在日常编程和面试中,查找算法和排序算法需要非常熟练。本文用C++语言的语法来写常用的查找算法:顺序查找,二分查找,
一、顺序查找
1.1基本思想(有序无序皆可以)
1 从表中的第一个元素开始,依次与关键字比较。
2 若某个元素匹配关键字,则查找成功。
3 若查找到最后一个元素还未匹配关键字,则查找失败。
1.2 时空复杂度
1.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 ;
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)。
3. 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);
4. 所以,顺序查找的时间复杂度为O(n)。
1.3 算法优缺点
优点:对于待查的结构无任何要求,算法简单;当待查表中的记录个数较少时,采用顺序查找较好,顺序查找既可用于顺序结构存储,又使用于链接结构存储。
缺点:时间复杂度较大,数据规模较大时效率较低。
1.4 C++实现
template <typename T>
//在长度为n的数组a中查找目标常量值x
int sequentialSearch(T a[],int n const T& x)
{
int i;
for(i=0;i<n;i++)
{
if(a[i]==x)
{
return i;
}
}
return -1;
}
二、二分查找(折半查找)
2.1基本思想(针对有序)
1.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;
2. 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。
3. 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。
2.2时空复杂度
最坏情况下,目标值比较次数为log2(n+1),且期望(平均)时间复杂度为O(log2n);
2.3算法优缺点
优点:查找迅速,每次可以使得搜索范围减少一半;
缺点:必须先排序,为有序数组才行。
2.4C++实现
template <typename T>
//在起点为start,终点为end的有序数组arr中搜索目标值hkey
int binarySearch(T arr[],int start,int end,int hkey)
{
if(start>end)
return -1;
int mid=start+(end-start)/2;
if(arr[mid]>hkey)
{
return binarySearch(arr,start,mid-1,hkey);
}
else if(arr[mid]<hkey)
{
return binarySearch(arr,mid+1,end,hkey);
}
else
{
return mid;
}
}
三、分块查找
3.1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
步骤如下:
1.首先将查找表分成若干块,在每一块中数据元素的存放是任意的,但块与块之间必须是有序的;
2.建立一个索引表,把每块中最大的关键字值按块的顺序存放在一个辅助数组中,这个索引表也按升序排列;
3.查找时先用给定的关键字值在索引表中查找,确定满足条件的数据元素存放在哪个块中,查找方法既可以是折半方法,也可以是顺序查找。
4.再到相应的块中顺序查找,便可以得到查找的结果。
3.2C++实现
//在序列数组st中,用分块方法查找target的记录,在arr[]中二分查找,确定属于m个块的那哪一个块中
int blockSearch(int arr[],int st[],int target,int m)
{
int start=0;
int end=arr.size()-1;
int index=binarySearch(arr,start,end,target);
if(index>=0)
{
int j=index>0?m*index:index;
int length=(index+1)*m;
//在确定的快中用顺序查找方法查找key
for(int k=j;k<length;k++)
{
if(target==st[k])
{//查找成功
return k;
}
}
}
}
四、二叉树查找
4.1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:也叫二叉搜索树,或称二叉排序树,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,则左子树上所有节点的值均小于它的根节点的值;
2.若任意节点的右子树不空,则右子树上所有节点的值均大于它的根节点的值;
3.任意节点的左、右子树也分别为二叉查找树;
4.没有键值相等的节点。
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。
4.2 时空复杂度
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。因此追求的目标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。
4.3 C++实现
//定义二叉树数据结构
class TreeNode
{
pubic:
TreeNode(int value)
{
this.value = value;
}
private:
int value;
TreeNode left;
TreeNode right;
}
class TreeSearch
{
//从根节点为root的树中查找节点的值为value的节点
TreeNode search(TreeNode root,int value)
{ //空树
if (root == nullptr)
{
return nullptr;
}
//定义当前节点
TreeNode current = root;
while(current != nullptr)
{
if (current.val < value)
{
//如果当前节点的值比value小,则从其右子树中开始找
current = current.right;
}
else if (current.val > value)
{
//如果当前节点的值比value大,则从其左子树中开始找
current = current.left;
}
else if (current.val == value)
{
//找到则返回这个节点
return current;
}
}
return nullptr;
}
}
五、哈希表查找
散列表(Hash table,也叫哈希表),是根据键(Key)而直接访问在内存存储位置的数据结构。也就是说,它通过计算一个关于键值的函数,将所需查询的数据映射到表中一个位置来访问记录,这加快了查找速度。这个映射函数称做散列函数,存放记录的数组称做散列表。
5.1基本思想
1.用给定的哈希函数构造哈希表;
2.根据选择的冲突处理方法解决地址冲突;
常见的解决冲突的方法:拉链法和线性探测法。
3.在哈希表的基础上执行哈希查找。
5.2 时空复杂度
单纯论查找复杂度:对于无冲突的Hash表而言,查找复杂度为O(1)
5.3C++实现
//实则unordered_map数据结构就是这么实现的
int searchHash(int[] hash, int hashLength, int key)
{
// 哈希函数
int hashAddress = key % hashLength;
// 指定hashAdrress对应值存在但不是关键值,则用开放寻址法解决
while (hash[hashAddress] != 0 && hash[hashAddress] != key)
{
hashAddress = (++hashAddress) % hashLength;
}
// 查找到了开放单元,表示查找失败
if (hash[hashAddress] == 0)
return -1;
return hashAddress;
}