本文详细介绍了顺序查找、二分查找、哈希查找（包括模拟底层哈希和哈希算法）以及广度优先搜索(BFS)和深度优先搜索(DFS)（递归和栈结构实现）在查找算法中的应用，展示了这些技术在解决实际问题中的应用实例。
文章目录
1. 顺序查找（Sequential Search）：
顺序查找是一种简单直接的查找算法，逐个元素依次查找，直到找到目标元素或遍历完整个数据结构。
举例：假设有一个整数数组arr，我们要查找是否存在目标元素target。
public class SequentialSearch {
public static boolean sequentialSearch(int[] arr, int target) {
for (int i = 0; i < arr.length; i++) {
if (arr[i] == target) {
return true;
}
}
return false;
}
public static void main(String[] args) {
int[] arr = {1, 2, 3, 4, 5};
int target = 3;
boolean result = sequentialSearch(arr, target);
if (result) {
System.out.println("目标元素存在");
} else {
System.out.println("目标元素不存在");
}
}
}
2. 二分查找（Binary Search）：
二分查找是一种针对已排序的数据结构的查找算法，通过将目标元素与中间元素进行比较，不断缩小查找范围，直到找到目标元素或查找范围为空。
举例：假设有一个有序整数数组arr，我们要查找是否存在目标元素target。
public class BinarySearch {
public static boolean 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 true;
} else if (arr[mid] < target) {
left = mid + 1;
} else {
right = mid - 1;
}
}
return false;
}
public static void main(String[] args) {
int[] arr = {1, 2, 3, 4, 5};
int target = 3;
boolean result = binarySearch(arr, target);
if (result) {
System.out.println("目标元素存在");
} else {
System.out.println("目标元素不存在");
}
}
}
3. 哈希查找（Hashing）：
哈希查找通过哈希函数将目标元素映射到数据结构中的位置，以快速定位目标元素。
方案1 模拟hash底层
示例：我们首先定义了一个HashNode类来表示哈希表中的节点，每个节点包含一个键和一个值。然后，我们定义了一个HashTable类来实现哈希表的功能。该类使用一个ArrayList来存储桶（每个桶是一个链表），并提供了插入和查找方法。
在main方法中，我们创建了一个HashTable对象，并向其中插入了几个键值对。然后，我们使用get方法来查找指定键对应的值，并打印结果。
import java.util.ArrayList;
import java.util.LinkedList;
// 哈希表节点类
class HashNode<K, V> {
K key;
V value;
public HashNode(K key, V value) {
this.key = key;
this.value = value;
}
}
// 哈希表类
class HashTable<K, V> {
private int maxSize;
private ArrayList<LinkedList<HashNode<K, V>>> buckets;
public HashTable(int maxSize) {
this.maxSize = maxSize;
buckets = new ArrayList<>(maxSize);
// 初始化桶
for (int i = 0; i < maxSize; i++) {
buckets.add(new LinkedList<>());
}
}
// 哈希函数，计算键的哈希值
private int getHash(K key) {
return Math.abs(key.hashCode() % maxSize);
}
// 向哈希表中插入键值对
public void insert(K key, V value) {
int index = getHash(key);
LinkedList<HashNode<K, V>> bucket = buckets.get(index);
// 检查是否已存在相同的键，若存在则更新值
for (HashNode<K, V> node : bucket) {
if (node.key.equals(key)) {
node.value = value;
return;
}
}
// 若不存在相同的键，则添加新节点
bucket.add(new HashNode<>(key, value));
}
// 从哈希表中查找键对应的值
public V get(K key) {
int index = getHash(key);
LinkedList<HashNode<K, V>> bucket = buckets.get(index);
// 遍历桶中的节点，查找相应的键值对
for (HashNode<K, V> node : bucket) {
if (node.key.equals(key)) {
return node.value;
}
}
// 若未找到对应的键，则返回null
return null;
}
}
public class Main {
public static void main(String[] args) {
// 创建哈希表对象
HashTable<String, Integer> hashTable = new HashTable<>(10);
// 向哈希表中插入键值对
hashTable.insert("apple", 5);
hashTable.insert("banana", 7);
hashTable.insert("orange", 3);
// 查找键对应的值
System.out.println("apple: " + hashTable.get("apple"));
System.out.println("banana: " + hashTable.get("banana"));
System.out.println("orange: " + hashTable.get("orange"));
System.out.println("grape: " + hashTable.get("grape"));
}
}
方案2 hash算法章节：
4. 广度优先搜索（Breadth-First Search，BFS）：
广度优先搜索是一种对于树或图等结构的查找算法，从根节点开始逐层遍历，直到找到目标元素。
代码实现了广度优先搜索（BFS）算法来查找二叉树中是否存在目标元素。以下是代码的要点：
1. 定义了一个TreeNode类，每个节点有一个整数值，以及左右子节点。
2. 定义了一个bfsSearch方法，接受一个根节点和目标元素作为参数，返回一个boolean值。该方法使用队列来实现广度优先搜索。
3. 在bfsSearch方法中，首先判断根节点是否为空，如果为空则返回false。
4. 创建一个队列，并将根节点加入队列。
5. 当队列非空时，循环执行以下步骤：
- 弹出队列的第一个节点，并将其值与目标元素进行比较，如果相等则返回true。
- 如果节点的左子节点不为空，则将左子节点加入队列。
- 如果节点的右子节点不为空，则将右子节点加入队列。
6. 如果循环结束后仍未找到目标元素，则返回false。
7. 在main方法中创建一个测试用的二叉树，并定义一个目标元素。
8. 调用bfsSearch方法，并根据返回值输出结果。如果返回true，则表示目标元素存在，否则表示目标元素不存在。
举例：假设有一棵二叉树，我们要查找是否存在目标元素target。
import java.util.LinkedList;
import java.util.Queue;
class TreeNode {
int val;
TreeNode left;
TreeNode right;
public TreeNode(int val) {
this.val = val;
}
}
public class BFS {
public static boolean bfsSearch(TreeNode root, int target) {
if (root == null) {
return false;
}
Queue<TreeNode> queue = new LinkedList<>();
queue.offer(root);
while (!queue.isEmpty()) {
TreeNode node = queue.poll();
if (node.val == target) {
return true;
}
if (node.left != null) {
queue.offer(node.left);
}
if (node.right != null) {
queue.offer(node.right);
}
}
return false;
}
public static void main(String[] args) {
TreeNode root = new TreeNode(1);
root.left = new TreeNode(2);
root.right = new TreeNode(3);
root.left.left = new TreeNode(4);
root.left.right = new TreeNode(5);
int target = 3;
boolean result = bfsSearch(root, target);
if (result) {
System.out.println("目标元素存在");
} else {
System.out.println("目标元素不存在");
}
}
}
5. 深度优先搜索（Depth-First Search，DFS）：
深度优先搜索是一种对于树或图等结构的查找算法，从根节点开始一直遍历到叶子节点，直到找到目标元素或遍历完所有节点。
方案1 递归实现：
代码实现了一个深度优先搜索（DFS）算法来搜索给定二叉树中是否存在目标元素。下面是对代码的分析：
1. 定义了一个 `TreeNode` 类，表示二叉树的节点。该类包含一个整数值 `val`，以及左右子节点的引用。
2. 在 `DFS` 类中定义了一个静态方法 `dfsSearch`，用于在给定的二叉树中搜索目标值。该方法的参数包括一个二叉树的根节点 `root` 和目标值 `target`。
3. 在 `dfsSearch` 方法中，首先判断当前节点 `root` 是否为 `null`，如果是则返回 `false`，表示在该子树中不存在目标值。
4. 然后判断当前节点 `root` 的值是否等于目标值 `target`，如果是则返回 `true`，表示目标值存在于该子树中。
5. 如果当前节点不是目标值，则递归调用 `dfsSearch` 方法分别对左子节点和右子节点进行搜索，只要其中一棵子树返回 `true`，即可返回 `true`，表示目标值存在于该子树中。
6. 在 `main` 方法中创建了一个二叉树，并调用 `dfsSearch` 方法来搜索目标值。如果搜索结果为 `true`，则输出 "目标元素存在"，否则输出 "目标元素不存在"。
举例：假设有一棵二叉树，我们要查找是否存在目标元素target。
class TreeNode {
int val;
TreeNode left;
TreeNode right;
public TreeNode(int val) {
this.val = val;
}
}
public class DFS {
public static boolean dfsSearch(TreeNode root, int target) {
if (root == null) {
return false;
}
if (root.val == target) {
return true;
}
return dfsSearch(root.left, target) || dfsSearch(root.right, target);
}
public static void main(String[] args) {
TreeNode root = new TreeNode(1);
root.left = new TreeNode(2);
root.right = new TreeNode(3);
root.left.left = new TreeNode(4);
root.left.right = new TreeNode(5);
int target = 3;
boolean result = dfsSearch(root, target);
if (result) {
System.out.println("目标元素存在");
} else {
System.out.println("目标元素不存在");
}
}
}
方案2 栈结构实现：
- 我们使用一个栈来模拟DFS的过程。
- 首先将根节点压入栈中，然后进入循环，直到栈为空。
- 在每次循环中，我们弹出栈顶的节点并进行比较，如果找到目标元素，则返回true。
- 如果当前节点有右子节点，则将右子节点压入栈中。
- 如果当前节点有左子节点，则将左子节点压入栈中。
- 通过不断重复这个过程，直到栈为空或找到目标元素。
- 如果循环结束仍然没有找到目标元素，则返回false。
import java.util.Stack;
class TreeNode {
int val;
TreeNode left;
TreeNode right;
public TreeNode(int val) {
this.val = val;
}
}
public class DFS {
public static boolean dfsSearch(TreeNode root, int target) {
if (root == null) {
return false;
}
Stack<TreeNode> stack = new Stack<>();
stack.push(root);
while (!stack.isEmpty()) {
TreeNode node = stack.pop();
if (node.val == target) {
return true;
}
if (node.right != null) {
stack.push(node.right);
}
if (node.left != null) {
stack.push(node.left);
}
}
return false;
}
public static void main(String[] args) {
TreeNode root = new TreeNode(1);
root.left = new TreeNode(2);
root.right = new TreeNode(3);
root.left.left = new TreeNode(4);
root.left.right = new TreeNode(5);
int target = 3;
boolean result = dfsSearch(root, target);
if (result) {
System.out.println("目标元素存在");
} else {
System.out.println("目标元素不存在");
}
}
}
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
