【转】七大查找算法总结

参考博客

---

1.顺序查找

思路：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k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k的结点，表示查找失败。

---

2.二分查找

思路：也称为折半查找，属于有序查找算法。用给定值k先与中间结点的关键字比较，中间结点把线形表分成两个子表，若相等则查找成功；若不相等，再根据k与该中间结点关键字的比较结果确定下一步查找哪个子表，这样递归进行，直到查找到或查找结束发现表中没有这样的结点。

版本1.普通while判断版本
int BinarySearch1(int a[], int value, int n)
{
	if(n<=0)
		return -1;
	int begin=0;
	int end=n-1;
	while(begin<=end)
	{
		int mid=(begin+end)/2;
		if(a[mid]==value)
			return mid;
		else if(a[mid]<value)
			begin=mid+1;
		else
			end=mid-1;	
	}
	return -1;    //这里要注意！！
}

版本2.递归版本
int BinarySearch2(int a[], int value, int begin, int end)
{
	int mid=begin+(end-begin)/2;      //提倡这种写法！
	if(a[mid]==value)
		return mid;
	if(a[mid]<value)
		return BinarySearch2(a, value, mid+1,end);
	if(a[mid]>value)
		return BinarySearch2(a, value, begin, mid-1);
}

---

3.插值查找

mid=low+(key-a[low])/(a[high]-a[low])*(high-low)
思路：基于二分查找算法，将查找点的选择改进为自适应选择，可以提高查找效率。（说白了就是二分查找中mid取中点的方法太没有针对性，这里基于类似于百分比的方法，优化mid的取值，目的是提高效率）

int InsertSearch(int a[], int value, int begin, int end)
{
	int mid = begin+(value-a[begin])/(a[end]-a[begin])*(end-begin);      //核心改进之处！
	if(a[mid]==value)
		return mid;
	if(a[mid]<value)
		return BinarySearch2(a, value, mid+1,end);
	if(a[mid]>value)
		return BinarySearch2(a, value, begin, mid-1);
}

---

4.斐波那契查找（这个了解即可，不是很常见）

思路：也是二分查找的一种提升算法，通过运用黄金比例的概念在数列中选择查找点进行查找，提高查找效率。
具体来说，他是根据斐波那契序列的特点对有序表进行分割的。要求开始表中记录的个数为某个斐波那契数小1，也就是n=F(k)-1;

---

5.树表查找

5.1 最简单的树表查找算法——二叉树查找算法

二叉查找树，又称二叉搜索树，特点是：树的左分支的值小于右分支的值，通过中序遍历可得有序的数列。
思路：很直观，就是从根节点开始，进行值比对，而后根据大小情况向下走，直到找到目标值。
问题：插入和查找的时间复杂度均为O(logn)，但是在最坏的情况下仍然会有O(n)的时间复杂度，原因在于插入和删除元素的时候，树没有保持平衡。

5.2 平衡查找树之2-3查找树

略（参见单独博客）

5.3 平衡查找树之红黑树

略（参见单独博客）

---

6.分块查找

思路：它是顺序查找的一种改进方法。
（具体来说是二分查找和顺序查找的结合产物，即首先在构建的索引表上面进行二分查找，而后在锁定的区间内进行顺序查找）
将n个数据元素"按块有序"划分为m块（m ≤ n）。每一块中的结点不必有序，但块与块之间必须"按块有序"；即第1块中任一元素的关键字都必须小于第2块中任一元素的关键字；

step1.先选取各块中的最大关键字构成一个索引表；
step2 查找分两个部分：先对索引表进行二分查找或顺序查找，以确定待查记录在哪一块中；然后，在已确定的块中用顺序法进行查找。

---

7.哈希查找

关于哈希表的博客
思路：
1）用给定的哈希函数构造哈希表；
2）根据选择的冲突处理方法解决地址冲突；常见的解决冲突的方法：拉链法和线性探测法。
3）在哈希表的基础上执行哈希查找。

---

附：哈希表的内容

1.散列表的构造方法

【1】直接定址法：H(k)=a*k+b
【2】数字选择法：如果关键字为数字且已知散列表中可能出现的关键字集合，则可选取其中数字分布比较均匀的若干位作为散列地址；
【3】平方取中法；
【4】折叠法（又细分为移位叠加和边界叠加）；
【5】除留余数法：假设散列表长为m，选取适当的正整数p去除关键字，将所得余数作为散列地址：
H(key)=key%p ，(p<=m)；
一般来说，p应该选为小于或等于散列表长度m的某个最大素数。（这种限定应该是基于解决冲突的考量）
【6】基数转换法；
【7】随机数法：H(key)=random(key)%m；

2.处理冲突的方法

【1】开放地址法
思路：首先将表置空，并根据某种方法在散列表中定义一个探查序列，当发生冲突时，沿此序列逐个单元查找空单元，一旦找到，则将新记录放入。
设表长为m，关键字个数为n，探查序列设为d_i，i=1,2，…，m，则开放地址公式为：h_i=(H(key)+d_i)%m
探查序列的形成方法：
【1.1】线性探查法
基本思想：将散列表看成一个环形表，若发生冲突的单元地址为d，则依次探查d+1,d+2,…m-1,0,1,…d-1，直到找到一个空单元为止。
（具体操作方面，我们一般设定装填因子α为[0.65,0.9]，通过公式m=n/α，由于n是给定的数据的个数，这样就可以得到散列表的长度m，然后d的范围基于m就知道了）
线性探查法不可避免的会出现“堆积”现象，具体来说就是：散列地址不同的结点争夺同一个后继散列地址；
【1.2】二次探查法（其实就是左右交替的探查）
公式为：
h_2i-1=(H(key)+i²)%m
h_2i=(H(key)-i²)%m
结论：这种方法可以减少堆积现象，但是不容易探查到整个散列表空间。仅当表长m为4j+3（j为正整数）的素数时，才能探查到整个表空间；
【1.3】随机探查法
h_i=(H(key)+R_i)%m
其中R₁，R₂…R_m-1是1,2，…，m-1的一个随机序列

【2】拉链法
思路：将所有关键字为同义词的结点链接到同一个单链表中。
优势：
01.相比较而言，虽然拉链法所用的空间比开放地址法多，但是不会产生堆积现象，其平均查找长度也较短。
02.对于用拉链法构造的散列表，简单地在链表上删除结点即可实现散列表的删除操作，而在开放地址法构造的散列表中，并不能简单地将被删结点的空间置空来删除结点，因为空地址单元都是查找失败的条件，这样做会截断在它之后填入散列表的同义词的查找路径，正确的做法是在被删除结点上做删除标记，而不能真正删除结点。

结论：散列表的平均查找长度是装填因子α的函数，与记录个数无关
这一点是很好理解的，因为前面有公式：m=n/α，这说明了m的长度是基于α得到的，因此在第一步基于散列函数做搜索时，都是O(1)，但是在解决冲突时，搜索的长度就只和α有关了；（相当于余数的思想）

（因此通过选择合适的α可以将散列表的查找长度限定于某一个范围，显然α越小，产生冲突的机会越小，但是过小的α会造成较大的空间浪费）