当前位置:首页 > 文章列表 > 文章 > java教程 > 使用 Collections.binarySearch() 实现对数查找方法如下:确保列表已排序:在调用 binarySearch() 之前,必须确保列表是按升序排列的。否则结果不可预测。调用 binarySearch 方法:int index = Collections.binarySearch(list, target);处理返回值:如果找到目标元素,返回其索引。如果未找到,返回一个负数,表示

使用 Collections.binarySearch() 实现对数查找方法如下:确保列表已排序:在调用 binarySearch() 之前,必须确保列表是按升序排列的。否则结果不可预测。调用 binarySearch 方法:int index = Collections.binarySearch(list, target);处理返回值:如果找到目标元素,返回其索引。如果未找到,返回一个负数,表示

2026-05-16 17:51:30 0浏览 收藏
Collections.binarySearch() 是 Java 中高效实现对数时间复杂度(O(log n))查找的核心工具,专为已排序的 List 设计——它不验证排序状态,仅依赖严格的升序(或指定 Comparator 下的一致顺序)来快速定位目标元素:返回非负值即成功命中索引,负值则精准指示插入位置(-index-1),但若列表未预先排序,结果将完全不可靠;因此务必先调用 Collections.sort() 或带 Comparator 的排序,并优先选用 ArrayList 以避免 LinkedList 随机访问带来的性能损耗——掌握这一机制,就能在有序数据中实现闪电般的查找与精准的插入点推导。

怎么利用 Collections.binarySearch() 在已经排序的 List 中实现对数时间复杂度的查找

Collections.binarySearch() 是 Java 提供的、专为已排序 List 设计的对数时间(O(log n))查找工具。它底层调用的是 Arrays.binarySearch() 的适配逻辑,要求列表必须**严格升序排列**(或按指定 Comparator 有序),否则结果未定义。

前提:确保 List 已正确排序

二分查找不检查顺序,只依赖索引中点比较。若列表无序,返回值不可靠(可能负数,也可能碰巧返回正索引但实际查不到)。

  • 升序自然排序:Collections.sort(list)(仅需排一次,后续可反复调用 binarySearch)
  • 自定义顺序:用 Collections.sort(list, comparator) 排序,并在 binarySearch 中传入**同一个 comparator**
  • 注意:ArrayList 和 LinkedList 都支持,但 LinkedList 的随机访问是 O(n),会拖慢二分过程;推荐用 ArrayList

基本用法与返回值含义

方法签名:

public static int binarySearch(List> list, T key)

或带比较器的版本:

public static int binarySearch(List list, T key, Comparator c)

返回值:

  • ≥ 0:找到元素,返回其**索引位置**(唯一匹配时返回该位置;有重复时返回任意一个匹配索引,不保证是第一个或最后一个)
  • < 0:未找到,返回值为 -(insertionPoint) - 1,其中 insertionPoint 是保持排序所需插入的位置(即第一个 ≥ key 的索引)

实用技巧与常见处理

利用返回值可快速实现多种需求:

  • 判断是否存在:binarySearch(list, key) >= 0
  • 获取插入位置(用于维护有序性):int pos = -(result + 1)(当 result
  • 查找重复元素的左边界?——binarySearch 不直接支持,需配合手动二分或改用 Arrays.binarySearch + list.toArray() 后处理
  • 避免自动装箱陷阱:对基本类型包装类(如 Integer),确保比较逻辑一致(例如不要混用 new Integer(1) 和 Integer.valueOf(1) 在自定义 comparator 中)

完整示例(升序 + 自定义 Comparator)

```java
ArrayList words = new ArrayList<>(Arrays.asList("apple", "banana", "cherry", "date"));
Collections.sort(words); // 升序
int idx = Collections.binarySearch(words, "cherry"); // 返回 2

// 按长度排序并查找
Collections.sort(words, Comparator.comparing(String::length));
idx = Collections.binarySearch(words, "fig", Comparator.comparing(String::length)); // 返回 0("fig" 长度为 3,插在 "apple" 前)
```

本篇关于《使用 Collections.binarySearch() 实现对数查找方法如下:确保列表已排序:在调用 binarySearch() 之前,必须确保列表是按升序排列的。否则结果不可预测。调用 binarySearch 方法:int index = Collections.binarySearch(list, target);处理返回值:如果找到目标元素,返回其索引。如果未找到,返回一个负数,表示插入点(即第一个比目标大的元素的位置的负数)。时间复杂度:binarySearch() 的时间复杂度为 O(log n),因为每次比较都将搜索范围减半。示例代码:List list = Arrays.asList(1, 3, 5, 7, 9); int target = 5; int index = Collections.binarySearch(list, target); if (index >= 0) { System.out.println("元素找到,索引: " + index); } else { System.out.println("元素未找到,插入位置: " + (-index - 1)); }注意事项:若列表未排序,binarySearch() 的结果可能不准确。可通过 Collections.sort(list) 确保列表排序。对于自定义对象,需实现 Comparable 接》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!

Java处理视频流:FFmpeg集成教程Java处理视频流:FFmpeg集成教程
上一篇
Java处理视频流:FFmpeg集成教程
个税申报怎么操作?手把手教程来啦
下一篇
个税申报怎么操作?手把手教程来啦
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    441次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    512次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    529次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    471次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    299次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码