第9章 查找

前言

       在数据处理过程中，是否能在最短时间内查找到所需要的数据，是一个相当值得信息从业人员关心的问题。所谓查找，就是从数据文件中，寻找符合某特定条件的记录。而用来查找的条件就称为“键值”。

9.1 查找简介

       如果我们在电话簿中找某人的电话，那么这个人的姓名就成为在电话簿中查找数据的键值。通常影响查找时间长短的主要因素有算法的选择、数据存储的方式和结构。
查找的分类

• 内部查找
• 外部查找
  或
• 静态查找
• 动态查找

9.2 常见查找方法

       一般来说，如果数据在查找前经过排序，将可大幅减少查找的时间。比较常见的方法有顺序法、二分查找法、斐波那契法、插值法、哈希法、m路查找树、B-tree等。

9.2.1顺序查找法

9.2.2二分查找法

9.2.3插值查找法

9.2.4斐波那契查找法

9.3 哈希查找法

       哈希法（或称散列法）这个主题通常和查找法一起讨论，主要原因是哈希法不仅被用于数据的查找，在数据结构的领域中，您还能将它应用于数据的建立、插入、删除与更新。
       例如符号表在计算机上的应用领域很广，汇编程序、编译程序、数据库使用的数据字典，都是利用提供的名称来找到对应的属性。而“哈希表”则属于静态表格中的一种，我们将相关的数据和键值存储在一个固定大小的表格中。

9.3.1 哈希法简介

9.3.2常见的哈希函数

• 除留余数法
• 平方取中法
• 折叠法
• 数字分析法

9.3.3碰撞问题

• 线性探测法
• 平方探测
• 再哈希
• 链表

9.3.4哈希法综合范例

小结

• 静态查找是指数据在查找过程中，该查找数据不会有增加、删除或者更新等行为，例如符号表查找就属于静态查找。
• 而动态查找就是指所查找的数据，在查找过程中经常性地增加、删除或者更新。例如B-tree就属于动态查找。
• 顺序查找法又称线性查找法，它的方法是将数据一个一个地按顺序依次查找。此法的优点是文件在查找前不需要作任何的处理与排序，缺点为查找速度较慢。
• 当数据量很大时，不适合使用顺序查找法。但如果预估所查找的数据在文件前端则可以减少查找的时间。
• 二分查找法是将数据分割成二等份，再比较键值与中间值的大小，如果键值小于中间值，可确定要找的数据在前半段的元素，否则在后半段。
• 二分法必须事先经过排序，且数据量必须能直接在内存中执行。此方法适合用于不需增删的静态数据。
• 插值查找法（Interpolation Search）又叫做插补查找法，是按照数据位置的分布，利用公式预测数据的所在位置，再以二分法的方式渐渐逼近。
• 一般而言，插值查找法优于顺序查找法，而如果数据的分布越平均，则查找速度越快，甚至可能第一次就找到数据。此法的时间复杂度取决于数据分布的情况，平均而言优于O(logn)。
• 斐氏查找法（Fibonacci Search）又称斐波那契查找法，此法和二分法一样都是以切割范围来进行查找，不同的是斐氏查找法不以对半切割而是以斐氏级数的方式切割。
• 斐氏级数：0,1，1,2，3,5，8,13,21,34,55,89，…。也就是除了第0和第1个元素外，每个值都是前两个数的和。
• 当数据个数为n，且我们找到一个最小的斐氏数Fib(k+1)使得Fib(k+1)>n+1,则Fib(k)就是这棵斐氏树的树根，而Fib(k-2)则是与左右子树开始的差值，左子用减的；右子树用加的。
• 平均而言，斐氏查找法的比较次数会少于二分查找树，但在最坏的情况下二分查找法较快，其平均时间复杂度为O(log2N)。
• 哈希法不仅被用于数据的查找，在数据结构的领域中，还能将它应用在数据的建立、插入、删除与更新。
• 所谓哈希法（Hashing）就是将本身的键值，通过特定的数学函数运算或使用其他的方法，转换成相对应的数据存储地址。
• bucket（桶）：哈希表中存储数据的位置，每一个位置对应唯一的一个地址（bucket address）。桶就好比一个记录。
• 若两笔不同的数据，经过哈希函数运算后，对应到相同的地址，称为碰撞。
• 当两个标识符I1和I2，经过哈希函数运算后所得的数值相同，即f(I1)=f(I2)，则称I1与I2对于f这个哈希函数是同义词。
• 所谓加载密度是指标识符的使用数目除以哈希表内槽的总数。
• 完美哈希（perfect hashing）：指没有碰撞又没有溢出的哈希函数。
• 常见的哈希法有除留余数法、平方取中法、折叠法及数字分析法。
• 最简单的哈希函数是将数据除以某一个常数后，取余数来当索引，这种方法称为除留余数法。
• 平方取中法就是把数据乘以自己，之后再取中间的某段数字做索引。
• 折叠法是将数据转换成一串数字后，先将这串数字拆成数个部分，最后再把它们加起来，就可以计算出这个键值的Bucket Address。
• 数字分析法适用于数据不会更改，且为数字类型的静态类。在决定哈希函数时先逐一检查数据的相对位置及分布情形，将重复性高的部分删除。
• 常见的溢出处理方法如下：线性探测法、平方探测、再哈希、链表。
• 线性探测法通常把哈希的位置视为环形结构，如此一来若后面的位置已被填满而前面还有位置时，可以将数据放到前面。
• 在平方探测中，当溢出发生时，下一次查找的地址是(f(x)+i^2)mod B与(f(x)-i^2)mod B，即让数据值加或减 i 的平方。
• 再哈希就是一开始就先设置一系列的哈希函数，如果利用第一种哈希函数出现溢出时就改用第二种，如果第二种也出现溢出则改用第三种，一直到没有发生溢出为止。