二分查找

版本一：查找元素，找到返回位置，否则返回-1标记

int search(vector<int>& a, int lo, int hi, int e)
{
    if (lo < hi)
    {
        int mi = (lo + hi)/2;
        if (e < a[mi]) search(a, lo, mi, e);
        else if (a[mi] < e)search(a, mi+1, hi, e);
        else return mi;
    }
    return -1;
}
int binary_search1(vector<int> &a, int e)
{
    int n = a.size();
    return search(a, 0, n,e);
}

代码分析：对向量进行二分查找，先取中值，若是目标元素则直接返回，若在左侧，则进入左侧区间查找，否则进入右侧区间，这样问题规模就缩减为原来的一半。
缺点：若有重复元素存在，不能找到该元素最后一个位置。返回的位置不好，不便于有序插入

版本二：查找元素，找到返回位置，否则返回合适的位置方便插入元素使之有序

int search(vector<int> &a, int lo, int hi, int e)
{
    while (lo < hi)
    {
        int mi = (lo + hi) >> 1;
        if (e < a[mi])
            hi = mi;
        else
            lo = mi + 1;
    }
    return --lo;

}
int binary_search(vector<int> &a, int e)
{
    int n = a.size();
    return search(a, 0, n, e);
}

代码分析：
计算步骤：先找中值，如果严格在左侧则进入左侧区间查找，否侧进入右侧区间查找。递归进行，当lo和hi相等时，返回lo前面一个位置。
证明：因为没有显示地考虑mi位置的元素，所以大家有理由怀疑这个算法的正确性。但是。。。这个算法就是正确的。
我们用数学归纳法证明：初始时0-lo，hi-n为空，可以认为0-lo区间元素都<=e，hi-n区间元素都>e。现在考虑一般情况，当e小于a[mi]时，hi会变为mi，0-lo区间元素都<=e,hi-h区间元素都>e；当e>=a[mi]时，lo变为mi+1，仍然满足该条件。递归进行，查找范围越来越小，当区间不存在，即lo=hi时，可以直观的看出lo前面的位置就是问题的解。
二分查找的优化还有fabnacci查找和插值查找。fabnacci查找需要满足黄金比例，而插值查找对于大量的线性数据很快。通常对大数据用插值方法，规模不大时用二分，很小时甚至可以考虑顺序查找。