(nums, idx1);
        int[] num2 = get(nums, idx2);
        if (num1[0] != num2[0]) {
    
    
            return num1[0] > num2[0] ? 1 : -1;
        }
        if (num1[1] == num2[1]) {
    
    
            return 0;
        }
        return num1[1] > num2[1] ? 1 : -1;
    }
}

时间复杂度: O(log⁡n),其中n是数组nums的长度。
空间复杂度: O(1)

猜你喜欢

转载自blog.csdn.net/zhengzhaoyang122/article/details/143272229