保定做网站多钱广州致峰网站建设

35. 搜索插入位置

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。

解题思路总览

1. 标准二分（lower_bound 半开区间写法）
2. 标准二分（闭区间写法）
3. 递归二分
4. 利用 Java Arrays.binarySearch 封装处理
5. 变体：位运算取中 / 防溢出与模板细节
6. 拓展：未知长度数组的指数扩展 + 二分（非本题必需，思路扩展）

题目回顾：给定升序（非递减）整数数组 nums 与 target，若存在返回其索引，否则返回按顺序插入后仍保持有序的索引（即第一个 >= target 的位置）。要求 O(log n)。这就是典型的 lower_bound 问题。

---

思路一：标准二分（lower_bound 半开区间写法）

原理与适用场景：
采用半开区间 [l, r) 表示当前搜索范围，维持循环不变量：目标插入位置一定在 [l, r) 中。中点 mid = l + (r - l)/2。若 nums[mid] >= target，将可能的插入位置右边界收缩到 mid；否则抛弃左半包含 mid 的部分，令 l = mid + 1。最终 l == r 即为第一个 >= target 的位置：

1. 若该位置在数组长度内且值等于 target，则它就是目标索引。
2. 否则该位置就是插入点。
   半开区间避免处理 mid - 1 / mid + 1 时越界边界判断，模板简洁统一，可复用于各类 lower_bound / upper_bound 问题。

实现步骤：

1. 令 l = 0, r = n（注意 r 为 n，而不是 n-1）。
2. while(l < r)：计算 mid。
3. 若 nums[mid] >= target：r = mid；否则 l = mid + 1。
4. 循环结束返回 l。

JAVA 代码实现：

public class SolutionLowerBound {// 返回 target 的索引或其应插入位置（第一个 >= target 的下标）public int searchInsert(int[] nums, int target) {int n = nums.length;              // 数组长度int l = 0;                        // 左边界（包含）int r = n;                        // 右边界（不包含）while (l < r) {                   // 区间非空int mid = l + (r - l) / 2;    // 取中，防溢出if (nums[mid] >= target) {    // mid 位置可能是第一个 >= targetr = mid;                  // 收缩右端到 mid} else {                      // nums[mid] < targetl = mid + 1;              // 插入点一定在 mid 右侧}}return l; // l == r 为第一个 >= target 的位置（可能等于 n）}
}

---

思路二：标准二分（闭区间写法）

原理与适用场景：
使用闭区间 [l, r]。循环条件 l <= r。维护答案变量 ans，记录第一个 >= target 的候选位置。每当 nums[mid] >= target，用 ans = mid 保存并 r = mid - 1 尝试更左；否则 l = mid + 1。最终若 ans 未被更新（保持初值 n）则插入位置在数组末尾。闭区间写法适合对传统二分 while(l <= r) 更熟悉的人。

实现步骤：

1. ans = n（默认插入到末尾）。
2. while(l <= r) 取 mid。
3. 若 nums[mid] >= target：更新 ans，r = mid - 1。
4. 否则 l = mid + 1。
5. 返回 ans。

JAVA 代码实现：

public class SolutionClosedInterval {public int searchInsert(int[] nums, int target) {int n = nums.length;          // 长度int l = 0;                    // 左边界int r = n - 1;                // 右边界int ans = n;                  // 默认插入到末尾while (l <= r) {              // 闭区间还存在元素int mid = l + (r - l) / 2;// 中点if (nums[mid] >= target) {// mid 可能是答案ans = mid;            // 记录候选r = mid - 1;          // 尝试找更左} else {                  // nums[mid] < targetl = mid + 1;          // 去右区间}}return ans;                   // 第一个 >= target 的位置}
}

---

思路三：递归二分

原理与适用场景：
递归在区间 [l, r] 中寻找第一个 >= target 的位置。若 l > r 返回 n（表示未找到更小位置）。取 mid：

1. 若 nums[mid] >= target：答案在左半或 mid，自身与左半递归返回值取最小。
2. 否则在右半。
   递归深度 O(log n)。适合希望把二分统一为递归模板的场景。

实现步骤：

1. 递归函数返回第一个 >= target 的索引或 n。
2. 初始调用 dfs(nums, 0, n-1, target, n)。
3. 返回结果。

JAVA 代码实现：

public class SolutionRecursiveLB {public int searchInsert(int[] nums, int target) {return dfs(nums, 0, nums.length - 1, target, nums.length);}private int dfs(int[] a, int l, int r, int target, int n) {if (l > r) {              // 区间空，返回 n 代表插入末尾return n;}int mid = l + (r - l) / 2;// 取中if (a[mid] >= target) {   // mid 可能为答案，继续探索左侧int left = dfs(a, l, mid - 1, target, n);return Math.min(mid, left); // 取更左的} else {                  // a[mid] < target，只能右侧return dfs(a, mid + 1, r, target, n);}}
}

---

思路四：利用 Java Arrays.binarySearch 封装处理

原理与适用场景：
Java 标准库 Arrays.binarySearch(nums, target) 返回：

1. 若找到：返回 >=0 的索引。
2. 若未找到：返回 (-(插入点) - 1)。插入点即第一个 > target 的下标，也即第一个 >= target（因为未找到等于）。
   因此直接解码即可得到答案。适合快速实现，降低样板代码量，但在某些面试中展示手写二分更能体现功底。

实现步骤：

1. 调用 idx = Arrays.binarySearch(nums, target)。
2. 若 idx >= 0 返回 idx。
3. 否则插入点 = -idx - 1。
4. 返回插入点。

JAVA 代码实现：

import java.util.Arrays; // 导入工具类public class SolutionLibrary {public int searchInsert(int[] nums, int target) {int idx = Arrays.binarySearch(nums, target); // 标准库二分if (idx >= 0) {          // 找到直接返回return idx;}// 未找到，idx = -(insertionPoint) - 1return -idx - 1;         // 解码得到插入点}
}

---

思路五：位运算取中 / 模板细节（属于写法优化，不单独改变复杂度）

原理与适用场景：
在极端性能场景可用 mid = (l + r) >>> 1（无符号右移）替代 l + (r - l)/2；在 Java 中 int 溢出时 l + r 可能为负导致结果错误，因此推荐使用 l + (r - l)/2 或 (l + r) >>> 1（当 l,r >=0 时安全）。属于实现细节优化，可结合思路一或二使用。

实现步骤：

1. 在二分循环中用 mid = (l + r) >>> 1。
2. 其余逻辑不变。

（示例略，因核心逻辑同思路一。）

---

思路六：拓展 - 未知长度数组 / 流式数据（指数扩展 + 二分）

原理与适用场景：
若无法直接获得数组长度（例如某些 API 仅支持 get(i) 且越界抛异常），可先指数扩展边界：

1. 令 r = 1，不断检查 nums[r] 与 target 比较，若 nums[r] < target 则 r *= 2。
2. 找到第一个 nums[r] >= target 或越界时停止，此时目标插入点一定在 (r/2, r] 内。
3. 在这个区间执行常规二分。指数扩展步数 O(log pos)，整体仍 O(log n)。
   本题已给定长度，不必使用，只作思维拓展。

实现步骤（高层）：

1. 边界扩展。
2. 二分搜索 lower_bound。
3. 返回结果。

---

补充说明（对比分析）

1. 正确满足 O(log n) 的实现：思路一、二、三、四、六（六为扩展情景）。
2. 复杂度：
   • 思路一/二/三/四：时间 O(log n)，空间 O(1)（递归 O(log n)）。
   • 思路六：时间 O(log n)，空间 O(1)（若递归则 O(log n)）。
3. 推荐优先级：
   • 首选思路一（半开区间 lower_bound 模板）。
   • 需要展示传统写法可选思路二。
   • 递归视个人风格；库函数写法快速但展示度较低。
4. 边界与健壮性：
   • 空数组：半开区间写法自动返回 0。
   • target 小于最小值 -> 返回 0。
   • target 大于最大值 -> 返回 n。
   • 全部元素相同：lower_bound 仍正确给出 0 或 n（若 target 更大）。
5. 常见错误：
   • 闭区间写法退出条件混乱导致死循环（如用 while(l < r) 但更新 r = mid - 1）。
   • mid = (l + r)/2 可能溢出（极大数据时）。
   • 返回 r 或 l 搞错：需基于循环不变量严格推导。
6. 测试用例建议：
   • nums=[1,3,5,6], target=5 -> 2
   • nums=[1,3,5,6], target=2 -> 1
   • nums=[1,3,5,6], target=7 -> 4
   • nums=[1,3,5,6], target=0 -> 0
   • nums=[], target=5 -> 0
   • nums=[1], target=1 -> 0
   • nums=[1], target=2 -> 1
   • nums=[1,1,1], target=1 -> 0
7. 总结：本题本质是 lower_bound，掌握一套稳健模板（思路一）即可在同类区间定位、统计频次、插入位置等问题上快速迁移。

综上，采用半开区间 lower_bound 模板实现最简洁、低错率、可直接推广，是最推荐解法。