本篇文章主要想展示自己在做这道题的思路过程，并不想
往常使用二分法来寻找数组中的特定值，但这个题目有所不同，是寻找部分有序数组的最小值，难点在于如何确认最小值处于左右哪一个区间。
思考
普通二分法的思路
在普通的二分法中，当前位置是不是目标值很好确定，当前值与目标值判等即可；目标值位于当前位置的左方还是右方也很好确定，将当前值与目标值比较即可；我们要找的位置具有显著的两点特征：
1）该位置的值 = 目标值
2）前一个位置的值 <= 该位置的值 <= 后一个位置的值
根据这两个特征就很容易确定目标值所在区间。
当前题目的思路
在当前题目中，最小值所在位置同样有特征：
1）前一个位置的值 > 该位置的值
2）该位置的值 < 后一个位置的值
整个数组除了最大值和最后一个元素都满足第2个特征，没有什么特别大的区分度，不好划分区间。
再看看第1个特征，仔细思考一下，满足这一特征的位置一定就是最小值所在位置。那么在二分中，如果不满足该特征，该如何确定最小值所在区间呢？答案是没法确定，因为除了最小值所在位置，其他位置都不满足该特征。这样看来，两个特征都不能解决我们的问题，需要寻找其他特征了。
其实可以把眼光放宽阔一些，不仅仅是最小值周围的值大于它，数组中的所有元素都大于它，挑选两个最特殊位置作为最小值所在位置的特征：
1）数组第一个元素的值 >= 该位置的值
2）该位置的值 <= 数组最后一个元素的值
思路1
假如以特征1作为划分区间的依据，则分为三种情况：
1）当前位置值 > nums[0]；
2）当前位置值 < nums[0]；
3）当前位置值 = nums[0]。
情况1（当前位置值 > nums[0]）：
最小值此时可能在右：
[4,5,6,7,0,1,2]^
也可能在左（此时最小值一定在数组第一个位置）：
[0,1,2,4,5,6,7]^
这两种子情况可以通过当前值与nums[n-1]比较来划分，总结一下就是
if 当前值 > nums[0] && 当前值 > nums[n-1]:l = mid + 1 // 从右区间找
if 当前值 > nums[0] && 当前值 < nums[n-1]:return nums[0]
情况2（当前位置值 < nums[0]）：
此时最小值一定在左区间或者当前位置
[6,7,0,1,2,4,5]^
情况3（当前位置值 = nums[0]）：
说明此时只剩下两个元素，返回两者中的较小值就可以
[1,0]^
代码实现
class Solution {public int findMin(int[] nums) {/**最小元素应该满足的性质：1）小于它左边的元素（假如左边有元素）2）小于它右边的元素（假如右边有元素）假如二分法找到了中间元素，可能有几种情况需要讨论1）大于nums[0]1. 且大于nums[n-1] -> l = mid + 12. 且小于nums[n-1] -> ans = nums[0]2）小于nums[0] -> r = mid3）等于nums[0] -> ans = min(nums[0], nums[1])*/ int n = nums.length;int l = 0, r = n - 1;while (l < r) {int mid = (l + r) / 2;if (nums[mid] > nums[0]) {if (nums[mid] > nums[n-1]) {l = mid + 1;} else {return nums[0];}} else if (nums[mid] < nums[0]) {r = mid;} else {return Math.min(nums[0], nums[1]);}} return nums[l];}
}
思路2
思路1的代码分支判断有些复杂，容易写错，假如使用特征2作为划分依据，代码就可以简洁多了
情况1：当前位置值 > nums[n-1]
这个时候最小值一定在右区间
[4,5,6,7,0,1,2]^
情况2：当前位置值 < nums[n-1]
这个时候最小值一定在左区间，包括当前位置
[6,7,0,1,2,4,5]^
[0,1,2,4,5,6,7]^
情况3：当前位置值 = nums[n-1]
不存在这种情况，因为这种情况只可能发生在区间内只剩下nums[n-1]这一个元素的时候，此时已经找到了最小值的位置
代码实现
class Solution {public int findMin(int[] nums) {/**最小元素应该满足的性质：1）小于它左边的元素（假如左边有元素）2）小于它右边的元素（假如右边有元素）假如二分法找到了中间元素，可能有几种情况需要讨论1) 大于nums[n-1] -> l = mid + 12) 小于nums[n-1] -> r = mid*/ int n = nums.length;int l = 0, r = n - 1;while (l < r) {int mid = (l + r) / 2;if (nums[mid] > nums[n-1]) {l = mid + 1;} else {r = mid;}} return nums[l];}
}
是不是看起来比思路1的代码精简了很多，可见同一个问题采用不同思路实现的复杂度差别是很大的，如果能再一开始分析比较选择最合适的思路，就能够为之后的实现和维护提供极大的方便。
