常用查找算法总结

一、顺序查找

　　条件：无序或有序队列。

　　原理：按顺序比较每个元素，直到找到关键字为止。

　　时间复杂度：O(n)

二、二分查找（折半查找）

　　条件：有序数组，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。

　　原理：查找过程从数组的中间元素开始，如果中间元素正好是要查找的元素，则搜素过程结束；如果某一特定元素大于或者小于中间元素，则在数组大于或小于中间元素的那一半中查找，而且跟开始一样从中间元素开始比较。如果在某一步骤数组为空，则代表找不到。这种搜索算法每一次比较都使搜索范围缩小一半。

　　时间复杂度：O(log n)

//二分查找
int search1(vector<int>& nums, int target){
        int low = 0,high = nums.size()-1,mid;
        while(low<=high){
        	//使用位移操作代替除法
        	mid = (low + high) >> 1;
        	//mid = (low + high) / 2;
            if(target == nums[mid]){
                return mid;
            }else if(target> nums[mid]){
                low = mid+1;
            }else{
                high = mid-1;
            }
        }
        return -1; 
}
 //二分查找，递归版本
 int search2(vector<int>& nums, int target,int low ,int high){
        //递归出口
        if(low>high) return -1;

	    //使用位移操作代替除法
	    int mid = (low + high) >> 1;
	    //mid = (low + high) / 2;
        if(nums[mid] == target){
            return mid;
        }else if(nums[mid] > target){
            return search2(nums,target,low,mid-1);
        }else {
            return search2(nums,target,mid+1,high);
        }
   
 }

三，插值查找（自适应查找）

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？

　　打个比方，在英文字典里面查“apple”，你下意识翻开字典是翻前面的书页还是后面的书页呢？如果再让你查“zoo”，你又怎么查？很显然，这里你绝对不会是从中间开始查起，而是有一定目的的往前或往后翻。

　　同样的，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(log(log n))。

    //插入查找，自适应查找
    int InsertSearch(vector<int>& nums, int target,int low,int high){
        //递归终止条件
        if(low > high) return -1;
        if(nums[low] == nums[high]) return target == nums[low] ? low:-1;
        //自适应分割
        int mid = low + (high-low) * ((target-nums[low]) / (nums[high] - nums[low]));
        if(nums[mid] == target){
            return mid;
        }else if(nums[mid] > target){
            return InsertSearch(nums,target,low,mid-1);
        }else{
            return InsertSearch(nums,target,mid+1,high);
        }
    }

4. 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，它是根据斐波那契序列的特点对有序表进行分割的。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)。

// 斐波那契查找.cpp 

#include "stdafx.h"
#include <memory>
#include  <iostream>
using namespace std;

const int max_size=20;//斐波那契数组的长度

/*构造一个斐波那契数组*/ 
void Fibonacci(int * F)
{
    F[0]=0;
    F[1]=1;
    for(int i=2;i<max_size;++i)
        F[i]=F[i-1]+F[i-2];
}

/*定义斐波那契查找法*/  
int FibonacciSearch(int *a, int n, int key)  //a为要查找的数组,n为要查找的数组长度,key为要查找的关键字
{
  int low=0;
  int high=n-1;
  
  int F[max_size];
  Fibonacci(F);//构造一个斐波那契数组F 

  int k=0;
  while(n>F[k]-1)//计算n位于斐波那契数列的位置
      ++k;

  int  * temp;//将数组a扩展到F[k]-1的长度
  temp=new int [F[k]-1];
  memcpy(temp,a,n*sizeof(int));

  for(int i=n;i<F[k]-1;++i)
     temp[i]=a[n-1];
  
  while(low<=high)
  {
    int mid=low+F[k-1]-1;
    if(key<temp[mid])
    {
      high=mid-1;
      k-=1;
    }
    else if(key>temp[mid])
    {
     low=mid+1;
     k-=2;
    }
    else
    {
       if(mid<n)
           return mid; //若相等则说明mid即为查找到的位置
       else
           return n-1; //若mid>=n则说明是扩展的数值,返回n-1
    }
  }  
  delete [] temp;
  return -1;
}

int main()
{
    int a[] = {0,16,24,35,47,59,62,73,88,99};
    int key=100;
    int index=FibonacciSearch(a,sizeof(a)/sizeof(int),key);
    cout<<key<<" is located at:"<<index;
    return 0;
}

三、二叉排序树查找

　　条件：先创建二叉排序树：

　　　　　 1. 若它的左子树不空，则左子树上所有结点的值均小于它的根结点的值；

　　　　　 2. 若它的右子树不空，则右子树上所有结点的值均大于它的根结点的值；

　　　　　 3. 它的左、右子树也分别为二叉排序树。

　　原理：

　　　　在二叉查找树b中查找x的过程为：

　　　　1. 若b是空树，则搜索失败，否则：

　　　　2. 若x等于b的根节点的数据域之值，则查找成功；否则：

　　　　3. 若x小于b的根节点的数据域之值，则搜索左子树；否则：

　　　　4. 查找右子树。

　　时间复杂度：

四、哈希表法（散列表）

　　条件：先创建哈希表（散列表）

　　原理：根据键值方式(Key value)进行查找，通过散列函数，定位数据元素。

　　时间复杂度：几乎是O(1)，取决于产生冲突的多少。

五、分块查找

　　原理：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，……。

　　然后使用二分查找及顺序查找。

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。

部分内容摘录自：

[Data Structure & Algorithm] 七大查找算法