假设我有0和1的数组：前n个（可能是n = 0）元素是0，其他元素是1（例如[0,0,1,1,1]）。 但我看不到元素。我可以要求在某个位置显示元素。如果事实证明我打开两个1（在任何时候）我必须停止。什么算法导致我找到具有最小数量的开放元素的0的最后位置？
答案 0 :(得分：0)
第一个猜测可能是做二分法搜索：尝试使用中间元素将搜索空间减半。然而，事实证明，鉴于可用的次数有限，这不是一个很好的策略;如果你的第一个猜测结果是1，那么唯一安全的策略是从最大的已知安全位置线性开始，这将是开始。这是O（n）的最坏情况，你也可以从前面扫描得到。当然，我们可以做得更好。
如果我们在位置sqrt（n），2sqrt（n），...，n处尝试元素，如果我们在某个点找到1，则会线性迭代怎么办？
n = 100的示例，分为27。
check array[10]; value 0, so continue.
check array[20]; value 0, so continue.
check array[30]; value 1, so switch to linear.
check array[21]; value 0, so continue.
check array[22]; value 0, so continue.
check array[23]; value 0, so continue.
check array[24]; value 0, so continue.
check array[25]; value 0, so continue.
check array[26]; value 0, so continue.
check array[27]; value 1, so answer 26.
对于n = 100，最坏的情况是99处的分割，并检查10 + 9 = 19的值。检查值的上限是2sqrt（n），即O（sqrt（n）），对于朴素的线性方法，渐近优于O（n）。
你能做得更好吗？我持怀疑态度。该方法通过平衡快速方法（跳过多于一个）和慢速方法（线性扫描）的复杂性来实现加速，使得它们在最坏的情况下具有相同数量的步骤。由于整体复杂性是这两者的总和，并且因为一切看起来都是非常对称的，所以我怀疑这是最优的 - 任何其他跳过方式然后线性扫描在某些情况下可能会做得更好，但在其他情况下必须做得更糟。例如，每次加倍跳过 - 尝试2,4,8，...，n - 具有O（n）最坏情况复杂度，因为您在快速步骤中尝试log（n）值，并且在n / 2值中尝试缓慢的步骤（如果你尝试n时失败，你必须检查上面的所有内容~n / 2）。
答案 1 :(得分：-1)
使用循环逐个打开元素，然后使用if语句检查元素的值。如果位置j的元素为1，则退出循环，最后的0位于位置j-1