对前端开发者而言，学习算法绝非为了"炫技"。它是你从"页面构建者"迈向"复杂系统设计者"的关键阶梯。它将你的编码能力从"实现功能"提升到"设计优雅、高效解决方案"的层面。从现在开始，每天投入一小段时间，结合前端场景去理解和练习，你将会感受到自身技术视野和问题解决能力的质的飞跃。------ 算法：资深前端开发者的进阶引擎
LeetCode 153. 寻找旋转排序数组中的最小值
1. 题目描述
假设一个按照升序排列的数组在某个未知的"旋转点"上进行了旋转（例如，数组 [0,1,2,4,5,6,7] 可能变为 [4,5,6,7,0,1,2]）。给定一个 互不相同 元素的旋转排序数组 nums，要求找出并返回数组中的 最小元素。
示例 1:
输入：nums = [3,4,5,1,2]
输出：1
解释：原数组为 [1,2,3,4,5]，旋转后最小值是 1。示例 2:
输入：nums = [4,5,6,7,0,1,2]
输出：0示例 3:
输入：nums = [11,13,15,17]
输出：11
解释：数组未旋转或旋转点为首元素。提示:
n == nums.length1 <= n <= 5000-5000 <= nums[i] <= 5000nums中所有元素 互不相同- 设计时间复杂度为 O(log n) 的算法
2. 问题分析
对于一个升序排序数组旋转后，它由 两个递增的子数组 组成：第一个子数组的元素都大于第二个子数组的元素，且最小值是第二个子数组的第一个元素。例如，[4,5,6,7,0,1,2] 中，第一个子数组为 [4,5,6,7]，第二个为 [0,1,2]，最小值为 0。
关键点在于：
- 如果数组未旋转（或旋转点在首元素），最小值是第一个元素。
- 由于数组部分有序，可以利用 二分查找 来优化搜索，避免 O(n) 的遍历。
3. 解题思路
3.1 思路一：暴力遍历法
直接遍历整个数组，维护一个变量记录最小值。时间复杂度 O(n)，空间复杂度 O(1)。简单但未利用数组特性，不是最优解。
3.2 思路二：二分查找法（最优解）
利用数组的 部分有序性，通过比较中间元素和右端点元素，判断最小值所在区间：
- 如果
nums[mid] > nums[right]：最小值在右半部分（因为右半部分是更小的子数组），搜索区间更新为[mid + 1, right]。 - 否则：最小值在左半部分或
mid处，搜索区间更新为[left, mid]。
这个过程将时间复杂度降至 O(log n)，空间复杂度 O(1)，是最优解。
4. 各思路代码实现
4.1 暴力遍历法实现
javascript
function findMin(nums) {
let min = nums[0];
for (let i = 1; i < nums.length; i++) {
if (nums[i] < min) {
min = nums[i];
}
}
return min;
}4.2 二分查找法实现
javascript
function findMin(nums) {
let left = 0;
let right = nums.length - 1;
while (left < right) {
let mid = Math.floor((left + right) / 2);
if (nums[mid] > nums[right]) {
// 最小值在右半部分
left = mid + 1;
} else {
// 最小值在左半部分或 mid 处
right = mid;
}
}
return nums[left]; // 当 left == right 时，找到最小值
}5. 各实现思路的复杂度、优缺点对比表格
| 思路 | 时间复杂度 | 空间复杂度 | 优点 | 缺点 |
|---|---|---|---|---|
| 暴力遍历法 | O(n) | O(1) | 代码简单易懂，适用于小数组或对性能要求不高的场景 | 未利用数组有序性，效率低，不满足 O(log n) 要求 |
| 二分查找法 | O(log n) | O(1) | 高效，利用部分有序性，满足题目要求 | 逻辑稍复杂，需注意边界条件 |
最优解总结：二分查找法在时间和空间上均最优，是解决此类旋转排序数组问题的标准方法。