文章目录
一、顺序查找算法
1.1、算法介绍
顺序查找(Order Search)也称为线形查找
- 从数据结构线形表的一端开始,顺序扫描,依次将扫描到的结点关键字与给定值num相比较,若相等则表示查找成功
- 若扫描结束仍没有找到关键字等于num的结点,表示查找失败
- 这种查找方式效率可能并不是最好的,但是确实最容易理解和实现的。
1.2、算法实现
public static int orderSearch(int[] arr, int num) {
for (int i = 0; i < arr.length; i++) {
if (arr[i] == num) {
return i;
}
}
return -1;
}
二、二分查找算法
2.1、算法介绍
二分查找(Binary Search)也称折半查找,它是一种效率较高的查找方法,但二分查找要求 线性表必须采用顺序存储结构 ,并且表中元素按关键字有序排列。
- 首先确定该数组的中间下标:
mid = (left + right) / 2
- 让
arr[mid]
和要和查找的元素比较,如果要查找的元素更大,说明应该向右查找,反之向左 - 将左(右)边当成一个新数组,重复第一第二步,即进行递归
- 找到了就结束递归,或者遍历完了数组也没找到,也结束递归
二分查找和顺序查找算法对比图
2.2、递归实现
public static int binarySearch(int[] arr, int num) {
return binarySearch(arr, 0, arr.length - 1, num);
}
public static int binarySearch(int[] arr, int left, int right, int num) {
int mid = (left + right) / 2;
// 当 left > right 时说明已递归完整个数组,但是没有找到
if (left > right || num < arr[0] || num > arr[arr.length - 1]) {
return -1;
}
// 如果值小于中间值
if (num < arr[mid]) { // 往左边递归找
return binarySearch(arr, left, mid - 1, num);
// 如果值大于中间值
} else if (num > arr[mid]) { // 往右边递归找
return binarySearch(arr, mid + 1, right, num);
} else {
// 找到!!!!
return mid;
}
}
2.3、优化
当一个有序数组中有多个相同的值时,将所有的数值下标都找到:{1, 2, 2, 2, 7, 8, 9}
public static List<Integer> binarySearch(int[] arr, int left, int right, int num) {
List<Integer> list = new ArrayList<>();
int mid = (left + right) / 2;
// 当 left > right 时说明已递归完整个数组,但是没有找到
if (left > right || num < arr[0] || num > arr[arr.length - 1]) {
list.add(-1);
return list;
}
if (num > arr[mid]) { // 向右递归
return binarySearch(arr, mid + 1, right, num);
} else if (num < arr[mid]) { // 向左递归
return binarySearch(arr, left, mid - 1, num);
} else {
list.add(mid);
// 向左边查找是否有相同的值
int leftTemp = mid - 1;
while (leftTemp >= 0 && arr[leftTemp] == num) {
list.add(leftTemp);
leftTemp--;
}
// 向右边查找是否有相同的值
int rightTemp = mid + 1;
while (rightTemp <= arr.length - 1 && arr[rightTemp] == num) {
list.add(rightTemp);
rightTemp++;
}
}
return list;
}
// [3,2,1]
2.4、迭代实现
public int search(int[] nums, int target) {
int left = 0;
int right = nums.length - 1;
while(left <= right){
int mid = (left + right) / 2;
if(target > nums[mid]){
left = mid + 1;
} else if (target < nums[mid]){
right = mid - 1;
} else{
return mid;
}
}
return -1;
}
三、插值查找算法
3.1、算法介绍
插值查找(Insert Value Search)是二分查找的一种改良
主要是改良了算法计算mid的值
mid = left + (num - arr[left]) / (arr[right] - arr[left]) * (right - left)
- 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
- 关键字分布不均匀的情况下,该方法不一定比二分查找要好。
3.2、算法实现
public static int insertValueSearch(int[] arr, int num) {
return insertValueSearch(arr, 0, arr.length - 1, num);
}
public static int insertValueSearch(int[] arr, int left, int right, int num) {
if (left > right || num < arr[0] || num > arr[arr.length - 1]) {
return -1;
}
int mid = left + (num - arr[left]) / (arr[right] - arr[left]) * (right - left);
if (num < arr[mid]) {
return insertValueSearch(arr, left, mid - 1, num);
} else if (num > arr[mid]) {
return insertValueSearch(arr, mid + 1, right, num);
} else {
return mid;
}
}
四、斐波那契(黄金分割法)查找算法
4.1、简介
斐波那契查找(Fibonacci Search)又叫黄金分割查找,斐波那契查找和二分查找、插值查找也类似,数组也要是有序的。
- mid不再是中间或者插值得到,而是位于黄金分割点的附近:
mid = left + f(k-1) - 1
。 - 要使用斐波那契查找,就要先构建一个斐波那契数列
- 斐波那契数列
{1,1,2,3,5,8,13,21,34,55}
相邻两个数的比例无限接近为0.618
- 斐波那契数列的长度就和原始数组保持一致即可,主要是用来获取中间索引mid,如下图
mid=left+F[k-1]-1
- 由斐波那契数列
F[K] = F[k-1] + F[K-2]
,可以得到F[K]-1 = (F[K-1]-1) + (F[k-2]-1) + 1
(这里的1就是mid) - 所以只要顺序表的长度为
F[K-1]
,则可以将该表分为长度为F[K-1]-1
和F[k-2]-1
,所以mid = low +F[k-1]-1
- 但顺序表长度 n 不一定为
F[K]-1
,所以需要将原来的顺序长度 n 增加至F[k]-1
- 由以下代码得到,顺序表长度增加后,新增的位置都赋值为n位置的值即可
while(n > F[k]-1){
k++;
}
4.2、算法实现
public static int[] fib() {
int[] f = new int[20];
f[0] = 1;
f[1] = 1;
for (int i = 2; i < f.length; i++) {
f[i] = f[i - 1] + f[i - 2];
}
return f;
}
public static int fibSearch(int[] arr, int value) {
int left = 0;
int right = arr.length - 1;
int k = 0; // 斐波那契数值的下标
int mid = 0;
int[] f = fib();
// 获取斐波那契数值的下标
while (right > f[k] - 1) {
k++;
}
// f[k]的值有可能大于arr的长度,用临时数组进行存放,并用最后一个值进行填充
int[] temp = Arrays.copyOf(arr, f[k]);
for (int i = right + 1; i < temp.length; i++) {
temp[i] = arr[right];
}
// 查找
while (left <= right) {
mid = left + f[k - 1] - 1;
if (value < arr[mid]) {
right = mid - 1;
// f[k] = f[k-1] + f[k-2] f[k-1] = f[k-2] + f[k-3]
k--;
} else if (value > arr[mid]) {
left = mid + 1;
// f[k] = f[k-1] + f[k-2] f[k-2] = f[k-3] + f[k-4]
k -= 2;
} else {
if (mid <= right) {
return mid;
} else {
return right;
}
}
}
return -1;
}