Java数据与算法整理目录
查找算法
在java中,我们常用的查找有4中
- 顺序(线性)查找
- 二分查找/折半查找
- 插值查找
- 斐波那契查找
线性查找
思路
线性查找是逐一比对,发现有相同的值,就返回下标
代码
package G查找;
/**
* @Author Zhou jian
* @Date 2020 ${month} 2020/1/5 0005 15:32
*/
public class SequenceSearch {
public static void main(String[] args) {
int[] arr = {1,9,11,-1,34,89};//没有顺序的数组
System.out.println(sequenceSearch(arr,11));
}
/**
* 这里我们实现的线性查找是找到一个满足条件的值就返回
* @param arr
* @param value
* @return
*/
public static int sequenceSearch(int[] arr,int value) {
//线性查找是逐一比对,发现有相同值,就返回下标
for (int i = 0; i < arr.length; i++) {
if (arr[i] == value) {
return i; //找到返回下标
}
}
//没有找到就返回-1
return -1;
}
}
二分查找(基于有序数组)
思路
-
确定数组中间的下标 mid = (left+right)/2
-
然后让需要查找的数 findVal和arr[mid]比较
2.1 如果findVal>arr[mid],说明要查找的数在mid的右边,因此需要递归的向右查找
2.2 如果findVal<arr[mid],说明要查找的数在mid的左边,因此需要递归的向左查找
2.3 如果findVal==ar[mid],说明找到就返回
-
什么时候结束递归?
3.1、找到就结束
3.2、递归完整个数组,仍然没有找到findVal,也需要结束递归,当left>right需要结束递归
代码
package G查找;
/**
* @Author Zhou jian
* @Date 2020 ${month} 2020/1/5 0005 15:48
* 二粉查找: 使用二分查找的前提 该数组是有序的
*/
public class BinarySearch {
public static void main(String[] args) {
System.out.println(1223);
int[] arr = {1,8,10,1000,1234};
int index = binarySearch(arr,0,arr.length-1,4);
System.out.println(index);
}
//二分查找
/**
*
* @param arr 数组
* @param left 左边索引
* @param right 右边索引
* @param value 要查找的值
* @return
*/
public static int binarySearch(int[] arr,int left,int right,int value){
//当left>right说明递归整个数组,但是没有找打
if(left>right){
return -1;
}
int mid = (left+right)/2;
if(arr[mid]>value){ //向左递归
right = mid-1;
return binarySearch(arr,left,right,value);
}else if(arr[mid]<value){ //向右递归
left = mid+1;
return binarySearch(arr,left,right,value);
}else {
return mid;
}
}
}
扩展
当一个有序数组中,有多个相同的数值时,如何将所有的数值都查找到,比如这里的1000
[1,8,10,89,1000,1000,1234]
//完成一个课后思考题
//当一个有序数组中,有多个相同的数值时,如何将所有的数值都查找到,比如这里的1000
//在找到mid值时,不要马上返回
//1、向mid索引值的左边扫描,将所有满足1000的元素下标加入到集合中
//2、、向mid索引值的右边扫描,将所有满足1000的元素下标加入到集合中
//3、将ArrayList返回就可
//[1,8,10,89,1000,1000,1234]
public static void binarySearch2(int[] arr,int left,int right,int value){
//当left>right说明递归整个数组,但是没有找打
if(left>right){
return ;
}
int mid = (left+right)/2;
if(arr[mid]>value){ //向左递归
right = mid-1;
binarySearch2(arr,left,right,value);
}else if(arr[mid]<value){ //向右递归
left = mid+1;
binarySearch2(arr,left,right,value);
}else {//找到一个元素
count++;
index[count] = mid;
binarySearch2(arr,left,mid-1,value);//向左边扫描
binarySearch2(arr,mid+1,right,value);//向右边扫描
}
}
插值查找(自适应mid的二分查找)
改进型的二分查找算法(更加适用于连续的数值)
思路
插值查找算法类似于二分查找,不同的是插值查找每次从自适应mid处开始查
将折半查找中的mid索引公式,low改成左边索引left,high表示右边索引right;
key就是要查找的值
3、int midIndex = low +(high-low)*(key-arr[low])/(arr[high]-arr[low])
对应前面的公式:
int midIndex = left + (right - left) * (findVal - arr[left]) / (arr[right]-arr[left])
代码
package G查找;
/**
* @Author Zhou jian
* @Date 2020 ${month} 2020/1/5 0005 17:32
插值查找
*/
public class InsertValueSearch {
public static void main(String[] args) {
int[] arr = new int[100];
for(int i =0;i<100;i++){
arr[i] = i+1;
}
int index = insertValue(arr,0,arr.length-1,100);
System.out.println(index);
}
//编写插值查找算法
//插值查找算法也要求数组是有序的
/**
*
* @param arr 待查找数组
* @param left 左边索引
* @param right 右边索引
* @param findVal 待查找的值
* @return
*/
public static int insertValue(int[] arr,int left,int right,int findVal){
//注意 findVal<arr[0] 和 findVal>arr[arr.length-1]必须需要
//否则我们得到的mid可能越界
if(left>right || findVal<arr[0] || findVal>arr[arr.length-1]){
return -1;
}
//求出mid
int midIndex = left + (right - left) * (findVal - arr[left]) / (arr[right]-arr[left]);
int midValue = arr[midIndex];
if(findVal>midValue){ //向右边递归查找
return insertValue(arr,midIndex+1,right,findVal);
}else if(findVal<midValue){ //向左边递归查找
return insertValue(arr,left,midIndex+1,findVal);
}else{//找到
return midIndex;
}
}
}
小结
- 对于数据量较大,关键字分布比较均匀的查找表来说,采用插值查找,速度较快
- 关键字分布不均匀(跳跃性较大)的情况下,该方法不一定比折半要好
斐波那契(黄金分割法)查找算法–基于有序数组
思路
斐波那契数列{1,1,2,3,5,8,13,21}发现斐波那契数列的两个相邻林的比例无限接近两个相邻数的比例,无限接近黄金分割值 0.618
菲波那切(黄金分割)原理:斐波那契查找:借助菲薄纳妾数列找到分割点
斐波那契查找原理与前两种相似,仅仅改变了中间节点(mid)的位置
mid不再是中间或插值得到,而是位于黄金分割点附近
即mid=low+F(k-1)-1 (F代表菲波那切数列)
对于F(k-1)-1的理解
1)由斐波那契数列 F[k]=F[k-1]+F[k-2] 的性质,可以得到(F[k]-1)=(F[k-1]-1)+(F[k-2]-1)+1
式说明:只要顺序表的长度为F[k]-1,则可以将该表分成长度为F[k-1]-1和F[k-2]-1的两段,即如上图所示。从而中间位置为mid=low+F(k-1)-1
2)类似的,每一子段也可以用相同的方式分割
3顺序表长度n不一定刚好等于F[k]-1,所以需要将原来的顺序表长度n增加至F[k]-1里的k值只要能使得F[k]-1恰好大于或等于n即可,由以下代码得到,顺序表长度增加后,新增的位置(从n+1到F[k]-1位置),都赋为n位置的值即可。
while(n>fib(k)-1){
k++;
}
代码
package G查找;
import java.util.Arrays;
/**
* @Author Zhou jian
* @Date 2020 ${month} 2020/1/5 0005 18:25
* 斐波那契查找:借助菲薄纳妾数列找到分割点
*/
public class FibonacciSearch {
static int maxSize = 20;
public static void main(String[] args) {
int[] arr = {1,8,10,89,1000,1234};
System.out.println(fibSearch(arr,11));
}
//因为后面我们mid=low+F(k-1)-1,需要使用到斐波那契数列,因此我们需要先获取到一个菲薄那切数列
//非递归方式
public static int[] fib(){
int[] f = new int[maxSize];
f[0]=1;
f[1]=1;
for(int i=2;i<maxSize;i++){
f[i] = f[i-1]+f[i-2];
}
return f;
}
//编写菲薄纳妾查找算法
//使用非递归的方式编写算法
/**
*
* @param a 数组
* @param key 我们需要查找的关键码(值)
* @return
*/
public static int fibSearch(int[] a,int key){
int low = 0 ;
int high = a.length-1;
int k = 0; //表示菲波那切数值的下标 mid=low+F(k-1)-1 为这个表达式中的k
int mid = 0; //存放mid至
int[] f = fib();//获取斐波那契数列
//获取到斐波那契分隔数值的下标 k,才能容纳下待比较的数组
while(high>f[k]-1){
k++;
}
//因为f[k]值可能大于数组的长度,因此我们需要使用Arrays类构件一个新的数组,并指向a
//不足的部分会使用0填充
int[] temp = Arrays.copyOf(a,f[k]);
//实际上需要使用a数组的最后的数填充temp
//举例:
//temp 1 8 10 89 1000 1234 0 0 0 =》 1 8 10 89 1000 1234 1234 1234 1234
for(int i=high+1;i<temp.length;i++){
temp[i]=a[high];
}
//使用while循环来处理,找到我们的数key
while(low<=high){//只要这个条件
mid = low + f[k-1]-1;
if(key<temp[mid]){//说明我们应该继续向数组的前部分查找左边
high = mid-1;
//为什么k--?
//1、全部的元素 = 前面的元素+后面的元素
//2、f[k] = f[k-1]+f[k-2]
//因为前面有f[k-1]个元素,所以继续拆分 f[l-1]=f[k-2]+f[k-3]
//记载f[k-1]的前面继续查找 k--
//即下次循环 mid=f[k-1-1]-1
k--;
}else if(key>temp[mid]){//说明我们应该继续向数组的后面(右面查找)
low = mid+1;
//为什么是k-2
//1、全部元素=前面元素+后面元素
//2、f[k]=f[k-1]+f[k-2]
//因为后面有f[k-2]个元素所以我们可以继续拆分f[k-2]=f[k-3]+f[k-4]
//即在f[k-2]的前面进行查找k -=2
//即下次循环 mid=f[k-1-2]-1
k -=2;
}else{//找到
//需要确定,返回的是哪个下标,为什么返回晓得????????
if(mid<=high){
return mid;
}else{
return high;
}
}
}
//没有找到
return -1;
}
}
-4]
//即在f[k-2]的前面进行查找k -=2
//即下次循环 mid=f[k-1-2]-1
k -=2;
}else{//找到
//需要确定,返回的是哪个下标,为什么返回晓得????????
if(mid<=high){
return mid;
}else{
return high;
}
}
}
//没有找到
return -1;
}
}