【玩转算法】二分搜索

最新推荐文章于 2021-07-22 10:58:19 发布

Light.T

最新推荐文章于 2021-07-22 10:58:19 发布

阅读量161

点赞数

分类专栏：算法

本文链接：https://blog.csdn.net/qq_41629800/article/details/106120211

版权

算法专栏收录该内容

12 篇文章 0 订阅

订阅专栏

二分搜索（折半搜索）的 Wikipedia 定义：是一种在有序数组中查找某一特定元素的搜索算法。从定义可知，运用二分搜索的前提是数组必须是排好序的。另外，输入并不一定是数组，也有可能是给定一个区间的起始和终止的位置。算法的难点在边界的处理上。
优点：时间复杂度是 O(logn)，非常高效。因此也称为对数搜索。
缺点：要求待查找的数组或者区间是排好序的。
对数组进行动态的删除和插入操作并完成查找，平均复杂度会变为 O(n)。此时应当考虑采取自平衡的二叉查找树：
1. 在 O(nlogn) 的时间内用给定的数据构建出一棵二叉查找树；
2. 在 O(logn) 的时间里对目标数据进行搜索；
3. 在 O(logn) 的时间里完成删除和插入的操作。
因此，当输入的数组或者区间是排好序的，同时又不会经常变动，而要求从里面找出一个满足条件的元素的时候，二分搜索就是最好的选择。
二分搜索一般化的解题思路如下：
1. 从已经排好序的数组或区间中取出中间位置的元素，判断该元素是否满足要搜索的条件，如果满足，停止搜索，程序结束。
2. 如果正中间的元素不满足条件，则从它两边的区域进行搜索。由于数组是排好序的，可以利用排除法，确定接下来应该从这两个区间中的哪一个去搜索。
3. 通过判断，如果发现真正要找的元素在左半区间的话，就继续在左半区间里进行二分搜索。反之，就在右半区间里进行二分搜索。

递归解法，

优点：简洁；
缺点：执行消耗大
代码示例如下：

# 返回 x 在 arr 中的索引，如果不存在返回 -1
def binarySearch (arr, l, r, target):  
    # 基本判断
    if r >= l: 
        mid = int(l + (r - l)/2)   //避免整型溢出
        # 元素整好的中间位置
        if arr[mid] == target: 
            return mid          
        # 元素小于中间位置的元素，只需要再比较左边的元素
        elif arr[mid] > target: 
            return binarySearch(arr, l, mid-1, target) 
        # 元素大于中间位置的元素，只需要再比较右边的元素
        else: 
            return binarySearch(arr, mid+1, r, target) 
    else: 
        # 不存在
        return -1

注意：
1. 在计算 middle 下标的时候，不能简单地用 (low + hight) / 2，可能会导致溢出。
2. 在取左半边以及右半边的区间时，左半边是 [low, middle - 1]，右半边是 [middle + 1, high]，这是两个闭区间。因为已经确定了 middle 那个点不是我们要找的，就没有必要再把它加入到左、右半边了。
3. 对于一个长度为奇数的数组，例如：{1, 2, 3, 4, 5}，按照 low + (high - low) / 2 来计算，middle 就是正中间的那个位置，对于一个长度为偶数的数组，例如 {1, 2, 3, 4}，middle 就是正中间靠左边的一个位置。

非递归解法:

核心步骤：
1. 确定搜索的范围和区间
2. 取中间的数判断是否满足条件
3. 如果不满足条件，判定应该往哪个半边继续进行搜索

代码示例如下：

def BinarySearch(arr, l, r, target):
   while l <= r:
        mid = int(l + (r - l)/2)
        if arr[mid] == target:
            return mid
        if target < arr[mid]:
            r = mid-1
        else:
            l = mid+1
    # 不存在
    return -1