【数据结构与算法】二分搜索和斐波那契搜索-C实现

二分和斐波

一直在家，无聊就看看.
二分搜索有O(1.5logn)的时间复杂度，斐波那契搜索可以进一步提升至O(1.4logn).

注：这两种检索方法都是针对有序集合的.

二分搜索

基本思路就是把集合分成两部分，当然这里是指有序集合。
把搜索目标与分界点元素作比较，从而决定去往哪一部分检索目标。
二分搜索优解：单击查看实现代码

---

C代码描述为：

size_t Fibonacci(size_t number);
/** Fib搜索 传入容器、区间和目标；返回<下标>\<-1> **/
template <typename T>
int FibSearch(vector<T> vec,size_t low,size_t high,T var)
{
	/* 取集合两部分的分界点为mid */
	size_t mid;
	while(low<high){
		mid = (high+low)/2;
		if(var == vec[mid]) return mid;
		else if(var<vec[mid]) high = mid;
		else low = mid+1;
	}
	/* 没有找到--返回-1 */
    return -1;
}

斐波那契查找

斐波那契查找的思路可从于二分查找的思路领悟
二分查找总要根据mid位置和var的值的比较结果，在三件事：

1.返回mid
2.更新high
3.更新low

而根据判定结果选择更新high或者low需要的操作次数是不同的（必然是其中一个只需要比较一次，而另一个需要比较两次）

这就引发一种猜想：把更多的元素分到需要操作更少的那边，就能够减少总的操作次数，从降低时间复杂度，节省时间。

---

对于上面代码所示的这种实现，我们更新high只需要：

else if(var<vec[mid]) high = mid;

这一次操作.

而更新low则需要：

else if(var<vec[mid]) high = mid;
else low = mid+1;

两次操作.

---

故而按照前面的猜想，我们可以在选取分界点时稍往右偏些，把更多的元素分到左侧。
也就是说，二分搜索是对半开，两边各占0.5，现在让左边占比略高于0.5，而右边略低于0.5

分析发现，这个比值在大概0.6：0.4时使得这个思路得到的优化效果最佳.
也就是借用Fibonacci代替原代码中的：

mid = (high+low)/2;

来更新mid的数值

---

Fibonacci搜索方法的一种实现如下

size_t Fibonacci(size_t number);
/** Fib搜索 传入容器、区间和目标；返回<下标>\<-1> **/
template <typename T>
int FibSearch(vector<T> vec,size_t low,size_t high,T var)
{
    /* 斐波那契数种子 */
    size_t FibSeed = high-low;
    /* 所谓mid */
    size_t ptr = low + Fibonacci(FibSeed)-1;
    while(low<high){
        /* 更新mid */
        while(Fibonacci(FibSeed) > high-low)
        	ptr = low + Fibonacci(--FibSeed)-1;
        if(var == vec[ptr]) return ptr;
        else if(var<vec[ptr]) high = ptr;
        else low = ptr+1;
    }
    return -1;
}

其中Fibonacci的实现如下：

/* 斐波那契数列生成器  -- <传入序号,返回对应位置数值>*/
size_t Fibonacci(size_t number)
{
    /** 初始化数列种子 <Fo> and <Be> **/
    size_t Fo=1,Be=0;
    while(number--){
        /* 暂且这样规避上溢 ^_^ */
        if(Fo>100000)
            return -1;
        Fo+=Be;
        Be = Fo-Be;
    }
    return Fo;
}