一.首先思考如何快速定位 IP 对应的省份地址?
如图:
这个功能并不复杂,它是通过维护一个很大的 IP 地址库来实现的。地址库中包括 IP 地址范围和归属地的对应关系。
当我们想要查询 202.102.133.13 这个 IP 地址的归属地时,我们就在地址库中搜索,发现这个 IP 地址落在 [202.102.133.0, 202.102.133.255] 这个地址范围内,那我们就可以将这个 IP 地址范围对应的归属地 “ 山东东营市 ” 显示给
用户了。
[202.102.133.0, 202.102.133.255] 山东东营市
[202.102.135.0, 202.102.136.255] 山东烟台
[202.102.156.34, 202.102.157.255] 山东青岛
[202.102.48.0, 202.102.48.255] 江苏宿迁
[202.102.49.15, 202.102.51.251] 江苏泰州
[202.102.56.0, 202.102.56.255] 江苏连云港
现在我的问题是,在庞大的地址库中逐一比对IP地址所在的区间,是非常耗时的。假设我们有12万条这样的IP区间与归属地的对应关系,如何快速定位出一个IP地址的归属地呢?
上一节我讲了二分查找的原理,并且介绍了最简单的一种二分查找的代码实现。今天我们来讲几种二分查找的变形问题。
变体一:查找第一个值等于给定值的元素
上一节中的二分查找是最简单的一种,即有序数据集合中不存在重复的数据,我们在其中查找值等于某个给定值的数据。如果我们将这个问题稍微修改下,有序数据集合中存在重复的数据,我们希望找到第一个值等
于给定值的数据,这样之前的二分查找代码还能继续工作吗?
比如下面这样一个有序数组,其中, a[5] , a[6] , a[7] 的值都等于 8 ,是重复的数据。我们希望查找第一个等于 8 的数据,也就是下标是 5 的元素
如果我们用上一节课讲的二分查找的代码实现,首先拿 8 与区间的中间值 a[4] 比较, 8 比 6 大,于是在下标 5 到 9 之间继续查找。下标 5 和 9 的中间位置是下标 7 , a[7] 正好等于 8 ,所以代码就返回了。
尽管 a[7] 也等于 8 ,但它并不是我们想要找的第一个等于 8 的元素,因为第一个值等于 8 的元素是数组下标为 5 的元素。我们上一节讲的二分查找代码就无法处理这种情况了。所以,针对这个变形问题,我们可以稍微改造一下上一节的代码。
public static int bsearch(int[] a,int n,int value){
int low = 0;
int high = n-1;
while(low <= high){
int mid = (low+high)/2;
if(a[mid]> value){
high = mid-1;
}else if(a[mid] < value){
low = mid + 1;
}else {
if(mid== 0 || a[mid-1]!=value){
return mid;
}else {
high = mid -1;
}
}
}
return -1;
}
我来稍微解释一下这段代码。 a[mid] 跟要查找的 value 的大小关系有三种情况:大于、小于、等于。对于 a[mid]>value 的情况,我们需要更新 high= mid-1 ;对于 a[mid]<value 的情况,我们需要更新 low=mid+1 。这两点都很好理解。那当 a[mid]=value 的时候应该如何处理呢?
如果我们查找的是任意一个值等于给定值的元素,当 a[mid] 等于要查找的值时, a[mid] 就是我们要找的元素。但是,如果我们求解的是第一个值等于给定值的元素,当 a[mid] 等于要查找的值时,我们就需要确认一下这个 a[mid] 是不是第一个值等于给定值的元素。
我们重点看第 11 行代码。如果 mid 等于 0 ,那这个元素已经是数组的第一个元素,那它肯定是我们要找的;如果 mid 不等于 0 ,但 a[mid] 的前一个元素 a[mid-1] 不等于 value ,那也说明 a[mid] 就是我们要找的第一个值等于给定值的元素。
如果经过检查之后发现 a[mid] 前面的一个元素 a[mid-1] 也等于 value ,那说明此时的 a[mid] 肯定不是我们要查找的第一个值等于给定值的元素。那我们就更新 high=mid-1 ,因为要找的元素肯定出现在 [low, mid-1] 之间。
变体二:查找最后一个值等于给定值的元素
public static int bsearch(int[] a,int n,int value){
int low = 0;
int high = n-1;
while(low <= high){
int mid = (low+high)/2;
if(a[mid]> value){
high = mid-1;
}else if(a[mid] < value){
low = mid + 1;
}else {
if(mid == n-1 || a[mid+1]!=value){
return mid;
}else {
low = mid +1;
}
}
}
return -1;
}
变体三:查找第一个大于等于给定值的元素
public static int bserach(int[] a ,int n,int value){
int low = 0;
int high = n-1;
while(low <= high){
int mid = (low + high)/2;
if(a[mid] >= value){
if(mid==0 || a[mid-1] < value){
return mid;
}else{
high = mid -1;
}
}
}
return -1;
}
如果 a[mid] 小于要查找的值 value ,那要查找的值肯定在 [mid+1, high] 之间,所以,我们更新 low=mid+1 。
对于 a[mid] 大于等于给定值 value 的情况,我们要先看下这个 a[mid] 是不是我们要找的第一个值大于等于给定值的元素。如果 a[mid] 前面已经没有元素,或者前面一个元素小于要查找的值 value ,那 a[mid] 就是我们要找的元素。这段逻辑对应的代码是第 7 行。
如果 a[mid-1] 也大于等于要查找的值 value ,那说明要查找的元素在 [low, mid-1] 之间,所以,我们将 high 更新为 mid-1 。
变体四:查找最后一个小于等于给定值的元素
public static int bserach(int[] a ,int n,int value){
int low = 0;
int high = n-1;
while(low <= high){
int mid = (low + high)/2;
if(a[mid] >= value){
if(mid==0 || a[mid-1] < value){
return mid;
}else{
high = mid -1;
}
}
}
return -1;
}
内容小结
上一节我说过,凡是用二分查找能解决的,绝大部分我们更倾向于
用散列表或者二叉查找树。即便是二分查找在内存使用上更节省
,但是毕竟内存如此紧缺的情况并不多。那二分查找真的没什么用处了吗?
实际上,上一节讲的求 “ 值等于给定值 ” 的二分查找确实不怎么会被用到,
二分查找更适合用在 “ 近似 ” 查找问题,在这类问题上,二分查找的优势更加明显。
比如今天讲的这几种变体问题,用其他数据结构,比如散列表、二叉树,就比较难实现了。
变体的二分查找算法写起来非常烧脑,很容易因为细节处理不好而产生Bug,
这些容易出错的细节有:终止条件、区间上下界更新方法、返回值选择。
所以今天的内容你最好能用自己实现一遍,对锻炼编码能力、逻
辑思维、写出 Bug free 代码,会很有帮助。