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;
}
}