查找算法你知道哪些？

1. 顺序查找算法（Sequential Search Algorithm）

• 定义：顺序查找算法是一种简单的查找算法，它从数据结构的一端开始，顺序扫描，依次将扫描到的结点关键字与给定值进行比较，直到找到相等的值或扫描结束。
• 特点：适用于数据量较小的列表，时间复杂度为O(n)。

2. 二分查找算法（Binary Search Algorithm）

• 定义：二分查找算法是一种在有序序列中查找特定元素的算法。它通过将查找区间分成两半，判断待查找元素与中间元素的大小关系，逐步缩小查找范围，直到找到元素或查找范围为空。
• 特点：适用于有序列表，时间复杂度为O(log n)。

3. 插值查找算法（Interpolation Search Algorithm）

• 定义：插值查找算法是二分查找的一种改进，它根据查找关键字与查找区间的最大值和最小值进行比较，通过计算得到一个更接近关键字的中间位置pos，从而加快查找速度。
• 特点：适用于数据均匀分布的有序列表，时间复杂度为O(log log n)。

4. 斐波那契查找算法（Fibonacci Search Algorithm）

• 逻辑思想：

• 初始化：首先，需要确定斐波那契数列中第一个>=数组长度的数F[k]（F[k]表示斐波那契数列中的第k个数）。如果数组长度本身就是斐波那契数，则直接使用；如果不是，则选择第一个大于或等于数组长度的斐波那契数。

• 扩展数组：由于斐波那契数列中的数可能大于数组的实际长度，算法通常会在原数组末尾添加一些与数组最大元素相同的值，直到数组长度等于F[k]。这样做是为了保证后续步骤中索引不会越界。

• 查找过程：

  • 初始化两个指针low和mid，分别指向数组的起始位置和F[k-1]的位置（因为F[k-1] + F[k-2] = F[k]，所以mid是最后一个不会超出原数组长度的位置）。
  • 进入循环，比较mid位置的元素与目标值x：
    • 如果arr[mid] == x，则查找成功，返回mid（注意要减去扩展部分的长度）。
    • 如果arr[mid] > x，说明目标值在mid的左侧，调整high = mid - 1，并重新计算mid（但此时不使用斐波那契数列来直接计算新的mid，而是根据low和新的high范围来确定）。
    • 如果arr[mid] < x，说明目标值在mid的右侧，调整low = mid + 1，并重新计算mid（同样，不是直接通过斐波那契数列计算）。
  • 注意：这里的mid计算不是直接通过斐波那契数列来完成的，但在某些实现中，可能会利用斐波那契数列的性质来优化low、mid和high的更新策略，但核心思想仍然是二分查找的变种。

• 调整与返回：当low > high时，查找失败，返回-1。但在实际实现中，由于扩展了数组，如果最后low指向了扩展部分的某个位置，也需要返回-1或进行相应调整。

• 恢复原数组：在返回结果之前，需要移除扩展部分的元素，恢复原数组。

• 特点：适用于有序列表，时间复杂度也为O(log n)，但实现相对复杂。

5. 树表查找算法（Tree Table Search Algorithm）

• 定义：基于树型数据结构的查找算法，可以快速定位特定元素。常用的树表包括二叉查找树、AVL树、红黑树等。
• 特点：适用于大规模的动态查找表，时间复杂度为O(log n)。

6. 分块查找算法（Block Search Algorithm）

• 定义：将数据分成若干块，每块中的元素可以无序，但不同块之间必须按照某种顺序排序，通过索引表进行查找。
• 特点：适用于数据分块但内部无序的列表，时间复杂度为O(sqrt(n))。

7. 哈希表查找算法（Hash Table Search Algorithm）

• 定义：将数据按照哈希函数散列到各个存储位置，通过关键字快速定位目标元素。
• 特点：适用于大规模的静态查找表，时间复杂度理论上为O(1)，但实际性能受哈希冲突解决策略影响。