常用的四种查找算法:
- 顺序(线性)查找
- 二分查找/折半查找
- 斐波那契查找
1. 线性查找
数列:{1,8,10,89,1000,1234},判断数列中是否包含此名称(顺序查找),要求:如果找到了,就提示找到,并给出下标值。
代码实现
package com.lele.search;
/**
* author: hwl
* date: 2020/10/20 21:36
* version: 1.0.0
* modified by:
* description:
*/
public class SeqSearch {
public static void main(String[] args) {
int[] arr = {1,9,11,-1,34,89};// 没有顺序的数组
int index = seqSearch(arr, 11);
if (index == -1) {
System.out.println("没有找到");
} else {
System.out.println("找到,下标为:" + index);
}
}
/**
* 找到一个满足条件的值,就返回
* @param arr
* @param value
* @return
*/
public static int seqSearch(int[] arr, int value) {
// 线性查找是逐一比对,发现有相同值,就返回下标
for (int i = 0; i < arr.length; i++) {
if (arr[i] == value) {
return i;
}
}
return -1;
}
}
2. 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
代码实现
package com.lele.search;
import java.util.ArrayList;
import java.util.List;
/**
* author: hwl
* date: 2020/10/21 21:08
* version: 1.0.0
* modified by:
* description:
*/
public class BinarySearch {
public static void main(String[] args) {
int[] arr = {1,8,10,89,1000,1000,1000,1234};
//
// int resIndex = binarySearch(arr, 0, arr.length - 1, 1000);
// System.out.println("resIndex=" + resIndex);
List<Integer> resIndexList = binarySearch2(arr, 0, arr.length - 1, 1000);
System.out.println("resIndexList=" + resIndexList);
}
/**
* 二分查找
* @param arr 数组
* @param left 左边的索引
* @param right 右边的索引
* @param findVal 要查找的值
* @return 如果找到就返回下标,如果没有找到,就返回 -1
*/
public static int binarySearch(int[] arr, int left, int right, int findVal) {
// 当 left > right 时,说明递归整个数组,但没有找到
if (left > right) {
return -1;
}
int mid = (left + right) / 2;
int midVal = arr[mid];
if (findVal > midVal) { // 向右递归
return binarySearch(arr, mid + 1, right, findVal);
} else if (findVal < midVal) { // 向左递归
return binarySearch(arr, left, mid - 1, findVal);
} else {
return mid;
}
}
/**
* 一个有序数组中有多个相同的数值,如何将所有的数值都查找到
* 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索引值得右边扫描,将所有满足 1000的元素的下标,加入到集合 ArrayList
* 4.将ArrayList返回
*
* @param arr
* @param left
* @param right
* @param findVal
* @return
*/
public static List<Integer> binarySearch2(int[] arr, int left, int right, int findVal) {
if (left > right) {
return new ArrayList<Integer>();
}
int mid = (left + right) / 2;
int midVal = arr[mid];
if (findVal > midVal) { // 向右递归
return binarySearch2(arr, mid + 1, right, findVal);
} else if (findVal < midVal) { // 向左递归
return binarySearch2(arr, left, mid - 1, findVal);
} else {
List<Integer> resIndexList = new ArrayList<>();
// 向mid索引值得左边扫描,将所有满足1000的元素下标,加入到集合ArrayList
int temp = mid - 1;
while(true) {
if (temp < 0 || arr[temp] != findVal) {
break;
}
// 否则,就将temp放入到 resIndexList
resIndexList.add(temp);
temp--;
}
resIndexList.add(mid);
temp = mid + 1;
while(true) {
if (temp > arr.length - 1 || arr[temp] != findVal) {
break;
}
resIndexList.add(temp);
temp++;
}
return resIndexList;
}
}
}
3. 插值查找
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。
将折半查找中的求mid索引的公式,low表示索引left,high表示右边索引right,key就是 findVal。
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
package com.lele.search;
/**
* author: hwl
* date: 2020/10/23 7:30
* version: 1.0.0
* modified by:
* description:
*/
public class InsertValueSearch {
public static void main(String[] args) {
int[] arr = new int[100];
for (int i = 0; i < 100; i++) {
arr[i] = i + 1;
}
// int arr[] = {1,8,10,89,1000,1000,1234};
int index = insertValueSearch(arr,0, arr.length - 1, 34);
System.out.println("index = " + index);
}
/**
* 插值查找算法,也要求数组有序
* @param arr 数组
* @param left 左边索引
* @param right 右边索引
* @param findVal 查找值
* @return 如果找到,就返回对应的下标,如果没有找到,就返回-1
*/
public static int insertValueSearch(int[] arr, int left, int right, int findVal) {
// findVal < arr[0] 和 findVal > arr[arr.length - 1],避免数组越界
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:
- 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,该方法不一定比折半查找要好;
4. 斐波那契(黄金分割法)查找算法
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,会带来意想不到的效果。
斐波那契数列 {1,1,2,3,5,813,21,34,55} ,数列中两个相邻数的比例,无限接近 黄金分割值 0.618。
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不再是中间或者插值得到, 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:
- 有斐波那契数列 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。
- 类似的,每一子段也可以用相同的方式分割;
- 但顺序长度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。
while(n > fib(k)-1) {
k++;
}
代码实现
package com.lele.search;
import java.util.Arrays;
/**
* author: hwl
* date: 2020/10/24 11:13
* version: 1.0.0
* modified by:
* description:
*/
public class FibonacciSearch {
public static int maxSize = 20;
public static void main(String[] args) {
int[] arr = {1,8,10,89,1000,1234};
System.out.println("index=" + fibSearch(arr, 1234));
}
/**
* 因为后面我们 mid = low + F(k-1)-1,需要使用到斐波那契数列,因此需要先获取到一个斐波那契数列
* 非递归方法得到一个斐波那契数列
* @return
*/
public static int[] fib() {
int[] f = new int[maxSize];
f[0] = 1;
f[1] = 1;
for (int i = 2; i < maxSize; i++) {
f[i] = f[i - 1] + f[i - 2];
}
return f;
}
/**
* 编写斐波那契查找算法
* 使用非递归的方式编写算法
* @param a 数组
* @param key 需要查找的关键码(值)
* @return 返回对应的下标,如果没有,则返回-1
*/
public static int fibSearch(int[] a, int key) {
int low = 0;
int high = a.length - 1;
int k = 0;// 表示斐波那契分割数值的下标
int mid = 0;// 存放mid值
int f[] = fib(); // 获取到斐波那契数列
// 获取到斐波那契分割数值的下标
while(high > f[k] - 1) {
k++;
}
// 因为f[k]值 可能大于a的长度,因此我们需要使用Arrays类,构造一个新的数组,并指向temp[]
// 不足的部分会使用0填充
int[] temp = Arrays.copyOf(a, f[k]);
// 实际上需求使用a数组最后的数填充temp
// temp = {1,8,10,89,1000,1234,0,0} => {1,8,10,89,1000,1234,1234,1234}
for (int i = high + 1; i < temp.length; i++) {
temp[i] = a[high];
}
while (low <= high) {
mid = low + f[k - 1] - 1;
if (key < temp[mid]) { // 向左查找
high = mid - 1;
/**
* 说明:
* 1. 全部元素 = 前面的元素 + 后面元素
* 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 (key > temp[mid]) { // 继续向右查找
low = mid + 1;
/**
* 说明
* 1.全部元素 = 前面的元素 + 后面的元素
* 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 (mid <= high) {
return mid;
} else {
return high;
}
}
}
return -1;
}
}