查找算法-备忘录

跳转到总目录

---

查找算法

在java中，我们常用的查找有四种:

• 顺序(线性)查找
• 二分查找/折半查找
• 插值查找
• 斐波那契查找

线性查找算法

有一个数列： {1,8, 10, 89, 1000, 1234} ，判断数列中是否包含此名称【顺序查找】。
思路：查找到全部符合条件的值。

代码示例

//线性查找
public class SeqSearch {
    public static void main(String[] args) {
        int[] arr ={1,85,46,-9,20};
        int i = seqSearch(arr, 20);
        if (i==-1){
            System.out.println("没找到");
        }else {
            System.out.println("找到,下标为: "+i);
        }
    }
    public static int seqSearch(int[] arr,int value){
        for (int i = 0; i < arr.length; i++) {
            if (arr[i]==value){
                return i;
            }
        }
        return -1;
    }
}

---

二分查找算法

二分查找

请对一个有序数组进行二分查找 {1,8, 10, 89, 1000, 1234} ，输入一个数看看该数组是否存在此数，并且求出下标，如果没有就提示"没有这个数"。

思路图解

代码示例

//二分查找
public class BinarySearch {
    public static void main(String[] args) {
        //数组必须有序
 /*       int[] arr={1,8,10,49,642,1875,157865};
        System.out.println(binarySearch(arr, 0, arr.length, -12)); */


        int[] arr = {1, 8, 10, 49, 642, 642, 642, 1875, 157865};
        System.out.println(binarySearch2(arr, 0, arr.length, 642));
    }

    /**
     * 二分查找
     *
     * @param arr     传入的有序数组
     * @param left    数组最小索引
     * @param right   数组最大索引
     * @param findVal 需要查找的值
     * @return 返回下标, 如果找不到返回-1
     */
    public static int binarySearch(int[] arr, int left, int right, int findVal) {
        //当left大于right时,递归完毕 没有找到该值
        if (left > right) {
            return -1;
        }
        int mid = (left + right) / 2;
        int midVal = arr[mid];
        if (findVal > midVal) {
            return binarySearch(arr, mid + 1, right, findVal);
        } else if (findVal < midVal) {
            return binarySearch(arr, left, mid - 1, findVal);
        } else {
            return mid;
        }
    }

    //完成一个课后思考题:
    /*
     * 课后思考题： {1,8, 10, 89, 1000, 1000，1234} 当一个有序数组中，
     * 有多个相同的数值时，如何将所有的数值都查找到，比如这里的 1000
     *
     * 思路分析
     * 1. 在找到mid 索引值，不要马上返回
     * 2. 向mid 索引值的左边扫描，将所有满足 1000， 的元素的下标，加入到集合ArrayList
     * 3. 向mid 索引值的右边扫描，将所有满足 1000， 的元素的下标，加入到集合ArrayList
     * 4. 将Arraylist返回
     */
    public static List<Integer> binarySearch2(int[] arr, int left, int right, int findVal) {
        //当left大于right时,递归完毕 没有找到该值
        if (left > right) {
            return new ArrayList<Integer>();
        }
        int mid = (left + right) / 2;
        int midVal = arr[mid];
        if (findVal > midVal) {
            return binarySearch2(arr, mid + 1, right, findVal);
        } else if (findVal < midVal) {
            return binarySearch2(arr, left, mid - 1, findVal);
        } else {
            List<Integer> list = new ArrayList<>();
            list.add(mid);
            //向mid 索引值的左边扫描
            int temp = mid - 1;
            while (true) {
                if (temp < 0 || arr[temp] != findVal) {
                    break;
                }
                list.add(temp--);
            }
            //向mid 索引值的右边扫描
             temp = mid + 1;
            while (true) {
                if (temp > arr.length - 1 || arr[temp] != findVal) {
                    break;
                }
                list.add(temp++);
            }
            return list;
        }
    }
}

附加二分查找非递归代码:

/**
 * @Author haowu
 * @CreateTime 2022-09-25 14:53
 * @Description 二分查找非递归算法
 */
public class BinarySearchNoRecursion {
    public static void main(String[] args) {
        int[] arr = {-9, 2, 5, 8, 11, 66, 198};
        System.out.println(binarySearch(arr, 2));
    }

    /**
     * 二分查找非递归
     * @param arr 待查找的数组,以升序排序为例
     * @param target 需要查找的值
     * @return 返回对应的下标, -1表示没有找到
     */
    public static int binarySearch(int[] arr, int target){
        int left = 0;
        int right = arr.length - 1;
        while (left<right){
            int mid = (left + right)/2;
            if (arr[mid] == target){
                return mid;
            }else if(arr[mid] < target){
                left = mid + 1;
            }else {
                right = mid -1;
            }
        }
        return -1;
    }
}

---

插值查找算法

原理介绍
1.插值查找算法类似于二分查找，不同的是插值查找每次从自适应mid处开始查找。
2.将折半查找中的求mid 索引的公式 , low 表示左边索引left, high表示右边索引right.key 就是前面我们讲的 findVal

3.int mid = low + (high - low) * (key - arr[low]) / (arr[high] - arr[low]) ;/插值索引/
对应前面的代码公式：
int mid = left + (right – left) * (findVal – arr[left]) / (arr[right] – arr[left])
4.举例说明插值查找算法 1-100 的数组

应用案例

请对一个有序数组进行插值查找 {1,8, 10, 89, 1000, 1234} ，输入一个数看看该数组是否存在此数，并且求出下标，如果没有就提示"没有这个数"。

代码实现

**
 * @author haowu
 * @create 2022-05-06-21:19
 * @Description 插值查找
 */
public class InsertValueSearch {
    public static void main(String[] args) {
        //数组必须有序
        int[] arr = {1, 8, 10, 49, 642, 1875, 157865};
        System.out.println(insertValueSearch(arr, 0, arr.length-1, 642));
    }

    /**
     * 插值查找
     *
     * @param arr     传入的有序数组
     * @param left    左边索引
     * @param right   右边索引
     * @param findVal 需要查找的值
     * @return 返回下标, 如果找不到返回-1
     */
    private static int insertValueSearch(int[] arr, int left, int right, int findVal) {
        if (left > right || findVal < arr[0] || findVal > arr[arr.length-1]){
            return -1;
        }
        //求出mid, 自适应
        int mid = left + (right - left) * (findVal - arr[left]) / (arr[right] - arr[left]);
        int midVal = arr[mid];
        if (findVal > midVal){
           return insertValueSearch(arr, mid + 1, right ,findVal);
        }else if (findVal < midVal){
           return insertValueSearch(arr, left,mid - 1, findVal);
        }else {
            return mid;
        }
    }
}

注意事项
1.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.
2.关键字分布不均匀的情况下，该方法不一定比折半查找要好

---

斐波那契(黄金分割法)查找算法

基本介绍
1.黄金分割点是指把一条线段分割为两部分，使其中一部分与全长之比等于另一部分与这部分之比。取其前三位数字的近似值是0.618。由于按此比例设计的造型十分美丽，因此称为黄金分割，也称为中外比。这是一个神奇的数字，会带来意向不大的效果。
2.斐波那契数列 {1, 1, 2, 3, 5, 8, 13, 21, 34, 55 } 发现斐波那契数列的两个相邻数 的比例，无限接近 黄金分割值0.618

原理介绍
斐波那契(黄金分割法)原理:
斐波那契查找原理与前两种相似，仅仅改变了中间结点（mid）的位置，mid不再是中间或插值得到，而是位于黄金分割点附近，即mid=low+F(k-1)-1（F代表斐波那契数列），如下图所示

对F(k-1)-1的理解：
1.由斐波那契数列 F[k]=F[k-1]+F[k-2] 的性质，可以得到 （F[k]-1）=（F[k-1]-1）+（F[k-2]-1）+1 。该式说明：只要顺序表的长度为F[k]-1，则可以将该表分成长度为F[k-1]-1和F[k-2]-1的两段，即如上图所示。从而中间位置为mid=low+F(k-1)-1

2.类似的，每一子段也可以用相同的方式分割
3.但顺序表长度n不一定刚好等于F[k]-1，所以需要将原来的顺序表长度n增加至F[k]-1。这里的k值只要能使得F[k]-1恰好大于或等于n即可，由以下代码得到,顺序表长度增加后，新增的位置（从n+1到F[k]-1位置），都赋为n位置的值即可。

应用案例
请对一个有序数组进行斐波那契查找 {1,8, 10, 89, 1000, 1234} ，输入一个数看看该数组是否存在此数，并且求出下标，如果没有就提示"没有这个数"。

代码示例

/**
 * @author haowu
 * @create 2022-05-08-22:30
 * @Description 斐波那契(黄金分割法)查找
 */
public class FibonacciSearch {
    public static final int maxSize = 20;

    public static void main(String[] args) {
        //数组必须有序
        int[] arr = {1, 8, 10, 49, 642, 1875, 157865};
        System.out.println(fibonacciSearch(arr, 642));
    }

    //斐波那契数列
    public static int[] fib() {
        int[] fibs = new int[maxSize];
        fibs[0] = 1;
        fibs[1] = 1;
        int k = 2;
        while (k < fibs.length) {
            fibs[k] = fibs[k - 1] + fibs[k - 2];
            k++;
        }
        return fibs;
    }

    /**
     * 斐波那契查找
     *
     * @param arr
     * @param key
     * @return
     */
    private static int fibonacciSearch(int[] arr, int key) {
        int low = 0;
        int high = arr.length - 1;
        int[] fibs = fib();
        int k = 0;
        int mid = 0;
        //找到斐波那契分割数值的下标
        while (high > fibs[k] - 1) {
            k++;
        }
        //填充
        int[] temp = Arrays.copyOf(arr, fibs[k]);
        for (int i = arr.length; i < temp.length; i++) {
            temp[i] = arr[arr.length - 1];
        }
        //找key
        while (low <= high) {
            mid = low + fibs[k - 1] - 1;
            if (temp[mid] > key) {
                high = mid - 1;
                //为甚是 k--
                //说明
                //1. 全部元素 = 前面的元素 + 后边元素
                //2. f[k] = f[k-1] + f[k-2]
                //因为 前面有 f[k-1]个元素,所以可以继续拆分 f[k-1] = f[k-2] + f[k-3]
                //即 在 f[k-1] 的前面继续查找 k--
                //即下次循环 mid = f[k-1-1]-1
                k--;
            } else if (temp[mid] < key) {
                low = mid + 1;
                //为什么是k -=2
                //说明
                //1. 全部元素 = 前面的元素 + 后边元素
                //2. f[k] = f[k-1] + f[k-2]
                //3. 因为后面我们有f[k-2] 所以可以继续拆分 f[k-1] = f[k-3] + f[k-4]
                //4. 即在f[k-2] 的前面进行查找 k -=2
                //5. 即下次循环 mid = f[k - 1 - 2] - 1
                k -= 2;
            } else {
                if (high < mid) {
                    return high;
                }else {
                    return mid;
                }
            }
        }
        return -1;
    }
}