二分查找算法&最靠左索引&最靠右索引详解与优化：图文全解+代码详注+思路分析

忘是亡心i 2024-04-24 14:36 7阅读 0赞

#### 文章目录 ####

*  1.二分查找算法初识
 *   *  1.1 简介
     *  1.2 实现思路
 *  2.二分查找基础版-查找范围左闭右闭
 *   *  2.1 需求分析
     *  2.2 算法描述
     *  2.3 代码实现
 *  3.基础版的几个问题
 *   *  3.1 循环条件不加 left == right 行不行
     *  3.2 left + right 超过int最大值问题
 *  4.二分查找改变版-查找范围左闭右开
 *  5.衡量算法的好坏-时间复杂度
 *   *  5.1 两种算法代码语句执行次数
     *   *  🍀 二分查找
         *  🍀 线性查找
     *  5.2 代码执行次数图形化比较
     *  5.3 大O表示法图形化比较
 *  6.二分查找性能
 *   *  6.1 时间复杂度
     *  6.2 空间复杂度
 *  7.二分查找平衡版
 *  8.Java源码中二分查找的使用
 *   *  8.1 Arrays.binarySearch(int\[\] a, int key)
     *  8.2 实现二分查找目标值，不存在则插入
 *  9.LeftRightmost
 *   *  9.1 最靠左索引
     *  9.2 最靠右索引
     *  9.3 返回≥目标的最靠左索引
     *   *  🍀 普通代码
         *  🍀 第一次优化
         *  🍀 第二次优化
     *  9.4 返回≤目标的最靠右索引
     *   *  🍀 普通代码
         *  🍀 第一次优化
         *  🍀 第二次优化
     *  9.5 实际应用

## 1.二分查找算法初识 ##

### 1.1 简介 ###

**二分查找**算法，也称**折半查找**算法，是一种在`有序数组`中查找某一特定元素的搜索算法。

### 1.2 实现思路 ###

1.  初始状态下，将整个序列作为搜索区域；
2.  找到搜索区域内的中间元素，和目标元素进行比对；
    
     *  如果相等，则搜索成功；
     *  如果中间元素大于目标元素，表明目标元素位于中间元素的左侧，将左侧区域作为新的搜素区域；
     *  反之，若中间元素小于目标元素，表明目标元素位于中间元素的右侧，将右侧区域作为新的搜素区域；
3.  重复执行第二步，直至找到目标元素。如果搜索区域无法再缩小，且区域内不包含任何元素，则表明整个序列中没有目标元素，查找失败。

## 2.二分查找基础版-查找范围左闭右闭 ##

### 2.1 需求分析 ###

需求：在`有序数组`  A A A 内，查找值  t a r g e t V a l u e targetValue targetValue

*  如果找到返回索引
 *  如果找不到返回  − 1 -1 −1

### 2.2 算法描述 ###

<table> 
 <thead> 
 <tr> 
 <th>算法描述</th> 
 <th></th> 
 </tr> 
 </thead> 
 <tbody> 
 <tr> 
 <td>前提</td> 
 <td>给定一个内含 n n n 个元素的有序数组 A A A，满足 A 0 ≤ A 1 ≤ A 2 ≤ ⋯ ≤ A n − 1 A_{0}\leq A_{1}\leq A_{2}\leq \cdots \leq A_{n-1} A0≤A1≤A2≤⋯≤An−1，一个待查值 t a r g e t V a l u e targetValue targetValue</td> 
 </tr> 
 <tr> 
 <td>1</td> 
 <td>设置 l e f t = 0 left=0 left=0， r i g h t = n − 1 right=n-1 right=n−1</td> 
 </tr> 
 <tr> 
 <td>2</td> 
 <td>如果 l e f t &gt; r i g h t left \gt right left&gt;right，结束查找，没找到</td> 
 </tr> 
 <tr> 
 <td>3</td> 
 <td>设置 m i d = f l o o r ( l e f t + r i g h t 2 ) mid = floor(\frac {left + right}{2}) mid=floor(2left+right) ， m i d mid mid 为中间索引， f l o o r floor floor 是向下取整（ ≤ l e f t + r i g h t 2 \leq \frac {left+right}{2} ≤2left+right 的最小整数）</td> 
 </tr> 
 <tr> 
 <td>4</td> 
 <td>如果 t a r g e t V a l u e &lt; A m targetValue &lt; A_{m} targetValue&lt;Am 设置 r i g h t = m i d − 1 right = mid - 1 right=mid−1，跳到第2步</td> 
 </tr> 
 <tr> 
 <td>5</td> 
 <td>如果 A m i d &lt; t a r g e t V a l u e A_{mid} &lt; targetValue Amid&lt;targetValue 设置 l e f t = m i d + 1 left = mid + 1 left=mid+1，跳到第2步</td> 
 </tr> 
 <tr> 
 <td>6</td> 
 <td>如果 A m = t a r g e t V a l u e A_{m} = targetValue Am=targetValue，结束查找，找到了</td> 
 </tr> 
 </tbody> 
</table>

### 2.3 代码实现 ###

/**
 * 二分查找基础版
 *
 * @param array 待查找的升序数组
 * @param targetValue 待查找的目标值
 * @return 找到则返回目标值的索引，找不到返回-1
 */
 public static int binarySearchBasic(int[] array, int targetValue) {
 
 // 设置指针 left 指向数组的开始索引位置
 int left = 0;
 // 设置指针 right 指向数组的最后索引位置
 int right = array.length - 1;
 
 // 定一个 mid，表示 left 和 right 的中间索引位置
 int mid;
 
 /*
 对 [left,right] 范围内的元素进行查找，left <= right 成立说明在 [left,right] 范围内还有元素可以可以查找
 while循环退出的两种方式：
 - 进入了 else，说明找到了，返回中间索引
 - 不满足 left <= right，说明范围不断缩小后依旧没有找到，退出循环
 */
 while (left <= right) {
 
 // 查找中间索引，如果 (left+right)/2 为小数则会自动向下取整
 mid = (left + right) / 2;
 
 if (targetValue < array[mid]) {
 
 // 如果 目标值 小于 中间索引值，说明 目标值索引 应该在 中间索引 的左边
 // 我们可以通过调整 right 的值缩小查找范围
 right = mid - 1;
 } else if (array[mid] < targetValue) {
 
 // 如果 目标值 大于 中间索引值，说明 目标值索引 应该在 中间索引 的右边
 // 我们可以通过调整 left 的值缩小查找范围
 left = mid + 1;
 } else {
 
 // 否则说明 目标值 等于 中间索引值，也就说明我们找到了
 return mid;
 }
 }
 
 // 走到这里说明没有进入过上面 while 中的else，while循环退出时 left > right
 // 说明没有找到
 return -1;
 }

## 3.基础版的几个问题 ##

### 3.1 循环条件不加 left == right 行不行 ###

不行，因为这意味着当 left 和 right 相等时，会漏掉 left 和 right 共同指向的元素会漏过与目标值的比较。

### 3.2 left + right 超过int最大值问题 ###

我们先来举个模拟例子：

public static void main(String[] args) {
        
            // 模拟 二分查找中的 left
            int left = 100;
            // 模拟 二分查找中的 right
            int right = Integer.MAX_VALUE - 1;
            // 此时 left+right 的值超过了 int范围 的最大值，导致 left + right 的结果为负数
            // 然后对负数进行除以2操作，结果依旧为负数
            int mid = (left + right) / 2;
    
            // 输出结果为 -1073741775
            System.out.println(mid);
        }

那如何解决这个问题呢？我们可以使用 `位运算` 来代替 `/2` 的操作。

>  *  算数右移 `>>` ：低位溢出，符号位不变，并用符号位补溢出的高位。
>  *  逻辑右击（无符号右移）`>>>`：低位溢出，高位补0。
> 
> 由于最高位符号位为0表示该数为正数，因此相比于 `>>` 做到了能将一个 负数 无符号右移后变成 正数。

/**
 * 二分查找增强版
 *
 * @param array 待查找的升序数组
 * @param targetValue 待查找的目标值
 * @return 找到则返回目标值的索引，找不到返回-1
 */
 public static int binarySearchPlus(int[] array, int targetValue) {
 
 int left = 0;
 int right = array.length - 1;
 
 int mid;
 
 while (left <= right) {
 
 
 /*
 考虑到 left+right 的值可能会超过 int可表示 的最大值，我们不再对他们的和直接除以2
 我们知道 除以2 的操作可以用 位运算 >>1 来代替
 但还不够，由于 (left+right) 值溢出表示负数，>>1 只是做 除以2 操作，最高位符号位不变，依旧为1表示负数，负数除以2依旧是负数
 这时候我们可以修改为 无符号右移 >>>1 ，低位溢出，高位补0，那么最高位符号位为0就表示正数了
 */
 mid = (left + right) >>> 1;
 
 if (targetValue < array[mid]) {
 
 right = mid - 1;
 } else if (array[mid] < targetValue) {
 
 left = mid + 1;
 } else {
 
 return mid;
 }
 }
 
 return -1;
 }

## 4.二分查找改变版-查找范围左闭右开 ##

right 只是作为一个边界，指向的一定不是查找目标。

/**
 * 二分查找改变版
 *
 * @param array 待查找的升序数组
 * @param targetValue 待查找的目标值
 * @return 找到则返回目标值的索引，找不到返回-1
 */
 public static int binarySearchPlus(int[] array, int targetValue) {
 
 // 设置指针 left 指向数组的开始索引位置
 int left = 0;
 // 设置指针 right 指向查找范围的后一个索引位置
 // 在这里 right 只是作为一个边界，指向的一定不是查找目标。
 int right = array.length;
 
 int mid;
 
 // 在 [left,right) 左闭右开的区间范围内进行目标值查找
 // 因为 right 只是一个边界不作为查找索引，因此不能将 left <= right 作为条件
 while (left < right) {
 
 
 mid = (left + right) >>> 1;
 
 if (targetValue < array[mid]) {
 
 // 目标值 小于 中间索引值，则应该将右范围缩小
 // 需要将查找范围变为 [left,mid)
 right = mid;
 } else if (array[mid] < targetValue) {
 
 left = mid + 1;
 } else {
 
 return mid;
 }
 }
 
 return -1;
 }

## 5.衡量算法的好坏-时间复杂度 ##

### 5.1 两种算法代码语句执行次数 ###

#### 🍀 二分查找 ####

public static int binarySearchBasic(int[] a, int target) {
 
 // 设置指针和初值
 int i = 0;
 int j = a.length - 1;
 
 // L 次 元素在最左边 L 次， 元素在最右边 2*L 次
 while (i <= j) {
 
 // i~j 范围内有东西
 
 int m = (i + j) >>> 1;
 if (target < a[m]) {
 
 // 目标在左边
 j = m - 1;
 } else if (a[m] < target) {
 
 // 目标在右边
 i = m + 1;
 } else {
 
 // 找到了
 return m;
 }
 }
 return -1;
 }
 
 /*
 1 [2,3,4,5] 5 右侧没找到更差
 int i = 0, j = a.length - 1; 2
 return -1; 1
 元素个数 循环次数
 4-7 3 floor(log_2(4)) = 2+1
 8-15 4 floor(log_2(8)) = 3+1
 16-31 5 floor(log_2(16)) = 4+1
 32-63 6 floor(log_2(32)) = 5+1
 ... ...
 
 循环次数L = floor(log_2(n)) + 1
 
 i <= j L+1
 int m = (i + j) >>> 1; L
 target < a[m] L
 a[m] < target L
 i = m + 1; L
 
 代码执行次数公式：(floor(log_2(n)) + 1) * 5 + 4
 
 当n=4时，(3) * 5 + 4 = 19*t
 当n=1024时，(10 + 1) * 5 + 4 = 59*t
 */

#### 🍀 线性查找 ####

/**
 * <h3>线性查找</h3>
 *
 * @param a 待查找的升序数组 (可以不是有序数组)
 * @param target 待查找的目标值
 * @return 找到则返回索引
 * 找不到返回 -1
 */
 public static int linearSearch(int[] a, int target) {
 
 for (int i = 0; i < a.length; i++) {
 
 if (a[i] == target) {
 
 return i;
 }
 }
 return -1;
 }
 
 // 1. 最差的执行情况
 // 2. 假设每行语句执行时间一样 t
 /*
 数据元素个数 n
 int i = 0; 1
 i < a.length; n+1
 i++ n
 a[i] == target n
 return -1; 1
 
 算法运行语句总次数：3*n + 3
 
 当n=4时，3*4 + 3 = 15*t
 当n=1024时，3*1024 + 3 = 3075*t
 */

### 5.2 代码执行次数图形化比较 ###

采用 [Desmos | 图形计算器][Desmos _] 工具对两种算法的代码执行次数进行比较。

*  x 轴表示数组的数据量大小。
 *  y 轴表示代码语句执行次数。

二分查找算法执行次数公式： 3 ⋅ x + 3 3\\cdot x+3 3⋅x\+3

线性查找算法执行次数公式： ( floor ⁡ ( log ⁡ 2 ( x ) ) + 1 ) ⋅ 5 + 4 \\left(\\operatorname\{floor\}\\left(\\log\_\{2\}\\left(x\\right)\\right)+1\\right)\\cdot5+4 (floor(log2(x))\+1)⋅5\+4

当数组数据量比较小，即 x 值比较小的时候，执行次数比较为：

![image-20230404122716430][]

当数组数据量比较大，即 x 值比较大的时候，执行次数比较为：

![image-20230404122827102][]

### 5.3 大O表示法图形化比较 ###

二分查找算法： O ( l o g ( n ) ) O(log(n)) O(log(n))

线性查找算法： O ( n ) O(n) O(n)

![image-20230404125348149][]

## 6.二分查找性能 ##

### 6.1 时间复杂度 ###

*  最坏情况： O ( l o g   n ) O(log n) O(log n)
 *  最好情况：如果待查找元素恰好在数组中央，只需要循环一次  O ( 1 ) O(1) O(1)

### 6.2 空间复杂度 ###

*  需要常数个指针 left，right， mid，因此额外占用的空间是  O ( 1 ) O(1) O(1)

## 7.二分查找平衡版 ##

/**
 * <h3>二分查找平衡版</h3>
 *
 * <ol>
 * <li>不奢望循环内通过 m 找出目标, 缩小区间直至剩 1 个, 剩下的这个可能就是要找的(通过 i)</li>
 * <li>i 指针可能是查找目标</li>
 * <li>j 指针不可能是查找目标</li>
 * <li>因为 1. 2. 3. 当区域内还剩一个元素时, 表示为 j - i == 1</li>
 * <li>改变 i 边界时, m 可能就是目标, 同时因为 2. 所以有 i=m</li>
 * <li>改变 j 边界时, m 已经比较过不是目标, 同时因为 3. 所以有 j=m</li>
 * <li>三分支改为二分支, 循环内比较次数减少</li>
 * </ol>
 *
 * @param a 待查找的升序数组
 * @param target 待查找的目标值
 * @return 找到则返回索引
 * 找不到返回 -1
 */
 public static int binarySearchBalance(int[] a, int target) {
 
 int i = 0, j = a.length;
 while (1 < j - i) {
 // 范围内待查找的元素个数 > 1 时
 int m = (i + j) >>> 1;
 if (target < a[m]) {
 // 目标在左边
 j = m;
 } else {
 // 目标在 m 或右边
 i = m;
 }
 }
 return (target == a[i]) ? i : -1;
 }

思想：

1.  左闭右开的区间，i 向的可能是目标，而 j 指向的不是目标
2.  不奢望循环内通过 m 找出目标, 缩小区间直至剩 1 个, 剩下的这个可能就是要找的（通过 i）
    
     *  j − i > 1 的含义是，在范围内待比较的元素个数 > 1
3.  改变 i 边界时，它指向的可能是目标，因此不能 m + 1
4.  循环内的平均比较次数减少了
5.  时间复杂度  Θ ( l o g ( n ) ) Θ(log(n)) Θ(log(n)) （最坏最好情况）

## 8.Java源码中二分查找的使用 ##

### 8.1 Arrays.binarySearch(int\[\] a, int key) ###

/**
 * 使用二进制搜索算法在指定的整数数组中搜索指定的值。在进行此调用之前，必须对数组进行排序（按方法排序 sort(int[]) ）。
 * 如果未排序，则结果未定义。如果数组包含多个具有指定值的元素，则无法保证会找到哪个元素。
 * 参数：
 	 * 		a – 要搜索的数组 
 	 *		key – 要搜索的值
 	 * 返回：搜索键的索引（如果它包含在数组中）;否则，（ -（插入点）-1）。
 	 * 插入点定义为将键插入数组的 点 ：第一个元素的索引大于键，如果数组中的所有元素都小于指定的键，则为 a.length 。
 	 * 请注意，这保证了当且仅当找到键时返回值将为 >= 0。
 */
 public static int binarySearch(int[] a, int key) {
 
 return binarySearch0(a, 0, a.length, key);
 }
 
 // Like public version, but without range checks.
 private static int binarySearch0(int[] a, int fromIndex, int toIndex,
 int key) {
 
 int low = fromIndex;
 int high = toIndex - 1;
 
 while (low <= high) {
 
 int mid = (low + high) >>> 1;
 int midVal = a[mid];
 
 if (midVal < key)
 low = mid + 1;
 else if (midVal > key)
 high = mid - 1;
 else
 return mid; // key found
 }
 return -(low + 1); // key not found.
 }

### 8.2 实现二分查找目标值，不存在则插入 ###

public static void main(String[] args) {
 
 // 二分查找目标值，不存在则插入
 /*
 原始数组：[2,5,8]
 查找目标值：4
 查询不到，返回的结果为 r = -待插入点索引-1
 在这里带插入点索引为 1，对应 r = -2
 那么我们分成这几步来进行拷贝：
 - 1.新建数组,大小为原数组的大小+1： [0,0,0,0]
 - 2.将待插入点索引之前的数据放入新数组： [2,0,0,0]
 - 3.将目标值放入到待插入点索引的位置： [2,4,0,0]
 - 4.将原数组后面的数据都相继拷贝到新数组后面： [2,4,5,8]
 */
 
 // 定义原数组与目标值
 int[] oldArray = {
 2, 5, 8};
 int target = 4;
 
 // 搜索目标值4，没有找到，返回结果为 r = -待插入点索引-1，这里的 r=-2
 int r = Arrays.binarySearch(oldArray, target);
 
 // r < 0 说明没有找到目标值，就插入
 if (r < 0) {
 
 // 获取待插入索引
 int insertIndex = -r - 1;
 
 // 1.新建数组,大小为原数组的大小+1
 int[] newArray = new int[oldArray.length + 1];
 // 2.将待插入点索引之前的数据放入新数组
 System.arraycopy(oldArray, 0, newArray, 0, insertIndex);
 // 3.将目标值放入到待插入点索引的位置
 newArray[insertIndex] = target;
 // 4.将原数组后面的数据都相继拷贝到新数组后面
 System.arraycopy(oldArray, insertIndex, newArray, insertIndex + 1, oldArray.length - insertIndex);
 
 System.out.println(Arrays.toString(newArray));
 }
 
 }

## 9.LeftRightmost ##

### 9.1 最靠左索引 ###

> 搜索目标值为 target 且 索引最小的索引位置

public static int binarySearchLeftmost(int[] array, int target) {
 
 int left = 0;
 int right = array.length - 1;
 
 int mid;
 
 // 记录最小索引
 int minIndex = -1;
 
 while (left <= right) {
 
 mid = (left + right) >>> 1;
 if (target < array[mid]) {
 
 // 目标值小于中间索引值，缩小右范围
 right = mid - 1;
 } else if (array[mid] < target) {
 
 // 目标值大于中间索引值，缩小左范围
 left = mid + 1;
 } else {
 
 minIndex = mid;
 // 由于要查找最小索引，因此缩小右范围即可
 right = mid - 1;
 }
 }
 
 // 返回结果
 return minIndex;
 }

### 9.2 最靠右索引 ###

> 搜索目标值为 target 且 索引最大的索引位置

public static int binarySearchRightmost(int[] array, int target) {
 
 int left = 0;
 int right = array.length - 1;
 
 int mid;
 
 // 记录最大索引
 int maxIndex = -1;
 
 while (left <= right) {
 
 mid = (left + right) >>> 1;
 if (target < array[mid]) {
 
 // 目标值小于中间索引值，缩小右范围
 right = mid - 1;
 } else if (array[mid] < target) {
 
 // 目标值大于中间索引值，缩小左范围
 left = mid + 1;
 } else {
 
 maxIndex = mid;
 // 由于要查找最大索引，因此缩小左范围即可
 left = mid + 1;
 }
 }
 
 // 返回结果
 return maxIndex;
 }

### 9.3 返回≥目标的最靠左索引 ###

> 搜索大于等于目标值的最小索引位置

#### 🍀 普通代码 ####

public static int binarySearchLeftmostFirst(int[] array, int target) {
 
 int left = 0;
 int right = array.length - 1;
 
 int mid;
 
 // 记录最小索引
 int minIndex = -1;
 
 while (left <= right) {
 
 mid = (left + right) >>> 1;
 if (target < array[mid]) {
 
 // array[mid] 满足大于目标值，因此可以记录
 minIndex = mid;
 // 目标值小于中间索引值，缩小右范围
 right = mid - 1;
 } else if (array[mid] < target) {
 
 // 目标值大于中间索引值，缩小左范围
 left = mid + 1;
 } else {
 
 // array[mid] 满足等于目标值，因此可以记录
 minIndex = mid;
 // 由于要查找最小索引，因此缩小右范围即可
 right = mid - 1;
 }
 }
 
 // 返回结果，如果返回为-1说明没有找到，即数组所有元素都比目标值要小
 return minIndex;
 }

#### 🍀 第一次优化 ####

可以看到 while 循环中的 if 和 else if 中的语句相同，因此可以做一次合并。

在 if 语句中，我们的操作是：

1.  找到了 mid 索引，满足 array\[mid\] 大于等于目标值，
2.  用 minIndex 记录这个大于等于目标值的索引，
3.  然后将 mid -1 赋值给 right，也就是 **(right + 1) 为** **当前找到的** **大于等于目标值的最小索引**。

if 语句结束，就可以继续向前搜索看是否比当前 minIndex 更小的大于等于目标值的索引。

在本次优化中，我们保证了：

*  除非目标值大于数组元素的最大值，
 *  否则最终循环结束时的 (right + 1) 指针指向的一定是大于等于目标值的最小索引，
 *  也就是 minIndex = right + 1 。

public static int binarySearchLeftmostSecond(int[] array, int target) {
 
 int left = 0;
 int right = array.length - 1;
 
 int mid;
 
 // 记录最小索引
 int minIndex = -1;
 
 /*
 在 if 语句中，我们的操作是：
 1. 找到了 mid 索引，满足 array[mid] 大于等于目标值，
 2. 用 minIndex 记录这个大于等于目标值的索引，
 3. 然后将 mid -1 赋值给 right，也就是 (right + 1) 为当前找到的大于等于目标值的最小索引。
 if语句结束，就可以继续向前搜索看是否比当前 minIndex 更小的大于等于目标值的索引。
 
 在本次优化中，我们保证了：
 除非目标值大于数组元素的最大值，
 否则最终循环结束时的 (right + 1) 指针指向的一定是大于等于目标值的最小索引，
 也就是 minIndex = right + 1 。
 
 这个结论是后面的第二次优化的核心！！！
 
 */
 while (left <= right) {
 
 mid = (left + right) >>> 1;
 if (target <= array[mid]) {
 
 // array[mid] 满足大于等于目标值，因此可以记录
 minIndex = mid;
 // 目标值小于中间索引值，缩小右范围
 right = mid - 1;
 } else if (array[mid] < target) {
 
 // 目标值大于中间索引值，缩小左范围
 left = mid + 1;
 }
 }
 
 // 返回结果
 return minIndex;
 }

#### 🍀 第二次优化 ####

在第一次优化中，我们保证了：

*  除非目标值大于数组元素的最大值，
 *  否则最终循环结束时的 (right + 1) 指针指向的一定是大于等于目标值的最小索引，
 *  也就是最终 minIndex = right + 1 。

我们再肯定一件事情：最终退出while循环的情况一定是 left > right 且 right + 1 = left 。

而造成 left 比 right 多1，即 left 在 right 指针后面一位，一定是因为：

*  在以 left == right 为满足循环条件时，执行了 if 语句中right左移font> 或者 else if语句中的left右移。
 *  我们之前又得到结论：最终循环结束时的 (right + 1) 指针指向的一定是大于等于目标值的最小索引。
    
     *  当执行的是 if语句中的right左移后，导致了新(right + 1)的值就是left，则left就是大于等于目标值的最小索引。
     *  当执行的是 else if语句中的left右移后，导致了left移动到了当前(right+1)指针的位置，则left就是大于等于目标值的最小索引。

综上所述，我们发现：

*  最终的left 指针就是那个大于等于目标值的最小索引，
 *  所以我们无需用 minIndex 进行记录，直接最终 return left 即可。
 *  那么这时候当目标值大于数组元素的最大值时，返回的left 就是 数组最大索引+1。

public static int binarySearchLeftmostThird(int[] array, int target) {
 
 int left = 0;
 int right = array.length - 1;
 
 int mid;
 
 
 /*
 在第一次优化中，我们保证了：
 除非目标值大于数组元素的最大值，
 否则最终循环结束时的 (right + 1) 指针指向的一定是大于等于目标值的最小索引，
 也就是最终 minIndex = right + 1 。
 
 while (left <= right) {
 mid = (left + right) >>> 1;
 if (target <= array[mid]) {
 minIndex = mid;
 right = mid - 1;
 } else if (array[mid] < target) {
 left = mid + 1;
 }
 }
 
 我们再肯定一件事情：
 最终退出while循环的情况一定是 left > right 且 right + 1 = left 。
 
 而造成 left 比 right 多1，即 left 在 right 指针后面一位，一定是因为
 在以 left == right 为满足循环条件时，
 执行了if 语句中right左移 或者 else if语句中的left右移。
 我们之前又得到结论：最终循环结束时的 (right + 1) 指针指向的一定是大于等于目标值的最小索引。
 - 当执行的是if语句中的right左移后，导致了新(right + 1)的值就是left，则left就是大于等于目标值的最小索引。
 - 当执行的是else if语句中的left右移后，导致了left移动到了当前(right+1)指针的位置，则left就是大于等于目标值的最小索引。
 
 综上所述，我们发现：最终的left 指针就是那个大于等于目标值的最小索引，
 所以我们无需用 minIndex 进行记录，直接最终 return left 即可。
 那么这时候当目标值大于数组元素的最大值时，返回的left 就是 数组最大索引+1。
 */
 
 // 不需记录最小索引
 // int minIndex = -1;
 
 while (left <= right) {
 
 mid = (left + right) >>> 1;
 if (target <= array[mid]) {
 
 // array[mid] 满足大于等于目标值，因此可以记录
 // minIndex = mid;
 // 目标值小于中间索引值，缩小右范围
 right = mid - 1;
 } else if (array[mid] < target) {
 
 // 目标值大于中间索引值，缩小左范围
 left = mid + 1;
 }
 }
 
 // 返回结果
 return left;
 }

### 9.4 返回≤目标的最靠右索引 ###

> 搜索小于等于目标值的最大索引位置

#### 🍀 普通代码 ####

public static int binarySearchRightmostFirst(int[] array, int target) {
 
 int left = 0;
 int right = array.length - 1;
 
 int mid;
 
 // 记录最小索引
 int minIndex = -1;
 
 while (left <= right) {
 
 mid = (left + right) >>> 1;
 if (target < array[mid]) {
 
 // 目标值小于中间索引值，缩小右范围
 right = mid - 1;
 } else if (array[mid] < target) {
 
 // array[mid] 满足小于目标值，因此可以记录
 minIndex = mid;
 // 目标值大于中间索引值，缩小左范围
 left = mid + 1;
 } else {
 
 // array[mid] 满足等于目标值，因此可以记录
 minIndex = mid;
 // 由于要查找最大索引，因此缩小左范围即可
 left = mid - 1;
 }
 }

#### 🍀 第一次优化 ####

public static int binarySearchRightmostSecond(int[] array, int target) {
 
 int left = 0;
 int right = array.length - 1;
 
 int mid;
 
 // 记录最大索引
 int maxIndex = -1;
 
 /*
 在 else if 语句中，我们的操作是：
 1. 找到了 mid 索引，满足 array[mid] 小于等于目标值，
 2. 用 maxIndex 记录这个小于等于目标值的索引，
 3. 然后将 mid + 1 赋值给 left，也就是 (left - 1) 为当前找到的小于等于目标值的最大索引。
 else if语句结束，就可以继续向后搜索看是否比当前 maxIndex 更大的小于等于目标值的索引。
 
 在本次优化中，我们保证了：
 除非目标值小于数组元素的最小值，
 否则最终循环结束时的 (left - 1) 指针指向的一定是小于等于目标值的最大索引，
 也就是 maxIndex = left - 1 。
 
 这个结论是后面的第二次优化的核心！！！
 
 */
 while (left <= right) {
 
 mid = (left + right) >>> 1;
 if (target < array[mid]) {
 
 // 目标值小于中间索引值，缩小右范围
 right = mid - 1;
 } else if (array[mid] <= target) {
 
 // array[mid] 满足小于等于目标值，因此可以记录
 maxIndex = mid;
 // 目标值大于中间索引值，缩小左范围
 left = mid + 1;
 }
 }
 
 // 返回结果
 return maxIndex;
 }

#### 🍀 第二次优化 ####

public static int binarySearchRightmostThird(int[] array, int target) {
 
 int left = 0;
 int right = array.length - 1;
 
 int mid;
 
 
 /*
 在第一次优化中，我们保证了：
 除非目标值小于数组元素的最小值，
 否则最终循环结束时的 (left - 1) 指针指向的一定是小于等于目标值的最大索引，
 也就是最终 maxIndex = left - 1 。
 
 while (left <= right) {
 mid = (left + right) >>> 1;
 if (target < array[mid]) {
 right = mid - 1;
 } else if (array[mid] <= target) {
 maxIndex = mid;
 left = mid + 1;
 }
 }
 
 我们再肯定一件事情：
 最终退出while循环的情况一定是 left > right 且 right = left - 1。
 
 而造成 right 比 left 少1，即 right 在 left 指针前面一位，一定是因为
 在以 left == right 为满足循环条件时,
 执行了if 语句中right左移 或者 else if语句中的left右移。
 我们之前又得到结论：最终循环结束时的 (left - 1) 指针指向的一定是小于等于目标值的最大索引。
 - 当执行的是if语句中的right左移后，导致了right移动到了当前(left - 1)的指针位置，则right就是小于等于目标值的最大索引。
 - 当执行的是else if语句中的left右移后，导致了新(left-1)指针的位置就是当前right的位置，则right就是小于等于目标值的最大索引。
 
 综上所述，我们发现：最终的 right 指针就是那个小于等于目标值的最大索引，
 所以我们无需用 maxIndex 进行记录，直接最终 return right 即可。
 那么这时候当目标值小于数组元素的最小值时，返回的 right 就是 -1。
 */
 
 // 不需记录最小索引
 // int maxIndex = -1;
 
 while (left <= right) {
 
 mid = (left + right) >>> 1;
 if (target < array[mid]) {
 
 right = mid - 1;
 } else if (array[mid] <= target) {
 
 // maxIndex = mid;
 left = mid + 1;
 }
 }
 
 // 返回结果，当然这个结果也可以写成 return left - 1
 return right;
 
 }

### 9.5 实际应用 ###

![image-20221125174155058][]

**范围查询**：

* 查询 x < 4 x \\lt 4 x<4， 0.. l e f t m o s t ( 4 ) − 1 0 .. leftmost(4) - 1 0..leftmost(4)−1
 * 查询 x ≤ 4 x \\leq 4 x≤4， 0.. r i g h t m o s t ( 4 ) 0 .. rightmost(4) 0..rightmost(4)
 * 查询 4 < x 4 \\lt x 4<x，$rightmost(4) + 1 … \\infty $
 * 查询 4 ≤ x 4 \\leq x 4≤x， l e f t m o s t ( 4 ) . . ∞ leftmost(4) .. \\infty leftmost(4)..∞
 * 查询 4 ≤ x ≤ 7 4 \\leq x \\leq 7 4≤x≤7， l e f t m o s t ( 4 ) . . r i g h t m o s t ( 7 ) leftmost(4) .. rightmost(7) leftmost(4)..rightmost(7)
 * 查询 4 < x < 7 4 \\lt x \\lt 7 4<x<7， r i g h t m o s t ( 4 ) + 1.. l e f t m o s t ( 7 ) − 1 rightmost(4)+1 .. leftmost(7)-1 rightmost(4)\+1..leftmost(7)−1

**求排名**： l e f t m o s t ( t a r g e t ) + 1 leftmost(target) + 1 leftmost(target)\+1

*   t a r g e t target target 可以不存在，如： l e f t m o s t ( 5 ) + 1 = 6 leftmost(5)+1 = 6 leftmost(5)\+1=6
 *   t a r g e t target target 也可以存在，如： l e f t m o s t ( 4 ) + 1 = 3 leftmost(4)+1 = 3 leftmost(4)\+1=3

**求前任（predecessor）**： l e f t m o s t ( t a r g e t ) − 1 leftmost(target) - 1 leftmost(target)−1

*   l e f t m o s t ( 3 ) − 1 = 1 leftmost(3) - 1 = 1 leftmost(3)−1=1，前任  a 1 = 2 a\_1 = 2 a1=2
 *   l e f t m o s t ( 4 ) − 1 = 1 leftmost(4) - 1 = 1 leftmost(4)−1=1，前任  a 1 = 2 a\_1 = 2 a1=2

**求后任（successor）**： r i g h t m o s t ( t a r g e t ) + 1 rightmost(target)+1 rightmost(target)\+1

*   r i g h t m o s t ( 5 ) + 1 = 5 rightmost(5) + 1 = 5 rightmost(5)\+1=5，后任  a 5 = 7 a\_5 = 7 a5=7
 *   r i g h t m o s t ( 4 ) + 1 = 5 rightmost(4) + 1 = 5 rightmost(4)\+1=5，后任  a 5 = 7 a\_5 = 7 a5=7

**求最近邻居**：

*  前任和后任距离更近者

[Desmos _]: https://www.desmos.com/calculator?lang=zh-CN
[image-20230404122716430]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/2db3cf07a2a14bb2bbbff3377a94b3f2.png
[image-20230404122827102]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/18618c522cc54e83b5f45faf905f5388.png
[image-20230404125348149]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/56ab50d391f24296a3b10eff6b6c0edd.png
[image-20221125174155058]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/901ce4be727e482c95eebf1211c2b991.png