[算法笔记]线性表的查找

线性表的查找

分三种：

• 顺序查找法
• 折半查找法
• 分块查找法

顺序查找

其实就是从表的一端向另一端遍历，依次比较关键字。

线性表的顺序查找嘛，具体一点我们就可以认为是按下标逐项遍历数组。那么对于返回值我们可以要求查找成功就返回其下标，未查找成功返回一个约定值（约定值显然不应当出现在数据项可能的取值中）。

实现又分两种，即有无哨兵。哨兵安放在头或尾部。

DataSource[0] = key;  //头部监视哨兵
int i = len;          //len记录了数据项的数量
while(DataSource[i] != key) {
	i--;
}
return i;
//显然返回的若是0则没查找到，非零则查找到

尾部哨兵也类似，就是从头开始遍历。

折半查找

前提是要查找的数据项有序排列

二分法嘛。

while(low <= high){
	mid = (low + high) / 2;
	if(k == DataSource[mid]){
		//查找到的情况
		return mid;
	}
	else if(key < DataSource[mid]){
		high = mid - 1;
	}
	else{
		low = mid + 1;
	}
}
//存在遍历完都没找到的情况
return -1;

这里啊不管是移动high还是low都是越过mid的，比如说low = mid + 1而不是low - mid。虽然这个很显而易见，但是还是提醒注意一下。

总而言之就是看mid的比较结果。

折半查找对于适合顺序存储结构（效率高于链表）

对于上述结论结合链表的遍历考虑一下就很明显了，显然数组更适合随机存取

折半算法时间复杂度是$O(lo{g}_{2}n)$

$$\{\begin{array}{r}C(1)=1\\ C(n)=C(n/2)+1\end{array}$$

由上述递推式得到复杂度是$O(lo{g}_{2}n)$，过程如下：

$$\begin{array}{r}C(n)=C(n/2)+1\\ C(n)=C(n/4)+1+1\\ ...\\ C(n)=C(n/2^k)+1\ast k\end{array}$$

进一步对最后一项式子代入$k={\log }_{2}n$得

$$C(n)=C(1)+1\ast {\log }_{2}n=1+{\log }_{2}n$$

忽略常数项，得到${\log }_{2}n$

判定树/比较树

图源自《数据结构教程》，是对0~10这个十一个有序元素的折半查找的比较树。

这种树用于描述查找过程。显然层数代表比较次数（例如查找2或者8需要比较2次，因为它们都处在第二层）

• 内部结点：判定树中查找成功的结点
• 外部结点：判定树中查找失败对应的结点

说白了就是上图里圆形的是内部结点，方形的是外部结点。显然，在构造比较树时内部结点（或者说数据项）不作为叶子结点。

分块查找法

性能是介于顺序查找和折半查找之间的

整个数据集均分b块，前b-1块必须满的，最后一块可以不满。唯一的要求是前一块最大的关键字小于后一块的最小关键字

特点是：块内无序，块间有序

然后查找思路就是对索引表进行二分查找并找到元素可能在哪个块，找到可能在哪个块后再于该块内进行顺序查找。

索引表保存的是最大关键字，然后找到可能所在的区块进行顺序查找（例如上图如果查找77，由于$66<77<85$，所以在最大值是85那个块里进行顺序查找）

索引表是在存储数据的同时可以附加建立的一种方便查找的表。一般形式为(关键字,地址)，关键字就是数据表的某个元素的数据项，地址可以是指向该元素的指针，或者相对地址（比如数组下标）。

对于总数据项n的数据表每块最佳元素个数是$\sqrt{n}$

因为这个时候$ASL$才取到极小值

三种方法的ASL分析

$ASL$分为两类，即

• $AS{L}_{success}$即查找成功情况下的$ASL$
• $AS{L}_{failure}$即查找失败情况下的$ASL$

它的公式是这样的：

$$ASL=\sum _{i=1}^n{p}_i{c}_i$$

其中：

• $p_i$为查找第$i$个元素的概率
• $c_i$为找到地$i$个元素所需的关键字比较次数

$ASL$是衡量查找算法性能好坏的重要指标，$ASL$越小则对应的查找算法的性能越好

---

我认为：将$p_i$理解为于第$i$项结束查找的概率比较合适。

我这么说的原因是更方便与解释$AS{L}_{failure}$的问题。愚以为书上面的定义（上面定义就是原封不动照搬书上的）有点笼统，没说清楚。

顺序查找

$$AS{L}_{success}=\sum _{i=1}^n{p}_i{c}_i=\frac{1}{n}\sum _{i=1}^{n}i=\frac{1}{n}\times \frac{n(n+1)}{2}=\frac{n+1}{2}$$

对上式需要解释的是$p_i=\frac{1}{n}$被直接提到求和前面，因为不管$i$取几$p_i$是不变的。这是因为每个元素是关键字的可能性是相同的（都是$\frac{1}{n}$）。

$$AS{L}_{failure}=n$$

对上式的解释是：$ASL$代表平均需要进行的和关键值比较的操作的次数。显然顺序查找失败意味着整个数据表都遍历了一遍并且没有找到，整个数据表有$n$项数据，则$AS{L}_{failure}=n$是显然的。

或者说$p_1=p_2=...=p_{n-1}=0$，只有$p_n=1$，并且又由于$c_n=n$，可以得到上述结果。

对比看来，在关键字确实出现在n项数据中时，第$i$项数据结束查找的可能性的确是$\frac{1}{n}$（等可能地分布），但是放到关键字不出现在n项数据中的情况下，比较$n$次的是一定的，所以比较1、2、…$n-1$次结束查找的概率必然都为0。

折半查找

$$AS{L}_{success}=\sum _{i=1}^n{p}_i\times level(k_i)$$

其中$level(k_i)$表示关键字$k_i$对应内部结点（在比较树中）的层次。

这个可以进一步简化为

$$AS{L}_{success}=\frac{1}{n}\sum _{i=1}^n{2}^{i-1}\times i=\frac{n+1}{n}\times {\log }_2(n+1)-1\approx {\log }_2(n+1)-1$$

这个近似结果前提是判定树近似为高$h={\log }_2(n+1)$的满二叉树（内部结点有n个，高度h不计外部结点）。

---

$$AS{L}_{failure}=\sum _{i=0}^n{q}_i\times (level(u_i)-1)$$

因为对于一个具有$n$个数据项的查找树，其外部结点必然有$n+1$个，这意味着有$n+1$中查找失败的情况。

对于上图，有：

$$AS{L}_{success}=\frac{1\ast 1+2\ast 2+4\ast 3+4\ast 4}{11}$$

$$AS{L}_{failure}=\frac{4\ast 3+8\ast 4}{12}=3.67$$

比如说这个$AS{L}_{failure}$的分子意思就是第三层（比较3次）查找失败的节点有4个（写作3*4），第四层（比较4次）查找失败的节点有8个（写作4*8）

分块查找

$$AS{L}_{blk}=AS{L}_{bn}+AS{L}_{sq}$$

其中

• $AS{L}_{bn}$是对索引表查找
• $AS{L}_{sq}$是对对应块的顺序查找

---

对于一个数据表有n个元素，块大小为s时，共有$b=ceil(n/s)$个块。套用上面的结论

$$AS{L}_{blk}={\log }_2(b+1)-1+\frac{s+1}{2}\approx {\log }_2(b+1)+\frac{s}{2}$$

参考

李春葆《数据结构教程》
关于ASL(平均查找长度)的简单总结
轻松学习数据结构（代码完整！）