InterviewGuide 算法精讲:LeetCode 278. 第一个错误的版本——二分查找找分割点的边界处理与整数溢出陷阱

  • 文档
  • 教程
  • 知识库

【免费下载链接】InterviewGuide

🔥🔥「InterviewGuide」是阿秀从校园->职场多年计算机自学过程的记录以及学弟学妹们计算机校招&秋招经验总结文章的汇总,包括但不限于C/C++ 、Golang、JavaScript、Vue、操作系统、数据结构、计算机网络、MySQL、Redis等学习总结,坚持学习,持续成长!

项目地址: https://gitcode.com/forthespada/InterviewGuide
点击查看 免费下载

本文基于 InterviewGuide 仓库「精选力扣 300+ 道算法题」二分查找分栏下的 278. 第一个错误的版本 笔记展开。这道题是二分查找中典型的「找分割点」问题:它不是在一个有序数组里找一个确定的值,而是在一个只有 true/false 两种状态的单调序列中,找出状态发生翻转的第一个位置。读完本文,你将掌握:为什么不能用 (lo + hi) / 2 计算中间值、lo = mid + 1 与 hi = mid 这对边界移动规则背后的循环不变量,以及如何把同类「第一个/最后一个满足条件」问题统一到同一套二分框架下。

一、题目背景与问题描述

原题设定是这样的:你是一名产品经理,正在带领团队开发新产品。不幸的是,最新版本没有通过质量检测。由于每个版本都是基于之前版本开发的,错误的版本之后的所有版本也都是错的。

假设你有 n 个版本 [1, 2, ..., n],需要找出导致之后所有版本出错的第一个错误的版本。系统提供了一个黑盒接口:

bool isBadVersion(int version);

调用它来判断版本号 version 是否在单元测试中出错,并要求尽量减少对 API 的调用次数,在此基础上实现一个函数查找第一个错误的版本。

题目给出的示例:

给定 n = 5,并且 version = 4 是第一个错误的版本。

调用 isBadVersion(3) -> false
调用 isBadVersion(5) -> true
调用 isBadVersion(4) -> true

所以,4 是第一个错误的版本。

可以看到,这个问题的核心约束是「尽量减少对调用 API 的次数」。如果从头到尾逐个调用 isBadVersion 线性扫描,最坏情况需要 n 次调用;而版本序列天然满足「前面全对、后面全错」的单调性质,这正是二分查找能派上用场的信号,能把调用次数压缩到 O(log n)。

二、为什么这道题是二分查找:单调布尔序列与「分割点」模型

仓库笔记里对这道题的定位有一句非常精辟的总结:

这是二分里比较难的题目了吧,找的是分割点,不是某个值。[********########] 就像这样的有序数组,找第一个 # 号。

把版本序列抽象出来,它其实就是一个布尔数组,前半段是 false(版本正确),后半段是 true(版本出错):

版本号:   1  2  3  4  5 ...
状态:     f  f  f  t  t ...   (f = 正确,t = 出错)

我们要找的,就是第一个从 f 翻转到 t 的位置——即「分割点」,而不是某一个确定的值。这与普通的「查找某个值」二分(如 704. 二分查找)有本质区别:

  • 查找某个值:比较 nums[mid] 与 target 是否相等,找到即返回,可能提前退出。
  • 查找分割点:只依据 isBadVersion(mid) 的布尔结果决定往哪一半收缩,循环结束后答案自然收敛到唯一的分割位置。

二分搜索是「查找某个值」的演化版本——如果找不到目标值,就返回它本应该所在的位置(即上面 # 号的位置)。笔记中给出的建议是:遇到这种二分搜索变体,就拿 bad version 这道题去套用理解,一通百通。

三、标准解法:二分法,注意边界

笔记给出的核心 C++ 解法如下:

bool isBadVersion(int version);

class Solution {
public:
    int firstBadVersion(int n) {
        int lo = 1, hi = n;

        while(lo < hi) {
            int mid = lo + (hi - lo) / 2;
            if (isBadVersion(mid)) {
                hi = mid;
            } else {
                lo = mid + 1;
            }
        }
        return hi;
    }
};

下面用 n = 5、第一个错误版本为 4 的示例手动走一遍,验证收敛过程:

轮次lohimidisBadVersion(mid)动作新区间
1153falselo = mid + 1 = 4[4, 5]
2454truehi = mid = 4[4, 4]
344循环结束,返回 4

最终返回 4,与预期一致。整段代码里藏着两个决定正确性的关键细节,下面分别展开。

关键细节一:mid 的计算公式——整数溢出陷阱

笔记开篇就强调了一个非常容易被忽略的硬性要求:

不能写 int mid = (lo + hi) / 2; 要写 int mid = lo + (hi - lo) / 2;

原因是:当 lo 和 hi 都接近 INT_MAX 时,lo + hi 本身就会先发生有符号整数溢出(signed integer overflow),再除以 2 得到的就是一个错误甚至未定义行为的结果。而 lo + (hi - lo) / 2 先求差值再折半,hi - lo 在区间有效时不可能溢出,是安全写法。

这个溢出问题在仓库的二分查找题单里反复出现,可以作为同一主题下的交叉印证:

  • 在 69. x 的平方根 笔记中,作者记录了穷举法里 (i * i) 在 int 下装不下大数而报错的经历,最终把 i 改成 long int 才通过——同样说明 int 乘法/加法在边界处的脆弱性;该题二分版还给出了 x / m < m 而非 m * m > x 的判等技巧,目的同样是规避乘法溢出。
  • 在 367. 有效的完全平方数(见 二分查找题单 对应小节)中,直接写 mid * mid == num 会触发 signed integer overflow 运行时报错,于是把上界直接限定为 46340(INT_MAX 的平方根),这也从侧面印证了二分过程中算术运算的溢出风险是 LeetCode 常见坑点。

对本题的 n 而言,若直接写 (lo + hi) / 2,当版本总数接近 2^31 - 1 时就会踩中这个陷阱,所以务必写成 lo + (hi - lo) / 2。

关键细节二:边界移动规则与循环不变量

再看循环体内的两条移动规则:

if (isBadVersion(mid)) {
    hi = mid;        // mid 是坏的,第一个坏版本可能在 mid 或更早
} else {
    lo = mid + 1;    // mid 是好的,第一个坏版本一定在 mid 之后
}

逐条解释:

  1. hi = mid 而不是 hi = mid - 1:当 isBadVersion(mid) == true 时,mid 自己就有可能是那个「第一个错误的版本」,必须把它保留在候选区间内,否则可能把正确答案排除掉。
  2. lo = mid + 1 而不是 lo = mid:当 isBadVersion(mid) == false 时,说明 1..mid 全部是好的,第一个坏版本只可能落在 [mid + 1, hi];同时,如果写成 lo = mid,当区间收缩到 lo + 1 == hi 且 mid == lo 时会陷入死循环——lo 永远不动。这正是二分边界问题最常见的两类 bug 之一:丢失答案与死循环。

循环终止条件是 lo < hi,每轮区间长度严格减半,最终必然收敛到 lo == hi 这一唯一位置,此时 lo 和 hi 指向同一个版本,就是第一个错误的版本。所以笔记特别指出:

这个题目,返回 lo 或者 hi 都行,因为终止条件是 lo == hi。

换句话说,while (lo < hi) + [mid, mid+1] 式的移动,天然保证「答案唯一落点」,这是它比 while (lo <= hi) 模板更适合找边界类问题的原因。仓库的 704. 二分查找 笔记对这两种模板做过对比:模板一(start <= end)需要在命中时立即 return mid;而模板三(start + 1 < end)在相邻时中止、循环后要单独补判 start 与 end。本解法则采用「左闭右闭 + lo < hi + 区间收敛」的写法,循环结束即答案,逻辑最简洁。

复杂度方面:每轮调用一次 isBadVersion 并把区间折半,时间复杂度和 API 调用次数均为 O(log n),额外空间 O(1),完全满足题目「尽量减少 API 调用次数」的要求。

四、优化写法:不在循环内重复定义临时变量

笔记还给出了第二种解法,思路一致,只是把 mid 的定义挪出循环,循环内只做判断和区间收缩:

int firstBadVersion(int n) {
    int low = 1;
    int mid = low + (n - low) / 2;
    while (low < n) {
        if (isBadVersion(mid)) {
            n = mid;
        } else {
            low = mid + 1;
        }
        mid = low + (n - low) / 2;
    }
    return low;
}

这段代码用 low、n 充当左右边界(n 同时是版本总数和右边界复用),在每次收缩区间后重新计算 mid。它在逻辑上与第一版完全等价:同样是 mid 为坏时把上界收到 mid、为好时把下界抬到 mid + 1,循环结束后返回收敛点。笔记中记录了当时该写法在 LeetCode 上的提交表现:

执行用时 :0 ms, 在所有 C++ 提交中击败了100.00%的用户
内存消耗 :8.3 MB, 在所有 C++ 提交中击败了5.38%的用户

需要说明的是,这是笔记作者当时提交的历史数据,不同时期、不同判题环境下的数据会有波动,参考价值在于「减少循环内重复分配/赋值」这一微优化方向本身。对面试而言,第一版的清晰结构更值得优先写出,第二版可作为加分项展示你对局部变量作用域与循环结构的理解。

五、同类题延伸:把「找边界」套路迁移到其他题目

「找第一个满足条件的位置」是二分查找里最高频的一类面试考点。InterviewGuide 仓库的二分查找题单(06-二分查找 目录)中还有几道与本题高度同源,建议放在一起刷:

1. 374. 猜数字大小

同样是「通过黑盒 API 获取信息 + 二分收缩」的模型,只是 guess(int num) 返回三态结果:-1(猜大了)、1(猜小了)、0(猜中)。它比本题多一个「命中即返回」的分支,但区间收缩逻辑(low = mid + 1、n = mid - 1)与本题如出一辙,非常适合用来验证你是否真正理解了二分边界。

2. 34. 在排序数组中查找元素的第一个和最后一个位置

这道 Medium 题把「找第一个」和「找最后一个」两个边界问题合并在一次提问里,是本题的直接升级版。仓库笔记里完整记录了三版迭代过程,其中第一版在 [1,2,2], 2 这个输入上报出了 AddressSanitizer: heap-buffer-overflow(数组越界)错误——原因是命中 target 后用 while (nums[mid] == target) mid++ 线性向外扩展时没有判断数组边界。这个踩坑过程再次印证:边界问题一定要同时考虑「数值边界」和「数组/区间边界」两件事,与本题 mid 溢出、区间收缩规则属于同一类心智模型。

3. 704. 二分查找

最基础的「找某个值」二分,作为理解本题「找分割点」的对照题。仓库笔记分别给出了模板一(start <= end,命中即返回)与模板三(start + 1 < end,循环后补判)两种写法,可以帮助你建立二分模板的统一坐标系。

六、小结:面试考官的三个考察点

综合仓库笔记与源码注释,这道题在面试中真正想考察的是三点:

  1. 能否识别单调布尔序列:从「坏版本之后全坏」推出答案可以用二分查找,而不是线性扫描——这是题目约束「尽量减少 API 调用次数」背后的唯一正解。
  2. 能否写出无 bug 的边界移动:hi = mid 保证不丢答案,lo = mid + 1 保证不死循环,终止条件 lo == hi 保证答案唯一;这三条是本题编码正确性的全部。
  3. 是否了解整数溢出:lo + (hi - lo) / 2 与 (lo + hi) / 2 的区别,在 n 接近 INT_MAX 时是致命差异,也是仓库内多道二分题反复出现的共同教训。

原题笔记位于 docs/notes/03-hunting_job/03-algorithm/03-leetcode/06-二分查找/easy/278.第一个错误的版本.md,更多二分查找相关题目可继续翻阅仓库的 二分查找题单。把「找第一个坏版本」这一套路吃透,再遇到「第一个不小于 target 的元素」「旋转数组最小值」「左右边界查找」等变体,就都能快速归入同一套「分割点二分」框架了。

  • 文档
  • 教程
  • 知识库

【免费下载链接】InterviewGuide

🔥🔥「InterviewGuide」是阿秀从校园->职场多年计算机自学过程的记录以及学弟学妹们计算机校招&秋招经验总结文章的汇总,包括但不限于C/C++ 、Golang、JavaScript、Vue、操作系统、数据结构、计算机网络、MySQL、Redis等学习总结,坚持学习,持续成长!

项目地址: https://gitcode.com/forthespada/InterviewGuide
点击查看 免费下载

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址