LeetCode中等难度题目「162. 寻找峰值」，这道题的核心考点是二分查找的灵活运用——题目明确要求时间复杂度O(log n)，而很多人第一反应会想到暴力遍历，两种思路的碰撞正好能帮我们吃透二分查找的本质。
先明确题目核心，避免踩坑：
峰值元素定义：值严格大于左右相邻值的元素；
边界条件：默认nums[-1] = nums[n] = -∞（意味着数组首尾元素只要比相邻的一个元素大，就是峰值）；
输出要求：数组可能有多个峰值，返回任意一个即可；
关键约束：必须实现O(log n)时间复杂度。
一、先看直观解法：暴力遍历（不满足O(log n)，但帮我们理解题意）
拿到题目，最容易想到的就是从头到尾遍历数组，找到一个满足“严格大于左右”的元素。但先看下面这段暴力代码，其实它的思路更巧妙——利用了题目边界条件的隐藏优势。
function findPeakElement_1(nums: number[]): number {
let idx: number = 0;
for (let i = 1; i < nums.length; ++i) {
if (nums[i] > nums[idx]) {
idx = i;
}
}
return idx;
};
暴力解法解析
这段代码并没有逐元素判断“是否大于左右”，而是维护一个当前最大值的索引idx，遍历过程中不断更新idx为更大元素的位置，最终返回idx。为什么这样是对的？
核心逻辑：结合边界条件nums[n] = -∞，数组的最后一个元素如果是当前最大值，那么它一定是峰值（因为它右边是-∞，只要比左边大即可）；而遍历过程中，idx始终指向当前最大元素，这个元素的左边没有比它更大的元素，右边如果有更大的就会更新idx，直到遍历结束，idx指向的元素必然满足“比左边大”，且右边要么是更小的元素，要么是-∞，因此一定是峰值。
但注意：这种解法的时间复杂度是O(n)，虽然能通过所有测试用例，但不满足题目要求的O(log n)，因此只能作为辅助理解的思路，不能作为最终解法。
二、核心解法：二分查找（满足O(log n)，吃透核心思路）
二分查找的前提通常是“有序数组”，但这道题的数组是无序的，为什么能用到二分？这正是这道题的巧妙之处——我们不需要找到所有峰值，只需要找到任意一个，而数组的“局部单调性”足够支撑二分。
先看满足要求的二分解法代码：
function findPeakElement(nums: number[]): number {
const n: number = nums.length;
let left = 0;
let right = nums.length - 1;
// 辅助函数：比较两个索引对应的元素大小，处理边界（索引越界返回-∞）
const compare = (idx1: number, idx2: number): boolean => {
const get = (idx: number): number => {
if (idx < 0 || idx >= n) {
return -Infinity;
}
return nums[idx];
}
const num1 = get(idx1);
const num2 = get(idx2);
return num1 < num2;
}
while (left < right) {
// 计算中间索引（避免left+right溢出，等价于Math.floor((left+right)/2)）
const mid = Math.floor((left + right) / 2);
// 关键判断：比较mid和mid+1的大小，确定峰值所在区间
if (compare(mid, mid + 1)) {
// 右侧元素更大 → 峰值一定在右侧区间[mid+1, right]
left = mid + 1;
} else {
// 左侧元素更大（或相等）→ 峰值一定在左侧区间[left, mid]
right = mid;
}
}
return left;
};
二分解法核心思路（重中之重）
二分查找的关键是“每次缩小一半查找区间”，这道题的核心是「如何判断峰值在左半区间还是右半区间」，这里的判断逻辑基于一个简单但关键的观察：
对于任意中间索引mid，比较nums[mid]和nums[mid+1]：
-
如果nums[mid] < nums[mid+1]：说明从mid到mid+1是“上升”的。结合边界条件nums[n] = -∞，继续往右侧走，必然会出现一个“下降”的点（否则一直上升到末尾，末尾元素就是峰值），因此峰值一定在[mid+1, right]区间内；
-
如果nums[mid] > nums[mid+1]：说明从mid到mid+1是“下降”的。结合边界条件nums[-1] = -∞，往左侧走，必然会出现一个“上升”的点（否则一直下降到开头，开头元素就是峰值），因此峰值一定在[left, mid]区间内；
-
如果nums[mid] == nums[mid+1]：题目要求“严格大于”，因此mid和mid+1都不可能是峰值，此时归入第二种情况（nums[mid] > nums[mid+1]），缩小到左半区间即可（不影响最终结果，因为我们只需要任意一个峰值）。
细节补充（避坑点）
-
边界处理：辅助函数get(idx)专门处理索引越界的情况，当idx < 0或idx >= n时，返回-∞，完美契合题目给出的边界条件，避免手动判断首尾元素的特殊情况；
-
mid计算：用Math.floor((left + right)/2)，避免left+right数值过大导致溢出（虽然在JavaScript/TypeScript中数值溢出概率低，但这是二分查找的规范写法）；
-
循环终止条件：left < right，当left == right时，循环终止，此时left（或right）就是峰值的索引——因为每次缩小区间都能保证“区间内一定存在峰值”，最终收敛到唯一的索引就是峰值。
三、两种解法对比&总结
| 解法 | 时间复杂度 | 空间复杂度 | 核心优势 | 适用场景 |
|---|---|---|---|---|
| 暴力遍历（findPeakElement_1） | O(n) | O(1) | 思路简单，代码简洁 | 不要求时间复杂度，快速解题 |
| 二分查找（findPeakElement） | O(log n) | O(1) | 满足题目约束，效率更高 | 题目要求O(log n)，面试高频考点 |
四、面试延伸&思考
这道题是面试中常考的“二分查找变种”，重点考察你是否能跳出“二分只能用于有序数组”的思维定式，核心是抓住“局部单调性”和“边界条件带来的必然峰值”。
延伸思考：
-
如果数组中存在多个峰值，二分查找会返回哪一个？—— 取决于二分过程中区间缩小的方向，但无论返回哪一个，都满足题目要求；
-
如果数组是严格递增的，二分查找会返回什么？—— 会返回最后一个元素（因为最后一个元素右边是-∞，是峰值）；
-
如果数组是严格递减的，二分查找会返回什么？—— 会返回第一个元素（因为第一个元素左边是-∞，是峰值）。
最后总结：这道题的关键的是理解“二分查找的核心是缩小查找区间”，而不是“有序数组”。只要能找到一个判断条件，每次将区间缩小一半，并且保证目标一定在缩小后的区间内，就可以用二分查找。
