2024年最全【趣学算法】Day4 分治算法——二分搜索_分治法之二分查找(1)，大数据开发面试知识点

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

引入

分治算法要素

分治算法秘籍

二分搜索

算法题目

问题分析

算法步骤

完美图解

算法详解

算法分析

（1）时间复杂度：

（2）空间复杂度：

---

引入

现实生活中也有很多这样的例子，例如唱歌比赛，如果全国各地的歌手都来报名参赛，那么比赛就需要很长的时间，那怎么办呢？首先全国分赛区海选，然后每个赛区的前几名参加二分“海选”，最后选出比较优秀的选手参加电视节目比赛。这样既能把优秀的歌手呈现给观众，又能节省很多时间，因为全国各地分赛区的“海选”是同步进行的，有点“并行”的意思。

在算法设计中，也可以引入分而治之的策略，称为分治算法。分治算法的本质就是将一个大规模的问题分解为若干规模较小的子问题，分而治之。

分治算法要素

（1）原问题可分解为若干规模较小的相同子问题。

（2）子问题相互独立。

（3）子问题的解可以合并为原问题的解。

分治算法秘籍

（1）分解：将想要解决的问题分解为若干规模较小、相互独立、与原问题形式相同的子问题。

（2）治理：求解各个子问题。由于各个子问题与原问题形式相同，知识规模较小而已，因此当子问题划分的足够小时，就可以使用较简单的方法来解决。

（3）合并：按原问题的要求，将子问题的解逐层合并，构成原问题的解。

二分搜索

算法题目

某大型娱乐节目在玩猜数字游戏：主持人在女嘉宾的手心写一个10以内的整数，让女嘉宾的老公猜主持人写的数字是几，女嘉宾只能提示大了或小了，并且只有3次机会。

问题分析

从问题描述看，如果是n个数，那么最坏的情况需要猜分搜索n次才能成功。其实完全没必要一个数一个数地猜，因为这些数是有序的。可以使用二分搜索策略，每次和中间的元素做比较。如果比中间元素小，就在前半部分查找;如果比中间元间素大，就在后半部分查找。

算法步骤

一维 数组S[ ]用于存储有序序列，变量low 和high分别表示查找范围的下界和上界，middle 表示查找范围的中间位置，x为特定的查找元素。

(1)初始化。令low=0、high=n-1, 分别指向有序数组S[ ]中的第一个元素和最后一个元素。

(2) middle=(low+high)/2， 指向查找范围的中间元素。

(3) 如果low ≤ high, 转向步骤(4)， 否则算法结束。

(4)如果 x = S[middle] , 则查找成功，算法结束。如果x > S[middle] , 则令low = middle + 1;否则令 high = middle - 1，转向步骤（2）。

完美图解

在有序序列 (5，8. 15, 17. 25, 30. 34, 39, 45，52, 60) 中查找元素17的详细过程如下。

(1) 确定合适的数据结构。用一维数组S[ ]存储该有序序列，x = 17， 如下图所示。

(2) 初始化。令low = 0、high = 10, 计算 middle=(low+high)/2=5 , 如下图所示。

(3) 将 x 与 S[middle] 做比较。S[middle] = 30, x<S[middle]，令high = middle-1,在序列的前半部分查找，搜索范围缩小到子问题S[0…middle-1] , 如下图所示。

(4) 计算 middle = (low+high) / 2 = 2，如下图所示。

(5) 将x 与 S[middle]做比较。S[middle]=15, x>S[middle]， 令low = middle+1，在序列的后半部分查找，搜索范围缩小到子问题S[midde] +1…high],如下图所示。

(6) 计算 midde=(low+high)/2=3,如下图所示。

（7）将 x 与 S[middle]做比较。x = S[middle] = 17，查找成功，算法结束。

算法详解

下面使用BinarySearch(int s[ ] , int n , int x)函数实现二分搜索，其中s[ ]为有序数组，n为元素个数，x 为特定的查找元素。首先，令low指向有序数组的第一个元素，同时令high 指向有序数组的最后一个元素。如果 low <= high，则令 middle = (low + high) / 2，也就是令 middle 指向查找范围的中间元素。如果x = S[middle],则查找成功，返回元素的下标。如果x > S[middle]，则令low = middle+1,在后半部分搜索；否则令high = middle -1, 在前半部分搜索。
        一般情况下，如果low和high的数值不大，可以采用 middle=(low+high)/2 或者 middle = (low + high) >> 1。如果low和high的数值特别大，为避免low+high溢出，可以采用 middle = low+(high-low)/2。

int BinarySearch(int s[], int n, int x) { //二分搜索
    int low = 0, high = n - 1;
    //low 指向有序数组的第一个元素，high 指向有序数组的最后一个元素


![img](https://img-blog.csdnimg.cn/img_convert/21d0a962bf1a7afc0234a7b138b4795c.png)
![img](https://img-blog.csdnimg.cn/img_convert/41fc7c9bf03d291a34e920cc8a7a9767.png)
![img](https://img-blog.csdnimg.cn/img_convert/73d86e9d84c2066e480afa5f05cb1315.png)

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**

伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**