《王道》第16章 查找

                              《王道》第16章 查找

目录

1 查找基本概念

2 二分查找/折半查找

3 哈希表

3.1 哈希表的基本概念

3.2 哈希函数

4 一致性哈希

5 海量数据处理

5.1 分治——Hash映射

5.2 Bit-map

5.3 Bloom Filter

 

---

参考博客

1 查找基本概念

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；
　　  注：静态或者动态都是针对查找表而言的。动态表指查找表中有删除和插入操作的表。
　2）无序查找和有序查找。
　　  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。
平均查找长度（Average Search Length，ASL）
    ASL是衡量查找算法效率的最主要指标。
    需和指定key进行比较的关键字的个数的期望值，称为查找算法在查找成功时的平均查找长度。
　 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：ASL = Pi*Ci的和。
　　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。
适合静态查找表的查找方法有：顺序查找、折半查找、散列查找等；
适合动态查找表的查找方法有：二叉排序树的查找、散列查找等。

2 二分查找/折半查找

基本思想

    属于有序查找算法。仅适用于事先已经排好序的顺序表。首先将给定的值K与表中中间位置元素的关键字比较，若相等，则查找成功，返回该元素的存储位置；若不等，则所需查找的元素只能在中间数据以外的前半部分或后半部分中。然后在缩小的范围内继续进行同样的查找，如此重复直到找到为止。

算法实现

#include <iostream>  
using namespace std;

/*
二分查找思想：
1、数组从小到大排序；
2、查找的key每次和中间数比较，如果key小于mid,查找mid左侧的数组部分；
如果key大于mid，则查找mid右侧的数组部分；如果相等，则直接返回mid。

输入：排序数组-array,数组大小-aSize,查找值-key
返回：返回数组中的相应位置，否则返回-1
*/
//非递归查找  
int Binary_Search(int *array, int aSize, int key)
{
	if (array == NULL || aSize <= 0)         //数组为空，返回 -1
		return -1;
	int low = 0;
	int high = aSize - 1;
	int mid = 0;

	while (low <= high)
	{
		mid = (low + high) / 2;

		if (array[mid] < key)
			low = mid + 1;
		else if (array[mid] > key)
			high = mid - 1;
		else
			return mid;
	}
	return -1;
}

//递归  
int Binary_Search_Recursive(int *array, int low, int high, int key)
{
     whlie(low<=high)
    {
       int mid = (low + high) / 2;
       if (array[mid] == key)
          return mid;
       else if (array[mid] < key)
          return Binary_Search_Recursive(array, mid + 1, high, key);
       else
          return Binary_Search_Recursive(array, low, mid - 1, key);
     }
     return -1;
}

int main()
{
	int array[10];
	for (int i = 0; i<10; i++)
		array[i] = i;

	cout << "No recursive:" << endl;
	cout << "position:" << Binary_Search(array, 10, 6) << endl;
	cout << "recursive:" << endl;
	cout << "position:" << Binary_Search_Recursive(array, 0, 9, 6) << endl;
	return 0;
}

算法分析 

    期望时间复杂度为O(log2n)。

    最坏的情况下查找次数为向下取整[log2n]+1，或向上取整[log2(n+1)]。

    该查找法仅适合于线性表的顺序存储结构，不适合链式存储结构，且要求元素按关键字有序排列。

二分查找与判定树（可用于计算ASL）
    二分查找是一种效率比较高的查找算法，但是它依赖于数组有序的存储，二分查找的过程可以用二叉树来形容描述：把当前查找区间的中间位置上的结点作为根，左子表和右子表中的结点分别作为根节点的左子树和右子树。由此得到的二叉树，称为描述二分查找树的判定树（Decision Tree）或比较树（Comprision Tree）。时间复杂度为O(logN)。
    判定树的形态只与表结点个数N有关，与具体的数值无关。
    10个结点的判定树如下：

    对于此图，我么可以得出：
    查找成功的最少次数：1
    查找成功最多的次数：4
    查找成功的平均次数：（1 * 1 + 2 * 2 + 3 * 4 + 4 * 3） / （1 + 2 + 4 + 3） = 2.9 = 3次；
    查找不成功的最少次数：3
    查找不成功的最多次数：4
    查找不成功的平均次数：（3 * 5 + 4 * 6） / （5 + 6） = 39 / 11 = 4次；
    二分查找就是将给定值K与二分查找判定树的根节点的关键字进行比较。若相等，成功；小于根节点则在根节点的左边查找；大于根节点，则在根节点的右边查找。它是一颗序列号N的有序二叉树。

 

3 哈希表

参考博客

3.1 哈希表的基本概念

3.2 哈希函数

1.哈希函数的特性
    所有散列函数都有如下一个基本特性：如果两个散列值是不相同的(根据同一函数)，那么这两个散列值的原始输入也是不相同的。这个特性使散列函数具有确定性的结果，具有这种性质的散列函数称为单向散列函数。
    典型的散列函数都有无限定义域，比如任意长度的字节字符串，和有限的值域，比如固定长度的比特串。

2. 常用哈希函数介绍
    几种简单常用的散列函数：直接定址法、数字分析法、平方取中法、除留取余法、折叠法等，这些算法通常用于散列表中。
    工业界比较著名的哈希函数：MD4,MD5,SHA-1。
    问：哈希算法是否可以用来加密？
    哈希就是把任意长度的输入通过哈希算法，变换成固定长度的输出，该输出就是哈希值。这种转换是一种压缩映射，使得散列值的空间通常远小于输入的空间，不同的输入可能会散列成相同的输出，而不可能从散列值来唯一确定输入值。哈希算法是一种消息摘要算法，虽然哈希算法不是一种加密算法，但由于其单向运算，具有一定的不可逆性使其成为加密算法中的一个重要构成部分。

3.处理冲突的方法
    链地址法、开放定址法、再散列法和建立一个公共溢出区。

    说明：
    在开放定址的情形下，不能随便删除表中已有元素，因为若删除元素将会截断其他具有相同散列地址的元素的查找地址。所以若想删除一个元素时，给它做一个删除标记，进行逻辑删除。但副作用是，在执行多次删除后，表面上看起来散列表很满，实际上有很多位置没有利用，因此需要定期维护散列表，要把做删除标记的元素物理删除。
采用链地址法处理长度时，哈希表查找成功的平均长度与哈希表的装填因子有关，装填因子=表中填入的记录数/哈希表长度。

4 一致性哈希

参考博客

5 海量数据处理

    所谓海量数据处理，就是基于海量数据的查找、统计、运算等操作。所谓海量数据，就是数据量太大，所以导致要么是无法在较短时间内迅速解决，要么是数据太大，导致无法一次性装入内存。从而导致传统的操作无法实现。

5.1 分治——Hash映射

    参考博客

    堆也是海量数据处理经常采用的工具。

5.2 Bit-map

    参考博客

5.3 Bloom Filter

    参考博客