力扣热题100实战 | 第33期：搜索旋转排序数组------二分查找的变体艺术
-
- 前言
- 一、题目：在旋转数组中找目标值
- 二、第一反应：线性扫描（违反要求）
- 三、核心解法：二分查找（判断有序半区）
-
- [3.1 核心思想](#3.1 核心思想)
- [3.2 算法步骤](#3.2 算法步骤)
- [3.3 图解流程](#3.3 图解流程)
- [3.4 代码实现](#3.4 代码实现)
- [3.5 复杂度分析](#3.5 复杂度分析)
- 四、细节剖析：面试官真正关心的问题
-
- [Q1：为什么条件是 `nums[left] <= nums[mid]` 而不是 `<`？](#Q1：为什么条件是
nums[left] <= nums[mid]而不是<？) - [Q2：如何判断目标值是否在有序半区？为什么有的用 `<` 有的用 `<=`？](#Q2：如何判断目标值是否在有序半区？为什么有的用
<有的用<=？) - Q3：如果数组没有旋转（k=0），算法还能正确工作吗？
- Q4：为什么不需要显式找到旋转点？
- [Q5：如果数组中有重复元素（LeetCode 81），这个算法还适用吗？](#Q5：如果数组中有重复元素（LeetCode 81），这个算法还适用吗？)
- [Q1：为什么条件是 `nums[left] <= nums[mid]` 而不是 `<`？](#Q1：为什么条件是
- 五、面试官追问进阶版
-
- [追问1：如何实现一个方法找到旋转数组中的最小值（LeetCode 153）？](#追问1：如何实现一个方法找到旋转数组中的最小值（LeetCode 153）？)
- 追问2：如果数组旋转了多次（其实等价于一次旋转），是否会影响正确性？
- 追问3：如何用递归实现二分？
- 追问4：如果数组长度非常大（10⁷），这个二分法仍然高效吗？
- 六、实际开发：这道题到底有什么用？
- 七、总结：从一道题到一类题
- 附录：思考题
当有序数组被旋转，二分查找还能用吗？答案是肯定的，核心在于判断哪一半是单调的。这道题教会我们：在看似混乱的数据中，只要找到一个有序的片段，就能继续用二分缩小范围。
前言
你好，我是@礼拜天没时间。
上一期我们攻克了"最长有效括号"（第32题），掌握了动态规划和栈在括号匹配中的应用。这一期，我们来解一道二分查找的经典变体------搜索旋转排序数组（LeetCode 第33题）。
这道题在力扣上被标记为"中等"，但它却是二分查找思想应用的最佳范例。很多人学完经典二分后，遇到数组被"旋转"一下就不知道该怎么下手了。其实，只要我们能够识别出数组的"部分有序"性质，二分查找依然能够大显身手。
今天，我希望能带你从最朴素的线性搜索出发，一步步推导出二分查找的核心逻辑，并掌握处理边界条件和重复元素的技巧。
一、题目：在旋转数组中找目标值
先看题目描述（LeetCode 第33题）：
整数数组
nums按升序排列，数组中的值 互不相同 。在传递给函数之前，
nums在预先未知的某个下标k（0 <= k < nums.length）上进行了旋转，使数组变为[nums[k], nums[k+1], ..., nums[n-1], nums[0], nums[1], ..., nums[k-1]]。例如，[0,1,2,4,5,6,7]在下标3处旋转后变成[4,5,6,7,0,1,2]。给你旋转后的数组
nums和一个整数target，如果target在数组中，则返回它的下标，否则返回-1。你必须设计一个时间复杂度为 O(log n) 的算法解决此问题。
示例 1：
输入：nums = [4,5,6,7,0,1,2], target = 0
输出：4示例 2：
输入：nums = [4,5,6,7,0,1,2], target = 3
输出：-1示例 3：
输入：nums = [1], target = 0
输出：-1关键点解读
-
唯一性 ：数组中的值互不相同，这简化了问题。进阶版（第81题）允许重复元素，会更复杂。
-
旋转定义：本质就是把原有序数组的前面一部分（长度为k）移到末尾，形成"两段有序"的结构。
-
时间复杂度要求 ：O(log n)，这直接暗示我们要用二分查找。
-
寻找旋转点：不一定需要显式找到旋转点，可以在二分过程中动态判断哪一半是有序的。
二、第一反应：线性扫描（违反要求）
当我第一次看到这道题，我的第一反应是：直接遍历一遍，找到目标值返回下标。
java
class Solution {
public int search(int[] nums, int target) {
for (int i = 0; i < nums.length; i++) {
if (nums[i] == target) return i;
}
return -1;
}
}- 时间复杂度：O(n) ------ 不符合题目要求
- 空间复杂度：O(1)
虽然能过测试，但题目明确要求 O(log n)，必须用二分。
三、核心解法：二分查找（判断有序半区）
3.1 核心思想
因为数组原本有序，只是被旋转了一次，所以它有一个重要的性质：对于任意中间点 mid，数组的左半部分 [left, mid] 和右半部分 [mid+1, right] 至少有一个是严格递增的。
我们可以通过比较 nums[left] 和 nums[mid] 来判断哪一边是有序的：
- 如果
nums[left] <= nums[mid]，说明左半部分 [left, mid] 是递增的（没有旋转点落在这一区间）。 - 否则，右半部分 [mid+1, right] 是递增的。
确定了有序半区之后，我们就可以判断目标值是否在这个有序半区内：
- 如果在，则继续在这个半区内二分。
- 如果不在，则目标在另一半（无序半区），继续二分。
3.2 算法步骤
- 初始化
left = 0,right = nums.length - 1 - 当
left <= right时循环：- 计算
mid = left + (right - left) / 2 - 如果
nums[mid] == target，直接返回mid - 判断左半部分是否有序：
if (nums[left] <= nums[mid])- 若左半有序，检查
target是否在[nums[left], nums[mid])范围内：- 如果是，则
right = mid - 1 - 否则，
left = mid + 1
- 如果是，则
- 若左半有序，检查
- 否则，右半部分有序：
- 检查
target是否在(nums[mid], nums[right]]范围内：- 如果是，则
left = mid + 1 - 否则，
right = mid - 1
- 如果是，则
- 检查
- 计算
- 循环结束返回 -1
3.3 图解流程
以 nums = [4,5,6,7,0,1,2], target = 0 为例：
第1步 ：left=0, right=6, mid=3
nums = [4,5,6,7,0,1,2]
↑ ↑ ↑
left mid rightnums[left]=4 <= nums[mid]=7→ 左半 [4,5,6,7] 有序。- target=0 不在 [4,7] 内 → 去右半
left=mid+1=4
第2步 ：left=4, right=6, mid=5
nums = [4,5,6,7,0,1,2]
↑
left,mid?
准确下标：left=4(0), right=6(2), mid=5(1)nums[left]=0 <= nums[mid]=1→ 左半 [0,1] 有序。- target=0 在 [0,1] 内 →
right=mid-1=4
第3步 ：left=4, right=4, mid=4
nums[mid]=0 == target→ 返回4 ✅
3.4 代码实现
java
class Solution {
public int search(int[] nums, int target) {
int left = 0, right = nums.length - 1;
while (left <= right) {
int mid = left + (right - left) / 2;
if (nums[mid] == target) {
return mid;
}
// 判断左半部分是否有序
if (nums[left] <= nums[mid]) {
// 左半部分有序
if (target >= nums[left] && target < nums[mid]) {
right = mid - 1;
} else {
left = mid + 1;
}
} else {
// 右半部分有序
if (target > nums[mid] && target <= nums[right]) {
left = mid + 1;
} else {
right = mid - 1;
}
}
}
return -1;
}
}3.5 复杂度分析
- 时间复杂度：O(log n) ------ 每次循环将区间缩小一半
- 空间复杂度：O(1) ------ 只用了常数变量
四、细节剖析：面试官真正关心的问题
Q1：为什么条件是 nums[left] <= nums[mid] 而不是 <？
答案 ：当 left == mid 时（即区间内只有1或2个元素），nums[left] <= nums[mid] 成立，此时左半部分也是有序的（单个元素自然有序）。如果用 <，可能会在 left == mid 时误判，导致逻辑错误。
Q2：如何判断目标值是否在有序半区？为什么有的用 < 有的用 <=？
答案 ：因为我们已经检查过 nums[mid] == target，所以：
- 对于左半部分有序，范围是
[nums[left], nums[mid])，左闭右开，因为mid已经排除。 - 对于右半部分有序，范围是
(nums[mid], nums[right]]，左开右闭。
这样能避免重复判断mid位置。
Q3：如果数组没有旋转（k=0），算法还能正确工作吗？
答案 ：能。此时 nums[left] <= nums[mid] 始终成立，算法会一直走左半有序分支，等同于在完全有序数组上进行普通二分查找。
Q4：为什么不需要显式找到旋转点？
答案 ：因为旋转信息隐含在比较 nums[left] 和 nums[mid] 的结果中。我们不需要提前知道旋转点位置，只需要在每次二分时动态判断哪一半有序，然后根据 target 决定下一步搜索区间。
Q5：如果数组中有重复元素（LeetCode 81），这个算法还适用吗？
答案 ：不能直接适用，因为当 nums[left] == nums[mid] 时，无法判断哪一半有序，需要退化到线性扫描或特殊处理。LeetCode 81 提供了进阶版本。
五、面试官追问进阶版
追问1：如何实现一个方法找到旋转数组中的最小值（LeetCode 153）？
思路 ：同样用二分，但比较的是 nums[mid] 和 nums[right]。如果 nums[mid] > nums[right]，说明最小值在右半；否则在左半（包含 mid）。类似地，也可以比较 nums[left] 和 nums[mid]。
java
public int findMin(int[] nums) {
int left = 0, right = nums.length - 1;
while (left < right) {
int mid = left + (right - left) / 2;
if (nums[mid] > nums[right]) {
left = mid + 1;
} else {
right = mid;
}
}
return nums[left];
}追问2：如果数组旋转了多次（其实等价于一次旋转），是否会影响正确性？
答案：不会。任意次旋转等价于一次旋转（因为旋转是循环移动），我们的算法依然有效。
追问3：如何用递归实现二分？
思路：递归分解子问题，本质上与迭代相同，但递归深度 O(log n) 会有额外空间开销。
追问4：如果数组长度非常大（10⁷），这个二分法仍然高效吗？
答案：是的，二分查找的对数复杂度在数据量极大时优势非常明显。10⁷ 的数据量只需约 24 次比较即可完成。
六、实际开发：这道题到底有什么用？
很多读者会问："旋转数组中查找，实际工作中哪用得到？"
其实它的思想无处不在：
场景1：日志索引查询
日志系统常常按时间戳排序存储，但可能因为系统故障导致部分日志被移动到其他位置（相当于旋转）。二分查找的思想能快速定位特定时间点的日志。
场景2：循环队列中的查找
循环队列在物理上是线性的，但逻辑上是环形的。在环形缓冲中查找元素，可以转化为旋转数组的查找。
场景3：数据库索引中的断裂页
某些数据库索引中，数据页可能因为整理导致顺序被打乱但依然是部分有序，二分查找变体可以用于在这些段中快速定位。
场景4：游戏开发中的物品栏排序
游戏中的背包物品可能按某种顺序排列，但用户可以对物品进行旋转排序（如把前面的物品移到后面），查找特定物品时可以用类似思想。
场景5：算法面试题
这道题是二分查找变体中最经典的考题，考察对二分思想的深刻理解。
七、总结：从一道题到一类题
回顾一下，我们从搜索旋转排序数组学到了什么：
| 维度 | 收获 |
|---|---|
| 算法思维 | 线性扫描 → 二分查找，理解"部分有序"性质如何被利用 |
| 代码技巧 | 动态判断有序半区、区间端点比较的细节 |
| 复杂度分析 | O(log n) 时间、O(1) 空间，最优解 |
| 面试要点 | 为什么要判断有序半区？条件为什么是 <=？如何处理边界？ |
| 工程关联 | 日志索引、环形缓冲、数据库索引、背包管理 |
力扣热题100的第三十三题，不是为了难住你，而是为了告诉你：二分查找的舞台远不止完全有序的数组。学会识别问题中的"部分有序"，你就能让二分查找的光芒在不完美中继续闪耀。
下一期预告：《在排序数组中查找元素的第一个和最后一个位置》------二分查找的两次运用
附录：思考题
看完这篇文章，你可以试着回答：
- 如果数组中允许重复元素（LeetCode 81），上述算法需要怎么调整？
- 如何用这个思想解决"旋转数组中的峰值查找"问题？
- 你能用这道题的思路，去解 LeetCode 153（寻找旋转排序数组中的最小值）和 LeetCode 154（寻找旋转排序数组中的最小值 II）吗？
欢迎在评论区留下你的思考！