經驗總結
- 二分中點的確定：int mid = start + (end - start) / 2;
LintCode: 457. 經典二分查找問題
LintCode: 14. 二分查找
LintCode: 585. 山脈序列中的最大值
LintCode: 75. 尋找峯值
旋轉數組的最小數字
LintCode: 159. 尋找旋轉排序數組中的最小值
LintCode: 160. 尋找旋轉排序數組中的最小值 II
LeetCode：1. 兩數之和
解法一：一遍哈希表
遍歷數組nums，將數組中的各個元素放入map(以數組值nums[i]爲map的key，以數組下標i爲map的value)；
在向map中添加元素之前，先檢查map中是否包含(target-nums[i])的值；
若包含(target-nums[i])的值，說明查找到對應的兩個數，返回其下標；
若未包含(target-nums[i])的值，則將數組對應元素nums[i]放入map中；
若遍歷完數組，map中都不含對應兩個元素，說明數組中不存在這樣的兩個元素，返回爲空；
- 時間複雜度：O(n)
遍歷包含n個元素的數組，所以時間複雜度爲O(n)；map中的查找由於是hash的過程，所以查找時間複雜度爲O(1) - 空間複雜度：O(n)
創建了大小爲n的map，所以空間複雜度爲O(n)
Golang: one-hash
解法二：兩遍哈希表
遍歷數組nums，將數組中的各個元素放入map(以數組值nums[i]爲key，以數組下標爲value)；
遍歷數組nums，以數組nums爲基準，判定(target-nums[i])的值是否包含在map中；
若(target-nums[i])的值包含在map中，則說明數組中包含對應的兩個元素，返回其下標；
若遍歷完數組nums，都不包含對應的兩個元素，則返回爲空；
- 時間複雜度：O(n)
時間複雜度主要消耗在數組的遍歷過程，數組長度爲n，所以遍歷數組的時間複雜度爲O(n)； - 空間複雜度：O(n)
空間複雜度主要消耗在map中，map的長度爲數組的長度，所以空間複雜度爲O(n)；
Golang: two-hash
歸併排序
算法思想
歸併排序利用分治思想和二分思想，在數據的分割上利用二分思想，在數據的合併及排序上利用分治思想
歸併排序基於分治思想，將多個已排好序的數組合併成一個有序的數組．
歸併排序的分類
二路歸併排序
具體做法爲：遍歷兩個數組，比較它們的值。誰比較小，誰先放入大數組中，直到數組遍歷完成
多路歸併排序
算法複雜度
平均時間複雜度：O(nlogn)
參考代碼
Java參考代碼: MergeSort.java
Go參考代碼: merge_sort_test.go
參考文檔
歸併排序就這麼簡單
歸併排序及優化(Java實現)
Go數據結構與算法-歸併排序
冒泡排序
冒泡排序就這麼簡單
如何理解算法時間複雜度的表示法，例如 O(n²)、O(n)、O(1)、O(nlogn) 等？
（數據結構）十分鐘搞定時間複雜度（算法的時間複雜度）