数据结构与算法----二分查找（Python版）

❖在顺序查找中，如果第1个数据项不匹配查找项的话，那最多还有n-1个待比对的数据项

❖那么，有没有方法能利用有序表的特性，迅速缩小待比对数据项的范围呢？

❖我们从列表中间开始比对！

如果列表中间的项匹配查找项，则查找结束如果不匹配，那么就有两种情况：

• 列表中间项比查找项大，那么查找项只可能出现在前半部分

• 列表中间项比查找项小，那么查找项只可能出现在后半部分

无论如何，我们都会将比对范围缩小到原来的一半：n/2

❖继续采用上面的方法查找

每次都会将比对范围缩小一半

 

def binarySearch(alist, item):
    first = 0
    last = len(alist) - 1
    found = False

    while first <= last and not found:
        midpoint = (first + last) // 2
        if alist[midpoint] == item:
            found = True
        else:
            if item < alist[midpoint]:
                last = midpoint
            else:
                first = midpoint
    return found

testList = [1,4,2,65,6,3,5,77,34]
print(binarySearch(testList,2))
print(binarySearch(testList,666))

 

❖二分查找算法实际上体现了解决问题的典

型策略：分而治之

将问题分为若干更小规模的部分通过解决每一个小规模部分问题，并将结果汇总得到原问题的解

 

❖显然，递归算法就是一种典型的分治策略算法，二分法也适合用递归算法来实现

 

def binarySearch(alist, item):
    if len(alist) == 0:
        return False
    else:
        midpoint = len(alist)//2
        if alist[midpoint] == item:
            return True
        else:
            if item < alist[midpoint]:
                return binarySearch(alist[:midpoint],item)
            else:
                return binarySearch(alinst[midpoint:],item)
            
testList = [1,4,2,65,6,3,5,77,34]
print(binarySearch(testList,2))
print(binarySearch(testList,666))

❖由于二分查找，每次比对都将下一步的比对范围缩小一半

❖每次比对后剩余数据项如下表所示：

二分查找：算法分析

❖当比对次数足够多以后，比对范围内就会仅剩余1个数据项

❖无论这个数据项是否匹配查找项，比对最终都会结束，解下列方程：

得到：i=log2(n)

❖所以二分法查找的算法复杂度是O(log n)

❖虽然我们根据比对的次数，得出二分查找的复杂度O(log n)

❖但本算法中除了比对，还有一个因素需要 注意到：

binarySearch(alist[:midpoint],item)这个递归调用使用了列表切片，而切片操作的复杂度是O(k)，这样会使整个算法的时间复杂度稍有增加；当然，我们采用切片是为了程序可读性更好，实际上也可以不切片，而只是传入起始和结束的索引值即可，这样就不会有切片的时间开销了。

❖另外，虽然二分查找在时间复杂度上优于顺序查找

❖但也要考虑到对数据项进行排序的开销

如果一次排序后可以进行多次查找，那么排序的开销就可以摊薄但如果数据集经常动，查找次数相对较少，那么可能还是直接用无序表加上顺序查找来得经济

❖所以，在算法选择的问题上，光看时间复杂度的优劣是不够的，还需要考虑到实际应用的情况。