👋 欢迎阅读
🎯 欢迎来到「山脉数组的峰顶索引」题解之旅！ 本文将带你从"翻越一座单峰山脉找最高点"这一直观场景出发，深入理解二分查找二段性 的精妙运用，并掌握如何比较相邻元素判断上升/下降 来定位峰顶下标。
在开始之前，建议你先：
-
了解题目背景 ：这是 LeetCode 852 题，给定山脉数组 （先严格递增后严格递减，无重复），返回峰顶元素 的下标。本质上，数组具有二段性 ------左半满足"后一个更大"，右半不满足，问题转化为二分找到二段性的分界点。
-
明确学习目标 ：掌握相邻元素比较式二分 ，理解二段性判据 与上升/下降段的划分 ，并熟练处理峰顶在边界等边界情况。
-
准备好环境 ：建议在本地 IDE 或 LeetCode 在线编辑器中打开代码，边看边运行，亲手验证示例（如
arr = [0,2,1,0]输出1，arr = [0,10,5,2]输出1）。
本文将从问题转化、相邻比较、区间收缩、返回结果 到代码实现，层层递进。即使你对二段性二分 还不熟悉，我们也会从"哪边在上升就往哪边走"这一直觉出发，让你轻松抓住核心思想 ------比较邻居，向高处收缩。现在，让我们一起二分登顶，找到山脉的最高点吧！ ⛰️🎯
一.题目
二.做题思路
一、问题分析（前置分析）
- 题目要求：在山脉数组 （先严格递增后严格递减，长度 ≥ 3，无重复）中返回峰顶元素下标。
- 关键约束：存在唯一的峰顶 ；
arr[0] < arr[1]且arr[n-2] > arr[n-1]（峰顶不在两端）；元素无重复。 - 核心思路：利用二段性 ------峰顶左侧满足
arr[i] < arr[i+1]（上升段），右侧满足arr[i] > arr[i+1]（下降段），二分找分界点。
二、算法策略（二段性二分 · 相邻比较）
核心步骤：
- 初始化区间 ：
left = 0、right = n - 1。- 二分收敛 ：
while (left < right)，mid下取整 （left + (right - left) / 2）。- 相邻比较：
arr[mid] < arr[mid + 1]→ mid 在上升段 ，峰顶在右半，left = mid + 1；arr[mid] > arr[mid + 1]→ mid 在下降段 ，峰顶在左半（含 mid），right = mid。- 返回 ：循环结束后
left == right即峰顶下标。
示例执行过程 （arr = [0,2,1,0]）：
| 阶段 | left | right | mid | arrmid vs arrmid+1 | 操作 | 结果 |
|---|---|---|---|---|---|---|
| ① | 0 | 3 | 1 | 2 < 1 否 → 2 > 1 | 下降段，收缩右侧 | right=1 |
| ② | 0 | 1 | 0 | 0 < 2 | 上升段，收缩左侧 | left=1 |
| 收敛 | 1 | 1 | --- | --- | 返回 1 | 1 |
arr = [0,10,5,2]：mid=1，10 > 5 → right=1；mid=0，0 < 10 → left=1；收敛于 1，返回 1。均与题目一致。
三、正确性说明（简单版本）
- 二段性判据可靠 ：山脉数组任意相邻对
(arr[i], arr[i+1])只有两种状态------上升 （峰顶左侧）或下降 （峰顶右侧），且状态单调变化一次 ，判据arr[mid] < arr[mid+1]恰好识别二段性，不会误判。- 收缩方向正确 ：上升段丢弃左半（含 mid），下降段保留 mid 向左收敛，峰顶始终在区间内，单调收敛到唯一峰顶 ，不漏解。
- 终止性 ：
left = mid + 1与right = mid（下取整保证mid < right）均严格缩小，不会死循环。- 无需校验 ：题目保证山脉结构，收敛点必为峰顶，无需事后比较。
四、实现细节（边界防护）
- 初始化：
left = 0、right = (int)arr.size() - 1。- 边界防护：题目保证
n >= 3且峰顶不在两端，arr[mid+1]访问安全（mid < right恒成立）；n == 1的退化输入会直接返回 0（虽然题目不要求）。- 复杂度：时间 O(log n) （每次排除一半区间），空间 O(1)（仅常数个变量）。
- 关键判断 ：
if (arr[mid] < arr[mid + 1]) left = mid + 1; else right = mid;（二段性收敛）、while (left < right)（循环边界）。
五、返回值（目标映射）
- 返回
left：峰顶下标，对应题目"返回峰顶元素的索引"。
三.代码
cpp
class Solution
{
public:
int peakIndexInMountainArray(vector<int>& arr)
{
int left = 0; // 区间左端点
int right = (int)arr.size() - 1; // 区间右端点
// 1. 二段性二分：比较相邻元素，判断 mid 在上升段还是下降段
while (left < right)
{
int mid = left + (right - left) / 2; // mid 下取整，配合 right = mid
if (arr[mid] < arr[mid + 1])
{
left = mid + 1; // 上升段：峰顶在右半，丢弃左半（含 mid）
}
else
{
right = mid; // 下降段：峰顶在左半（含 mid），向左收敛
}
}
// 2. 收敛点即峰顶（题目保证山脉结构，无需校验）
return left;
}
};四、易错点分析
难点1：比较的是 arr[mid] 与 arr[mid+1] 而非 target
cpp
if (arr[mid] < arr[mid + 1])
left = mid + 1;
else
right = mid;传统二分比较 arr[mid] 与 target，本题没有 target，比较对象是相邻元素 。判据 arr[mid] < arr[mid+1] 回答的是"mid 在峰顶的哪一侧 "------上升段在左、下降段在右。把判据换成比较 mid 与固定值，或漏掉 mid+1 的越界检查，是本题最常见的错误方向。
难点2：为什么判据成立说明 mid 一定在"上升段"而非其他
cpp
// 数组 0 2 1 0：mid=1 时 arr[1]=2 > arr[2]=1 → 下降段
// 数组 0 2 5 3：mid=1 时 arr[1]=2 < arr[2]=5 → 上升段二段性保证：峰顶左侧所有相邻对都是上升 ，右侧都是下降 。因此只要 arr[mid] < arr[mid+1]，mid 必在峰顶左侧（或恰好是峰顶前一位），峰顶在 [mid+1, right]；反之 mid 在峰顶右侧或恰为峰顶，峰顶在 [left, mid]。理解二段性的单调变化是正确推导收缩方向的关键。
难点3：收缩方向与 mid 取整的匹配
cpp
int mid = left + (right - left) / 2; // 下取整
...
right = mid; // 向左收缩保留 mid下降段执行 right = mid ，要求 mid 下取整 ：相邻区间（right = left + 1）时 mid 取 left，right = mid 使区间缩小，不会死循环 。若误用上取整（如照抄 35 题模板），相邻时 mid 取 right，right = mid 不缩小，死循环。模板必须成套使用。
难点4：arr[mid + 1] 的越界风险
cpp
while (left < right)
{
int mid = ...;
if (arr[mid] < arr[mid + 1]) // 访问 mid+1循环条件 left < right 保证 mid < right ≤ n-1，因此 mid + 1 ≤ n-1，访问永远不越界 。若把循环改成 left <= right 或 mid 上取整，mid 可能等于 n-1 甚至 right，arr[mid+1] 将越界 。这是把"相邻比较"写进错误循环条件时的高频 bug。
五、流程图
🎯 闭幕
🎉 恭喜你完成了「山脉数组的峰顶索引」问题的学习！
为了巩固知识并进一步拓展，建议你：
🚀 动手实践
在 LeetCode 上提交代码，尝试不同的测试用例。
💡 深入思考
-
本题利用山脉数组的 二段性 （先增后减），通过比较
arr[mid]与arr[mid+1]来判断mid在上升段还是下降段。为什么只比较相邻元素就能确定峰顶的方位？ 这背后的单调性依据是什么？ -
循环条件是
left < right，最后返回left（或right）。为什么不需要像传统二分那样在循环后校验结果？ 山脉数组的结构保证了什么？ -
本题要求时间复杂度 O(log n)。如果使用线性扫描找峰顶，时间复杂度是多少？ 在
n = 10^5时两种方法的效率差异有多大？
如果你觉得本文对你有所帮助，欢迎：
👍 点赞 / 收藏
👤 关注作者 ，获取更多题解
💬 留言交流你的疑问或优化思路
📌 深入思考答案
-
相邻元素比较 的核心依据是：若
arr[mid] < arr[mid+1]，说明mid处于 上升段 ，峰顶一定在mid的右侧（因为右侧还有更高的元素）；反之，若arr[mid] > arr[mid+1]，说明mid处于 下降段 ，峰顶一定在mid或其左侧。这是山脉数组"先增后减"的单调性决定的。 -
无需校验：因为题目保证数组是山脉数组，峰顶一定存在且唯一，二分收敛点必然就是峰顶，不需要额外检查。
-
线性扫描 O(n)，而二分 O(log n)，对于
n=10^5，线性扫描 10^5 次，二分只需约 17 次比较，效率提升显著。
祝你在 算法之路 上越走越稳，早日攻克每一道难题！下次见 🚀✨