数据结构与算法：15 | 二分查找（上）：最省内存的快速查找功能

假设我们有 1000 万个整数数据，每个数据占 8 个字节，如何设计数据结构和算法，快速判断某个整数是否出现在这 1000 万数据中？ 我们希望这个功能不要占用太多的内存空间，最多不要超过 100MB，你会怎么做呢？

无处不在的二分思想

二分查找针对的是一个有序的数据集合，查找思想有点类似分治思想。每次都通过跟区间的中间元素对比，将待查找的区间缩小为之前的一半，直到找到要查找的元素，或者区间被缩小为 0。

O(logn) 惊人的查找速度

假设数据大小是 n，每次查找后数据都会缩小为原来的一半，也就是会除以 2。最坏情况下，直到查找区间被缩小为空，才停止。

可以看出来，这是一个等比数列。其中 n/2^k=1 时，k 的值就是总共缩小的次数。而每一次缩小操作只涉及两个数据的大小比较，所以，经过了 k 次区间缩小操作，时间复杂度就是 O(k)。通过 n/2^k=1，我们可以求得 k=log2n，所以时间复杂度就是 O(logn)。

O(logn) 这种对数时间复杂度, 是一种极其高效的时间复杂度，有的时候甚至比时间复杂度是常量级 O(1) 的算法还要高效。为什么这么说呢？

因为 logn 是一个非常“恐怖”的数量级，即便 n 非常非常大，对应的 logn 也很小。比如 n 等于 2 的 32 次方，这个数很大了吧？大约是 42 亿。也就是说，如果我们在 42 亿个数据中用二分查找一个数据，最多需要比较 32 次。

用大 O 标记法表示时间复杂度的时候，会省略掉常数、系数和低阶。对于常量级时间复杂度的算法来说，O(1) 有可能表示的是一个非常大的常量值，比如 O(1000)、O(10000)。所以，常量级时间复杂度的算法有时候可能还没有 O(logn) 的算法执行效率高。

二分查找的递归与非递归实现

最简单的情况就是有序数组中不存在重复元素，在其中用二分查找值等于给定值的数据:

int bSearch(vector<int> &vec, int n, int value){
    int beg = 0;
    int end = n - 1;
    while(beg <= end){
        int mid = beg + ((end - beg)>>1);
        if(vec[mid] == value) return mid;
        else if(vec[mid] < value)
        	beg = mid + 1;
        else
            end = mid - 1;
    }
    return -1;
}

容易出错的 3 个地方：

• 循环退出条件
  注意是 low<=high，而不是 low

• mid 的取值
  mid=(low+high)/2 这种写法是有问题的，因为如果 low 和 high 比大的话，两者之和可能溢出。改进的方法是将 mid 的计算方式写成low+(high-low)/2。
  更进一步，如果要将性能优化到极致的话，可以将这里的除以 2 操作转化成位运算 low+((high-low)>>1)。因为相比除法运算来说，计算机处理位运算要快得多。

• low 和 high 的更新
  low=mid+1，high=mid-1。注意这里的 +1 和 -1，如果直接写成 low=mid 或者 high=mid，就可能会发生死循环。比如，当 high=3，low=3 时，如果 a[3]不等于 value，就会导致一直循环不退出。

二分查找除了用循环来实现，还可以用递归来实现，过程也非常简单：

int bSearch_c(vector<int> &vec, int beg, int end, int value){
    if(beg > end) return -1;
    int mid = beg + ((end - beg)>>1);
    if(vec[mid] == value) return mid;
    else if(vec[mid] < value)
        return bSearch_c(vec, mid + 1, end, value);
    else
        return bSearch_c(vec, beg, mid - 1, value);
}
int bSearch(vector<int> &vec, int n, int value){
    return bSearch_c(vec, 0, n-1, value);
}

二分查找应用场景的局限性

首先，二分查找依赖的是顺序表结构，简单点说就是数组:
二分查找能否依赖其他数据结构呢？比如链表。答案是不可以，主要原因是二分查找算法需要按照下标随机访问元素。

其次，二分查找针对的是有序数据。
如果针对的是一组静态的数据，没有频繁地插入、删除，可以进行一次排序，多次二分查找。这样排序的成本可被均摊，二分查找的边际成本就会比较低。
但是，如果数据集合有频繁的插入和删除操作，要想用二分查找，要么每次插入、删除操作之后保证数据仍然有序，要么在每次二分查找之前都先进行排序。针对这种动态数据集合，无论哪种方法，维护有序的成本都是很高的。

再次，数据量太小不适合二分查找。
如果要处理的数据量很小，完全没有必要用二分查找，顺序遍历就足够了。只有数据量比较大的时候，二分查找的优势才会比较明显。
不过，这里有一个例外。如果数据之间的比较操作非常耗时，不管数据量大小，都推荐使用二分查找。比如，数组中存储的都是长度超过 300 的字符串，如此长的两个字符串之间比对大小，就会非常耗时。我们需要尽可能地减少比较次数，而比较次数的减少会大大提高性能，这个时候二分查找就比顺序遍历更有优势。

最后，数据量太大也不适合二分查找。
二分查找的底层需要依赖数组这种数据结构，而数组为了支持随机访问的特性，要求内存空间连续，对内存的要求比较苛刻。比如，我们有 1GB 大小的数据，如果希望用数组来存储，那就需要 1GB 的连续内存空间。

解答开篇

内存限制是 100MB，每个数据大小是 8 字节，最简单的办法就是将数据存储在数组中，内存占用差不多是 80MB，符合内存的限制。借助今天讲的内容，可以先对这 1000 万数据从小到大排序，然后再利用二分查找算法，就可以快速地查找想要的数据了。

看起来这个问题并不难，很轻松就能解决。实际上，它暗藏了“玄机”。如果你对数据结构和算法有一定了解，知道散列表、二叉树这些支持快速查找的动态数据结构。你可能会觉得，用散列表和二叉树也可以解决这个问题。

实际上是不行的。虽然大部分情况下，用二分查找可以解决的问题，用散列表、二叉树都可以解决。但是，我们后面会讲，不管是散列表还是二叉树，都会需要比较多的额外的内存空间。如果用散列表或者二叉树来存储这 1000 万的数据，用 100MB 的内存肯定是存不下的。而二分查找底层依赖的是数组，除了数据本身之外，不需要额外存储其他信息，是最省内存空间的存储方式，所以刚好能在限定的内存大小下解决这个问题。

课后思考

1、如何编程实现“求一个数的平方根”？要求精确到小数点后 6 位。

#include <iostream>
#include <iomanip>

using namespace std;

double squareRoot(double a, double precision){
	double low, high, mid;
	if (a > 1){
		low = 1;
		high = a;
	}
	else{
		low = a;
		high = 1;
	}
	while (low <= high){
		mid = (low + high) / 2.000000;
		if ((mid - precision)*(mid - precision) < a && (mid + precision)*(mid + precision) > a) return mid;
		else if (mid*mid > a)
			high = mid;
		else
			low = mid;
	}
	return -1;
}

int main(){
	double ans = squareRoot(0.04, 0.000001);
	cout << fixed << setprecision(6) << ans << endl;
	
	return 0;
}

2、我刚才说了，如果数据使用链表存储，二分查找的时间复杂就会变得很高，那查找的时间复杂度究竟是多少呢？如果你自己推导一下，你就会深刻地认识到，为何我们会选择用数组而不是链表来实现二分查找了

假设链表长度为n，二分查找每次都要定位中间点:
第一次，需要移动指针n/2次；
第二次，需要移动指针n/4次；
第三次，需要移动指针n/8次；
…
以此类推，一直到1次为值

总共指针移动次数(查找次数) = n/2 + n/4 + n/8 + …+ 1，等比数列求和：n - 1，时间复杂度O(n)，顺序查找时间复杂度相同。但是在二分查找的时候，要进行多余的运算，严格说，会比顺序查找时间慢。