二分查找算法，也称为折半查找算法，是一种在有序数组中查找特定元素的高效算法。它的基本思想是将查找的区间逐渐缩小，直到找到目标元素或者确定目标元素不存在。
算法步骤如下：
- 初始化：首先，确定数组的左右边界，通常初始时左边界为数组的起始索引，右边界为数组的末尾索引。
- 找到中间元素：计算左右边界的中间索引，然后取得该索引处的元素值。
- 比较中间元素：
- 如果中间元素等于目标值，查找成功，返回元素索引。
- 如果中间元素大于目标值，说明目标值应该在左半边，将右边界移动到中间索引的左边一位。
- 如果中间元素小于目标值，说明目标值应该在右半边，将左边界移动到中间索引的右边一位。
- 重复：在新的查找区间中，重复步骤2和步骤3，直到左边界大于右边界，此时查找失败，返回-1，或者返回指示元素不存在的其他值。
算法特点：
- 二分查找算法的时间复杂度是O(log n)，其中n是数组的大小。这是因为每一次比较都将查找范围缩小为原来的一半。
- 但是，二分查找算法要求输入的数据必须是有序的。如果数组无序，需要事先进行排序操作。
- 由于二分查找每次将查找范围缩小为一半，因此它的效率非常高，尤其是在大型数据集中的查找操作。
- 二分查找算法是一种迭代的算法，也可以使用递归实现。
Java版：
代码语言：javascript复制package LeetCode_1.Binary_search;
//小淼的算法之路
//二分法题目：在有序数组中A内，查找数组中的某一个元素的下标（本题是从由小到大的顺序）
public class Binary_search {
//二分查找算法版本1.0
public static int BinarySearchBasic(int[] a, int target){
int i = 0,j = a.length -1;//设置指针和初值
while (i <= j){
int m = (i j)>>>1;//m：中间值
if(target < a[m]){//若查找的在中间值左边（小于中间值），最大值指针j占据中间值-1的位置，在进行计算
j = m -1;
} else if (a[m] < target){//若查找的在中间值右边（大于中间值），最小值指针j占据中间值 1的位置，在进行计算
i = m 1;
} else {
return m;//否则就是target值与中间值相等，直接返回中间值
}
}
return -1;//不存在时返回-1，因为能找到的都在数组当中，在数组中的都有一个索引值，所以能找到的输出的数组索引值不可能为-1
}
/*本题问题1：为什么i<=j 意味着区间未比较的元素，而不是i<j ?
* 答：因为i,j 它们指向的元素也会参与比较，若i<j,则参与比较的只能是i与j中间的值,若这时i与j指向的元素相同则该算法会发生错误。
* 本题问题2：为什么int m = (i j)>>>1;，而不是int m = (i j) / 2; ?
* 答：如果使用int m = (i j) / 2 来确定中间值的话多次循环会有问题：这与二进制的第一位是不是符号位有关（1：负，0：正）。
* 然而int m = (i j)>>>1 这种方式：将i j表示成的二进制整体向右移动一位（二进制对应的十进制做/2操作）
* */
//二分查找算法版本2.0
public static int BinarySearchUpgrades(int[] a, int target){
int i = 0,j = a.length; //第一处改动
while (i < j){ //第二处改动
int m = (i j)>>>1;
if(target < a[m]){
j = m; //第三处改动
} else if (a[m] < target){
i = m 1;
} else {
return m;
}
}
return -1;
}
//测试类
public static void main(String[] args) {
int[] a = {7,13,21,30,38,44,52,53,78,79,88,89,91,92,93,94};
int target = 92;
long startTime = System.nanoTime();;//开始时时间点
int result = BinarySearchBasic(a, target);//执行的算法
long endTime = System.nanoTime();//结束时时间点
long elapsedTime = endTime - startTime;//算法占用时间
if (result != -1) {
System.out.println("二分查找法1.0版本----------" "目标值 " target " 在数组中的索引是 " result "n" "算法执行时间（纳秒）: " elapsedTime);
} else {
System.out.println("二分查找法1.0版本----------" "目标值 " target " 未在数组中找到");
}
long startTime_1 = System.nanoTime();;//开始时时间点
int result_1 = BinarySearchUpgrades(a, target);
long endTime_1 = System.nanoTime();//结束时时间点
long elapsedTime_1 = endTime_1 - startTime_1;//算法占用时间
if (result_1 != -1) {
System.out.println("二分查找法2.0版本----------" "目标值 " target " 在数组中的索引是 " result_1 "n" "算法执行时间（纳秒）: " elapsedTime_1);
} else {
System.out.println("二分查找法2.0版本----------" "目标值 " target " 未在数组中找到");
}
}
}JavaScript：
代码语言：javascript复制function binarySearchBasic(a, target) {
let i = 0, j = a.length - 1; // 设置指针和初值
while (i <= j) {
let m = (i j) >>> 1; // m：中间值
if (target < a[m]) {
// 若查找的在中间值左边（小于中间值），最大值指针j占据中间值-1的位置，在进行计算
j = m - 1;
} else if (a[m] < target) {
// 若查找的在中间值右边（大于中间值），最小值指针j占据中间值 1的位置，在进行计算
i = m 1;
} else {
return m; // 否则就是target值与中间值相等，直接返回中间值
}
}
return -1; // 不存在时返回-1，因为能找到的都在数组当中，在数组中的都有一个索引值，所以能找到的输出的数组索引值不可能为-1
}
function binarySearchUpgrades(a, target) {
let i = 0, j = a.length; // 第一处改动
while (i < j) { // 第二处改动
let m = (i j) >>> 1;
if (target < a[m]) {
j = m; // 第三处改动
} else if (a[m] < target) {
i = m 1;
} else {
return m;
}
}
return -1;
}
const a = [7, 13, 21, 30, 38, 44, 52, 53, 78, 79, 88, 89, 91, 92, 93, 94];
const target = 92;
let startTime = performance.now(); // 开始时时间点
let result = binarySearchBasic(a, target);
let endTime = performance.now(); // 结束时时间点
let elapsedTime = endTime - startTime; // 算法占用时间
if (result !== -1) {
console.log(`二分查找法1.0版本---------- 目标值 ${target} 在数组中的索引是 ${result}n算法执行时间（毫秒）: ${elapsedTime}`);
} else {
console.log(`二分查找法1.0版本---------- 目标值 ${target} 未在数组中找到`);
}
let startTime1 = performance.now(); // 开始时时间点
let result1 = binarySearchUpgrades(a, target);
let endTime1 = performance.now(); // 结束时时间点
let elapsedTime1 = endTime1 - startTime1; // 算法占用时间
if (result1 !== -1) {
console.log(`二分查找法2.0版本---------- 目标值 ${target} 在数组中的索引是 ${result1}n算法执行时间（毫秒）: ${elapsedTime1}`);
} else {
console.log(`二分查找法2.0版本---------- 目标值 ${target} 未在数组中找到`);
}
