I have a date with Algorthim

本文链接：https://blog.csdn.net/XXJ19950917/article/details/70338184

BinarySearch

定义:
- 在计算机科学中, 二分搜索(binary search), 也称折半搜索(half-interval search)、对数搜索(logarithmic search), 是一种在有序数组中查找某一特定元素的搜索算法.
- 搜索过程从数组的中间元素开始, 如果中间元素正好是要查找的元素, 则搜索过程结束;
- 如果某一特定元素大于或者小于中间元素, 则在数组大于或小于中间元素的那一半中查找,而且跟开始一样从中间元素开始比较.
- 如果在某一步骤数组为空, 则代表找不到.(也就代表遍历完整个数组也没有找到这个元素).
- 这种搜索算法每一次比较都使搜索范围缩小一半.

BinarySearch

解析步骤:
- 给予一个包含n个带值元素的数组A或是记录A0 ... An−1, 使得A0 ≤ ... ≤ An−1(有序数组), 以及目标值T，还有下列用来搜索T在A中位置的子程序.
  - a. 令L为0, R为n− 1.
  - b. 如果L > R, 则搜索以失败告终.
  - c. 令m(中间值元素)为(L + R) / 2加上下高斯符号.
  - d. 如果Am < T, 令L为m + 1并回到步骤二.
  - e. 如果Am > T, 令R为m - 1并回到步骤二.
  - f. 当Am = T, 搜索结束: 回传值m.
- 这个迭代步骤会持续通过两个变量追踪搜索的边界.
- 有些实际应用会在算法的最后放入相等比较, 让比较循环更快, 但平均而言会多一层迭代.
- 这时候需要联想分治的思想, 分解的子问题之间相互独立且与原问题的形式相同.
- 最重要的就是子问题的合并可以得到原问题的解.

大致匹配:
- 以上程序只适用于完全匹配, 也就是查找一个目标值的位置.
- 不过,因为有序数组的顺序性,将二分搜索算法扩展到能适用大致匹配并不是很重要.
- 举例来说, 二分搜索算法可以用来计算一个赋值的排名(或称秩, 比它更小的元素的数量)、前趋(下一个最小元素)、后继(下一个最大元素)以及最近邻.
- 搜索两个值之间的元素数目的范围查询可以借由两个排名查询(又称秩查询)来运行.
- 排名查询可以使用调整版的二分搜索来运行.
- 借由在成功的搜索回传m, 以及在失败的搜索回传L, 就会取而代之地回传了比起目标值小的元素数目.
- 前趋和后继查询可以借由排名查询来运行.
- 一旦知道目标值的排名, 其前趋就会是那个位于其排名位置的元素(因为它是小于目标值的最大元素).
- 其后继是(数组中的)下一个元素, 或是（非数组中的）前趋的下一个元素.
- 目标值的最近邻可能是前趋或后继, 取决于何者较为接近.
- 范围查询也是直接了当的.
- 一旦知道两个值的排名, 不小于第一个值且小于第二个值的元素数量就会是两者排名的差.
- 这个值可以根据范围的端点是否算在范围内, 或是数组是否包含其端点的对应键来增加或减少1.

复杂度分析:
- 时间复杂度
  - 折半搜索每次把搜索区域减少一半, 时间复杂度为 O(log n).(n代表集合中元素的个数)
- 空间复杂度
  - O(1).
  - 虽以递归形式定义, 但是尾递归, 可改写为循环.

示例代码:

    // 递归版本
    int binary_search(const int arr[], int start, int end, int khey) {
        if (start > end) // 上面的L > R
            return -1;
        int mid = start + (end - start) / 2; //直接平均可能會溢位，所以用此算法
        if (arr[mid] > khey)
            return binary_search(arr, start, mid - 1, khey);
        if (arr[mid] < khey)
            return binary_search(arr, mid + 1, end, khey);
        return mid; //最後檢測相等是因為多數搜尋狀況不是大於要不就小於
    }

    // while循环
    int binary_search(const int arr[], int start, int end, int khey) {
        int mid;
        while (start <= end) {
            mid = start + (end - start) / 2; //直接平均可能會溢位，所以用此算法
            if (arr[mid] < khey)
                start = mid + 1;
            else if (arr[mid] > khey)
                end = mid - 1;
            else
                return mid; //最後檢測相等是因為多數搜尋狀況不是大於要不就小於
        }
        return -1;
    }

    //javascript版本
    Array.prototype.binary_search = function(low, high, khey) {
        if (low > high)
            return -1;
        var mid = parseInt((high + low) / 2);
        if (this[mid] > khey)
            return this.binary_search(low, mid - 1, khey);
        if (this[mid] < khey)
            return this.binary_search(mid + 1, high, khey);
        return mid;
    };

    # python版本
    def binary_search(arr,start,end,hkey):
        if start > end:
            return -1
        mid = start + (end - start) / 2
        if arr[mid] > hkey:
            return binary_search(arr, start, mid - 1, hkey)
        if arr[mid] < hkey:
            return binary_search(arr, mid + 1, end, hkey)
        return mid

    //c#版本
        static int binary_search(int[] arr, int start, int end, int khey)
        {
            int mid;
            while (start <= end)
            {
                mid = (start + end) / 2;
                if (arr[mid] < khey)
                    start = mid + 1;
                else if (arr[mid] > khey)
                    end = mid - 1;
                else
                    return mid; 
            }
            return -1;
        }