插值查找设计原理剖析

南斋孤鹤

已于 2022-11-13 11:20:19 修改

阅读量380

点赞数 2

分类专栏：数据结构与算法文章标签：算法

于 2022-09-16 17:37:38 首次发布

本文链接：https://blog.csdn.net/m0_64231944/article/details/126893431

版权

数据结构与算法专栏收录该内容

11 篇文章 0 订阅

订阅专栏

系列文章目录

超基础——数据结构与算法专栏（如果你也想学习数据结构设计原理，深入了解数据结构、可以收藏该专栏，我们一起进步！！！）

https://blog.csdn.net/m0_64231944/category_12014814.html?spm=1001.2014.3001.5482https://blog.csdn.net/m0_64231944/category_12014814.html?spm=1001.2014.3001.5482

文章目录

前言

本文我们学习的是二分法查找的优化算法——插值查找算法

二分法查找代码实现：

插值查找代码实现：

总结：

我是一名大二在读学生。刚刚自学完java基础。

目前呢，我也是在自学数据结构与算法——我会将数据结构中难理解的问题，总结在我的博客上，如果你也是这样，可以收藏该专栏、关注我，我们一起进步！！！

前言

本文我们学习的是二分法查找的优化算法——插值查找算法

`正文：`

`回顾二分法查找算法：`

二分查找（Binary Search）也叫作（拆半查找）二分查找有两个要求：

1，数列有序。

2，数列使用顺序存储结构（比如数组）；

二分查找的实现原理非常简单，首先要有一个有序的列表。但是如果没有，则该怎么办？可以使用排序算法进行排序。
我们以升序数列为例，比较一个元素与数列中的中间位置的元素的大小，如果比中间位置的元素大，则继续在后半部分的数列中进行二分查找；如果比中间位置的元素小，则在数列的前半部分进行比较；如果相等，则找到了元素的位置。每次比较的数列长度都差不多会是之前数列的一半，直到找到相等元素的位置或者最终没有找到元素，程序退出并告诉程序员未找见。

代码实现：

public static boolean binarysearch(int[] arr, int num) {
    if (arr == null || arr.length == 0) {
        return false;}//先处理边界条件
    int L = 0;
    int R = arr.length - 1;
    while (L <= R) {
        int mid = (R + L) / 2;
        if (num == arr[mid]) {
            return true;
        } else if (num < arr[mid]) {
            R = mid - 1;
        } else if (num > arr[mid]) {
            L = mid + 1;
        } }
    return false;}

值得注意的是：上方代码中 mid 的求法。

int mid = (R + L) / 2;

下面我们介绍优化后的插值查找；

二分查找优化之插值查找；

首先我们先思考一个问题：

        在二分查找算法中，为什么是二分查找，而不是三分之一、四分之一查找。
        发散一下思维，在查字典的时候，如果要查以a开头的单词，则你会怎么翻字典？肯定是从最前面开始翻；如果要查以 z 开头的单词，则应该会从最后开始翻。显而易见，你不会采用二分查找的方式去查这个单词在哪，因为这样你会很累。同样，假设数据的范围是 1~10000，让你找 10，你会怎么样？简单来说，我觉得干脆用顺序查找好了，因为数列是升序的，没必要用二分查找，用顺序查找比二分查找的比较次数少。
        所以经过这样的考虑，我们可以优化一下二分查找，并不一定要从正中间开始分，而是尽量找到一个更接近我们要找的那个数字的地方，这样能够减少很多查找次数。
        之前我们都是根据长度去找到这个中间位置，现在是根据 key 所在的序列范围区间去找到这个位置。比如数列是 1~10，待查 key 是 3，我们可能会将大概前面三分之一的地方作为这个划分点。
        不过还是有人给出了更精准的计算方式，即要查找的位置 P，这是有点复杂，但是仔细看一下，这种计算方式其实就是为了找 key 所在的相对位置，让 key 的值更接近划分的位置，从而减少比较次数。

P=low+(key-arr[left])/(a[right]-a[left])×(right-left);

前面介绍的二分查找，其复杂度为O(logn)，在数据量较多的情况下比顺序查找效率会高很多：当然，二分查找要求数据是有要求的，他要求必须是有序的，这也规定了其适用范围。此时我们在二分查找的基础上进一步的约束数据，要求数据是有序且数值分布均匀的，可以获得更加高效的“插值查找”算法。

在二分查找中1/2代表区间长度每次缩减一半，也就是控制区间缩减幅度的因子。二分查找中并没有考虑数据中数值的情况，仅仅使用了数值是有序的这一信息。

现在，来看下述的数值有序且分布均匀数据：

data = [1, 2, 3, 5, 6, 7, 10, 13, 14, 15, 16, 17, 19, 22, 23, 25, 27]、

关键的地方到了：

在上面的数组中如果搜索的目标是2，那么区间长度每次都缩减为一半合理吗？显然是不合理的，因为2这个值比较小，明显比较偏向于数据的起始位置；如果搜索的目标是25，区间减半的方式同样不合理。

所以，可以改变二分查找的区间缩减策略，根据搜索的值来确定区间缩减幅度，使其不再是固定的1/2，这种想法就是“插值查找”，其中间位置计算方式如下：

如果alpha用于衡量搜索目标值距离左边界的远近，就可以使用下述公式进行表达，其中tar表示目标值，D表述有序数组：

此时，如果目标值tar和左边界值D[left]差的多，则中间位置mid更靠右；如果目标值tar和左边界值差的少，则中间位置mid更靠左。也就是说，插值查找算法的中间位置mid不是真的在中间了，而是根据目标值和边界值的关系动态的确定。

代码实现：

/**
     * @param arr     数组
     * @param left    左索引
     * @param right   右索引
     * @param findVal 查找值
     * @return 如果找到就返回相应的下标。否则返回-1
     */

    public static int insertValSearch(int arr[], int left, int right, int findVal) {
        //注意：findVal < arr[0] 和 findVal > arr[arr.length - 1] 必须需要
        //否则我们得到的 mid 可能越界
        if (left > right || findVal < arr[0] || findVal > arr[arr.length - 1]) {
            return -1;
        }
        //mid 自适应
        int mid = left + (right - left) * (findVal - arr[left]) / (arr[right] - arr[left]);
        if (findVal > arr[mid]) {//说明应该向右索引
            return insertValSearch(arr, mid + 1, right, findVal);
        } else if (findVal < arr[mid]) {//说明应该向左索引
            return insertValSearch(arr, left, mid - 1, findVal);
        } else {
            return mid;
        }
    }

以上代码中：我们要注意：

int mid = left + (right - left) * (findVal - arr[left]) / (arr[right] - arr[left]);

在使用上面代码之前：有个很重要的条件：

注意：findVal < arr[0] 和 findVal > arr[arr.length - 1] 必须需要
否则我们得到的 mid 可能越界