一、简介
查找定义
根据给定的某个值,在查找表中确定一个其关键字等于给定值的数据元素(或记录)。
查找算法分类
1)静态查找和动态查找;
静态查找
只在数据元素集合中查找是否存在某个给定的数据元素。
无序查找:被查找数列有序无序均可。
有序查找:被查找数列必须为有序数列。
顺序查找、二分查找
索引结构
动态查找
除包括静态查找的要求外,还包括在查找过程中插入数据元素集合中不存在的数据元素,或者从数据元素集合中删除已存在的某个数据元素的要求。
二叉排序树(二叉查找树)
B_树
2)衡量查找算法的主要标准
平均查找长度(Average Search Length,ASL):查找过程所需进行的比较次数的平均值。
对于含有n个数据元素的查找表,查找成功的平均查找长度为:
Pi:查找表中第i个数据元素的概率。
Ci:找到第i个数据元素时已经比较过的次数。
二、顺序查找
适合于存储结构为顺序存储或链接存储的线性表。
基本思想:
顺序查找也称为线形查找,属于无序查找算法。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。
复杂度分析:
查找成功时的平均查找长度为:(假设每个数据元素的概率相等) ASL = 1/n(1+2+3+…+n) = (n+1)/2 ;
当查找不成功时,需要n+1次比较,时间复杂度为O(n);
所以,顺序查找的时间复杂度为O(n)。
实现代码:
package com.sid.algorithm;
public class SequenceQuery {
public static boolean SequenceSearch(int a[], int k, int value) {
for (int i = 0; i < k; i++) {
if (value == a[i])
return true;
}
return false;
}
public static void main(String[] args) {
int[] a = {8, 2, 4, 5, 3, 10, 11, 6, 9};
System.out.println(SequenceSearch(a, a.length, 20));
}
}
三、二分查找(折半查找)
元素必须是有序的,如果是无序的则要先进行排序操作。
基本思想:
也称折半查找,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。
复杂度分析:
最坏情况下,关键词比较次数为log2(n+1),且期望时间复杂度为O(log2n);
注:折半查找的前提条件是需要有序表顺序存储,对于静态查找表,一次排序后不再变化,折半查找能得到不错的效率。但对于需要频繁执行插入或删除操作的数据集来说,维护有序的排序会带来不小的工作量,那就不建议使用。
实现代码:
package com.sid.algorithm;
public class BinarySearch1 {
public static int binarysearch(int[] a, int n, int value) {
int low = 0;
int high = n - 1;
int mid;
while (low < high) {
mid = (low + high) / 2;
if (value < a[mid])
high = mid - 1;
if (value > a[mid])
low = mid + 1;
if (value == a[mid])
return mid;
}
return -1;
}
public static void main(String[] args) {
//int[] a = {1,4,2,9,8,6,7,0,3,5}
int[] a = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9};
System.out.println(binarysearch(a, a.length, 7));
}
}
package com.sid.algorithm;
public class BinarySearch2 {
public static int binarysearch(int[] a, int value, int low, int high) {
int mid = (low + high) / 2;
if (value == a[mid])
return mid;
mid = (low + high) / 2;
if (value < a[mid])
return binarysearch(a, value, low, mid - 1);
if (value > a[mid])
return binarysearch(a, value, mid + 1, high);
return -1;
}
public static void main(String[] args) {
//int[] a = {1,4,2,9,8,6,7,0,3,5}
int[] a = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9};
System.out.println(binarysearch(a, 4, 0, a.length - 1));
}
}
3-1. 自适应的二分查找--------插值查找
在介绍插值查找之前,首先考虑一个新问题,为什么上述算法一定要是折半,而不是折四分之一或者折更多呢?
比如要在取值范围1 ~ 10000 之间 100 个元素从小到大均匀分布的数组中查找5, 我们自然会考虑从数组下标较小的开始查找。
经过以上分析,折半查找这种查找方式,不是自适应的(也就是说是傻瓜式的)。
二分查找中查找点计算如下:
mid=(low+high)/2, 即mid=low+1/2*(high-low);
通过类比,我们可以将查找的点改进为如下:
mid=low+(key-a[low])/(a[high]-a[low])*(high-low),
也就是将上述的比例参数1/2改进为自适应的,根据关键字在整个有序表中所处的位置,让mid值的变化更靠近关键字key,这样也就间接地减少了比较次数。
基本思想:
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。当然,差值查找也属于有序查找。
注:对于表长较大,而关键字分布又比较均匀的查找表来说,插值查找算法的平均性能比折半查找要好的多。反之,数组中如果分布非常不均匀,那么插值查找未必是很合适的选择。
复杂度分析:
查找成功或者失败的时间复杂度均为O(log2(log2n))。
实现代码:
package com.sid.algorithm;
public class InsertionSearch {
public static int InsertionSearch(int[] a, int value, int low, int high) {
int mid = low + (value - a[low]) / (a[high] - a[low]) * (high - low);
if (a[mid] == value)
return mid;
if (a[mid] > value)
return InsertionSearch(a, value, low, mid - 1);
if (a[mid] < value)
return InsertionSearch(a, value, mid + 1, high);
return -1;
}
public static void main(String[] args) {
int[] a = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9};
System.out.println(InsertionSearch(a, 2, 0, a.length - 1));
}
}
3-2 二分查找的另一个变种--------斐波那契查找
在介绍斐波那契查找算法之前,我们先介绍一下很它紧密相连并且大家都熟知的一个概念——黄金分割。
黄金比例又称黄金分割,是指事物各部分间一定的数学比例关系,即将整体一分为二,较大部分与较小部分之比等于整体与较大部分之比,其比值约为1:0.618或1.618:1。
0.618被公认为最具有审美意义的比例数字,这个数值的作用不仅仅体现在诸如绘画、雕塑、音乐、建筑等艺术领域,而且在管理、工程设计等方面也有着不可忽视的作用。因此被称为黄金分割。
大家记不记得斐波那契数列:1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89…….(从第三个数开始,后边每一个数都是前两个数的和)。然后我们会发现,随着斐波那契数列的递增,前后两个数的比值会越来越接近0.618,利用这个特性,我们就可以将黄金比例运用到查找技术中。
基本思想:
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。同样地,斐波那契查找也属于一种有序查找算法。
相对于折半查找,一般将待比较的key值与第mid=(low+high)/2位置的元素比较,比较结果分三种情况:
1)相等,mid位置的元素即为所求
2)>,low=mid+1;
3)<,high=mid-1。
斐波那契查找与折半查找很相似,他是根据斐波那契序列的特点对有序表进行分割的。他要求开始表中记录的个数为某个斐波那契数小1,及n=F(k)-1;
开始将k值与第F(k-1)位置的记录进行比较(及mid=low+F(k-1)-1),比较结果也分为三种
1)相等,mid位置的元素即为所求
2)>,low=mid+1,k-=2;
说明:low=mid+1说明待查找的元素在[mid+1,high]范围内,k-=2 说明范围[mid+1,high]内的元素个数为n-(F(k-1))= Fk-1-F(k-1)=Fk-F(k-1)-1=F(k-2)-1个,所以可以递归的应用斐波那契查找。
3)<,high=mid-1,k-=1。
说明:low=mid+1说明待查找的元素在[low,mid-1]范围内,k-=1 说明范围[low,mid-1]内的元素个数为F(k-1)-1个,所以可以递归 的应用斐波那契查找。
复杂度分析:
最坏情况下,时间复杂度为O(log2n),且其期望复杂度也为O(log2n)。
四、树表查找
5.1 最简单的树表查找算法——二叉树查找算法。
基本思想:二叉查找树是先对待查找的数据进行生成树,确保树的左分支的值小于右分支的值,然后在就行和每个节点的父节点比较大小,查找最适合的范围。 这个算法的查找效率很高,但是如果使用这种查找方法要首先创建树。
二叉查找树(BinarySearch Tree,也叫二叉搜索树,或称二叉排序树Binary Sort Tree)或者是一棵空树,或者是具有下列性质的二叉树:
1)若任意节点的左子树不空,则左子树上所有结点的值均小于它的根结点的值;
2)若任意节点的右子树不空,则右子树上所有结点的值均大于它的根结点的值;
3)任意节点的左、右子树也分别为二叉查找树,即左<根<右。
二叉查找树性质:对二叉查找树进行中序遍历,即可得到有序的数列。
不同形态的二叉查找树如下图所示:
复杂度分析:它和二分查找一样,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(比如,我们查找上图(b)中的“93”,我们需要进行n次查找操作)。我们追求的是在最坏的情况下仍然有较好的时间复杂度,这就是平衡查找树设计的初衷。
基于二叉查找树进行优化,进而可以得到其他的树表查找算法,如平衡树、红黑树等高效算法。
代码:
三叉链结点类设计
package com.sid.model;
public class BiTreeNode {
private BiTreeNode leftChild;
private BiTreeNode rightChild;
private BiTreeNode parent;
public int data;
BiTreeNode(){
leftChild = null;
rightChild = null;
}
BiTreeNode(int item){
data = item;
leftChild = null;
rightChild = null;
}
BiTreeNode(int item, BiTreeNode left, BiTreeNode right){
data = item;
leftChild = left;
rightChild = right;
}
public void setParent(BiTreeNode parent){
this.parent = parent;
}
public BiTreeNode getParent(){
return parent;
}
public void setLeftChild(BiTreeNode left){
leftChild = left;
}
public void setRightChild(BiTreeNode right){
rightChild = right;
}
public void setData(int data){
this.data = data;
}
public BiTreeNode getLeft(){
return leftChild;
}
public BiTreeNode getRight(){
return rightChild;
}
public int getData(){
return data;
}
}
二叉排序树类
package com.sid.model;
public class BiSearchTree {
private BiTreeNode root;
public void BiSearchTree(){
root = null;
}
public BiTreeNode getRoot() {
return root;
}
public void setRoot(BiTreeNode root) {
this.root = root;
}
//前序遍历
public static void preOrder(BiTreeNode t, Traverse.Visit vs){
if(t != null){
vs.print(t);
preOrder(t.getLeft(),vs);
preOrder(t.getRight(),vs);
}
}
//中序遍历
public static void inOrder(BiTreeNode t, Traverse.Visit vs){
if(t != null){
inOrder(t.getLeft(),vs);
vs.print(t);
inOrder(t.getRight(),vs);
}
}
//后序遍历
public static void postOrder(BiTreeNode t, Traverse.Visit vs){
if(t != null){
postOrder(t.getLeft(),vs);
postOrder(t.getRight(),vs);
vs.print(t);
}
}
public BiTreeNode getLeft(BiTreeNode current){ //取左孩子
return current != null ? current.getLeft():null;
}
public BiTreeNode getRight(BiTreeNode current){ //取右孩子
return current != null ? current.getRight():null;
}
public BiTreeNode find(int item){ //查找
if(root != null){
BiTreeNode temp = root;
while(temp != null){
if(temp.getData() == item ){
return temp;
}
if(temp.getData() < item) {
temp = temp.getRight();
}else{
temp = temp.getLeft();
}
}
}
return null;
}
public void insert(BiTreeNode ptr,int item){ //插入
if(item < ptr.getData()){
if(ptr.getLeft() == null){
BiTreeNode temp = new BiTreeNode(item);
temp.setParent(ptr);
ptr.setLeftChild(temp);
}
else insert(ptr.getLeft(),item);
}
else if(item > ptr.getData()){
if(ptr.getRight() == null){
BiTreeNode temp = new BiTreeNode(item);
temp.setParent(ptr);
ptr.setRightChild(temp);
}else insert(ptr.getRight(),item);
}
return;
}
public void delete(BiTreeNode ptr,int item){ //删除
if(ptr != null){
if(item < ptr.getData()){
delete(ptr.getLeft(),item);
}else if(item > ptr.getData()){
delete(ptr.getRight(),item);
}else if(ptr.getLeft() != null && ptr.getRight() != null){
BiTreeNode min;
min = ptr.getRight();
while (min.getLeft() != null){
min = min.getLeft();
}
ptr.setData(min.getData());
delete(ptr.getRight(),min.getData());
}else{
if(ptr.getLeft() == null && ptr.getRight() != null){
ptr.getParent().setRightChild(ptr.getRight());
ptr.getRight().setParent(ptr.getParent());
}
else if(ptr.getRight() == null && ptr.getLeft() != null){
ptr.getParent().setLeftChild(ptr.getLeft());
ptr.getLeft().setParent(ptr.getParent());
}
else{
BiTreeNode p = ptr.getParent();
if(p.getLeft() == ptr){
p.setLeftChild(null);
}
else{
p.setRightChild(null);
}
}
}
}
}
}
5.2 平衡查找树之2-3查找树(2-3 Tree)
2-3查找树定义:和二叉树不一样,2-3树运行每个节点保存1个或者两个的值。对于普通的2节点(2-node),他保存1个key和左右两个子点。对应3节点(3-node),保存两个Key,和3个子节点的。2-3查找树的定义如下:
1)要么为空,要么:
2)对于2节点,该节点保存一个key及对应value,以及两个指向左右节点的节点,左节点也是一个2-3节点,所有的值都比key要小,右节点也是一个2-3节点,所有的值比key要大。
3)对于3节点,该节点保存两个key及对应value,以及三个指向左中右的节点。左节点也是一个2-3节点,所有的值均比两个key中的最小的key还要小;中间节点也是一个2-3节点,中间节点的key值在两个跟节点key值之间;右节点也是一个2-3节点,节点的所有key值比两个key中的最大的key还要大。
2-3查找树的性质:
1)如果中序遍历2-3查找树,就可以得到排好序的序列;
2)在一个完全平衡的2-3查找树中,根节点到每一个为空节点的距离都相同。(这也是平衡树中“平衡”一词的概念,根节点到叶节点的最长距离对应于查找算法的最坏情况,而平衡树中根节点到叶节点的距离都一样,最坏情况也具有对数复杂度。)
性质2)如下图所示:
复杂度分析:
2-3树的查找效率与树的高度是息息相关的。
- 在最坏的情况下,也就是所有的节点都是2-node节点,查找效率为lgN
- 在最好的情况下,所有的节点都是3-node节点,查找效率为log3N约等于0.631lgN
距离来说,对于1百万个节点的2-3树,树的高度为12-20之间,对于10亿个节点的2-3树,树的高度为18-30之间。
对于插入来说,只需要常数次操作即可完成,因为他只需要修改与该节点关联的节点即可,不需要检查其他节点,所以效率和查找类似。
5.3 平衡查找树之红黑树(Red-Black Tree)
2-3查找树能保证在插入元素之后能保持树的平衡状态,最坏情况下即所有的子节点都是2-node,树的高度为lgn,从而保证了最坏情况下的时间复杂度。但是2-3树实现起来比较复杂,于是就有了一种简单实现2-3树的数据结构,即红黑树(Red-Black Tree)。
基本思想:红黑树的思想就是对2-3查找树进行编码,尤其是对2-3查找树中的3-nodes节点添加额外的信息。红黑树中将节点之间的链接分为两种不同类型,红色链接,他用来链接两个2-nodes节点来表示一个3-nodes节点。黑色链接用来链接普通的2-3节点。特别的,使用红色链接的两个2-nodes来表示一个3-nodes节点,并且向左倾斜,即一个2-node是另一个2-node的左子节点。这种做法的好处是查找的时候不用做任何修改,和普通的二叉查找树相同。
红黑树的定义:
红黑树是一种具有红色和黑色链接的平衡查找树,同时满足:
- 红色节点向左倾斜
- 一个节点不可能有两个红色链接
- 整个树完全黑色平衡,即从根节点到所以叶子结点的路径上,黑色链接的个数都相同。
下图可以看到红黑树其实是2-3树的另外一种表现形式:如果我们将红色的连线水平绘制,那么他链接的两个2-node节点就是2-3树中的一个3-node节点了。
红黑树的性质:整个树完全黑色平衡,即从根节点到所以叶子结点的路径上,黑色链接的个数都相同(2-3树的第2)性质,从根节点到叶子节点的距离都相等)。
复杂度分析:最坏的情况就是,红黑树中除了最左侧路径全部是由3-node节点组成,即红黑相间的路径长度是全黑路径长度的2倍。
下图是一个典型的红黑树,从中可以看到最长的路径(红黑相间的路径)是最短路径的2倍:
红黑树的平均高度大约为logn。
5.4 B树和B+树(B-Tree/B+ Tree)
平衡查找树中的2-3树以及其实现红黑树。2-3树种,一个节点最多有2个key,而红黑树则使用染色的方式来标识这两个key。
维基百科对B树的定义为“在计算机科学中,B树(B-tree)是一种树状数据结构,它能够存储数据、对其进行排序并允许以O(log n)的时间复杂度运行进行查找、顺序读取、插入和删除的数据结构。B树,概括来说是一个节点可以拥有多于2个子节点的二叉查找树。与自平衡二叉查找树不同,B树为系统最优化大块数据的读和写操作。B-tree算法减少定位记录时所经历的中间过程,从而加快存取速度。普遍运用在数据库和文件系统。
B-Tree
B树定义:
B树可以看作是对2-3查找树的一种扩展,一个M阶的B树符合以下条件:
- 1.根节点至少有2个孩子节点
- 2.每个中间节点都包含k-1个元素和k个孩子,其中 m/2 <= k <= m
- 3.每一个叶子节点都包含k-1个元素,其中 m/2 <= k <= m
- 4.所有的叶子结点都位于同一层。
- 5.每个节点中的元素从小到大排列,节点当中k-1个元素正好是k个孩子包含的元素的值域分划。
B树的阶数M表示一个节点最多可以有多少个孩子节点。比如3阶B树,那一个节点最多可以有3个孩子节点。2阶B树相当于平衡二叉查找树。
下图是一个M=3 阶的B树:
B树插入:
比如以上方图示例子为例,插入一个25
第三排第二个节点,已经有了2个元素,23和36了,不能再放元素进去了(3阶B树,每个节点内最多只能是3-1=2个元素)
向上找,它的父节点,第二排第一个节点,也有两个元素20和40了,不能再放元素进去了。
再向上找,它的父节点就是根节点,第一排第一个节点,里面只有一个元素,还能再放一个元素进去,把新增的25插入根节点,拆分节点23.36和节点20.40.使其符合(左边大于右边)最后变成:
B+树
在B树的基础上:
1.B+树包含2种类型的结点:内部结点(也称索引结点)和叶子结点。根结点本身即可以是内部结点,也可以是叶子结点。根结点的关键字个数最少可以只有1个。
2.有k个子结点的结点必然有k个关键码
3.B+树与B树最大的不同是内部结点不保存数据,只用于索引,MySQL的数据(或者说记录)都保存在叶子结点中。
4.每个叶子结点都存有相邻叶子结点的指针,叶子结点本身依关键字(MySQL表中建索引的那一列的值)的大小形成一个顺序链接。
B+ 树的优点在于:
- 由于B+树在内部节点上不好含数据信息,因此在内存页中能够存放更多的key。 数据存放的更加紧密,具有更好的空间局部性。因此访问叶子几点上关联的数据也具有更好的缓存命中率。
- B+树的叶子结点都是相链的,因此对整棵树的便利只需要一次线性遍历叶子结点即可。而且由于数据顺序排列并且相连,所以便于区间查找和搜索。而B树则需要进行每一层的递归遍历。相邻的元素可能在内存中不相邻,所以缓存命中性没有B+树好。
五、分块查找
分块查找又称索引顺序查找,它是顺序查找的一种改进方法。
算法思想:
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;而第2块中任一元素又都必须小于第3块中的任一元素,……
算法流程:
- 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。