目录
2.标准查找、lower_bound()与upper_bound()
编程使我快乐
1.二分查找的意义
在我们从数组中查找给定数据时,通常会使用枚举法,枚举法的图例和标程如下图所示:
a[0] | a[1] | ...... | a[n-2] | a[n-1] |
指针i的值: 0 1 ...... n-2 n-1
bool flag=0;
for(int i=0;i<n;i++)
{
if(a[i]==x)
{
flag=1;
cout<<i;
break;
}
}
if(flag==0)cout<<-1;
也就是说,在枚举查找里,要一个不漏的查找完所有数据,最坏情况下时间复杂度为O(n)。这就导致程序的时间消耗非常巨大,若a数组的最大下标为1000000,则程序也需要查找1000000次,很容易导致TLE(Time Limit Exceeded)。那么有没有一种更快捷的方法呢?
当然有,这就是二分查找法(Binary Search),想象一下,对于一个无序数列,我们当然只能枚举,但如果是一个有序数列,那么在查找的过程中就会有迹可循。
a[0] | a[1] | ...... | a[n-2] | a[n-1] |
比如上面的数组a[n],满足a[0] < a[1] < ...... < a[n-2] < a[n-1]。则如果要查找的数x < a[t],那么显然x不能在a[t]~a[n-1]的区间里(a[t],a[t+1],......,a[n-1]均 > a[t] > x),这样查找的范围就变成了a[0],a[1],......,a[t-1](如果x > a[t],则范围变成a[t+1],a[t+2],......,a[n-1];若x=a[t],则t即为查找到的下标)。最佳情况:t = (n-1) / 2 时,刚刚的操作就直接将查找范围折半,故二分查找也被称为“折半查找”。
二分查找(橙色线)的时间复杂度为O(log2(n)),相比于枚举(蓝色线)要更加省时,比如1024个数据,枚举在最坏情况下需查找1024次,而二分查找只需要10次即可。
2.标准查找、lower_bound()与upper_bound()
二分查找的标程如下:
int Bianry_Search(int a[], int x) //封装为函数
{
int l = 1, r = n; //l,r也可以写作low_bound和up_bound,意为下区间和上区间
while (l < r) //循环解除当且仅当l=r(即查找到目标值下标)时
{
int mid = (l + r) >> 1; //mid表示中间值(middle),“x>>1”表示x右移一位(除以2)
if (a[mid] < x)
l = mid + 1;
else
r = mid - 1;
}
return l; //最后返回l或r都没有关系
}
注意这里的二分查找是保证查找数据在数组里只有1个,否则返回的会是查找值之集中下标的中位数。那么,如果要查找这些数据中的第一个或最后一个该怎么办呢?<bits/stdc++.h>头文件里含有许多封装好的函数:
#include<bits/stdc++.h>
using namespace std;
int main()
{
lower_bound(a,a+n) //查找a[0...n]区间内第一个出现的值
upper_bound(a,a+n) //查找a[0...n]区间内最后一个出现的值
}
lower_bound手写代码:
int Binary_Search(int a[], int x)
{
if (a[n] < x)
return n + 1;
int l = 1, r = n;
while (l < r)
{
int mid = (l + r) >> 1;
if (a[mid] < x)
l = mid + 1;
else
r = mid;
}
return l;
}
upper_bound手写代码:
int Binary_Search(int a[], int x)
{
if (a[1] > x)
return n + 1;
int l = 1, r = n;
while (l < r)
{
int mid = (l + r + 1) >> 1;
if (a[mid] <= x)
l = mid;
else
r = mid - 1;
}
return l;
}
3.广告时间
对于如今的中学生乃至大学生,只要接触到数学相关内容的,就必然离不开函数这一“生死大关”。为什么说是生死大关呢?实在是函数类问题太令人头疼。那么,在进行此类解题(尤其是三角函数)及性质研究时,有没有一种方便、快捷的方法,让我们能够更透彻地,特别是不用手动画图的那种,研究函数的性质呢?当然有,这就是Python函数图像工具(EXE)。
本程序运用Python中最令人喜爱的数据处理工具numpy和超强的图像库matplotlib,实现13种不同类别函数的分类图像整理,展示图像均可以保存为图片的形式,具备拖动、放大等功能。详细介绍:Python函数图像工具介绍
ヾ( ̄▽ ̄)Bye~Bye~