二分查找详解

二分查找

1.什么是二分查找

二分查找也称折半查找(Binary Search),它是一种效率较高的查找方法。但是,折半查找要求线性表必须采用顺序存储结构,而且表中元素按关键字有序排列。

2.二分查找的条件

  • 是一个有序数列
  • 必须是按照关键字大小进行排序

3.二分查找的实现原理

假设我们比较的有序数列有三个数,我们比较一个元素的值和数组中间位置的元素的值进行比较,如果比中间的元素大,则在有序数组的后半部分进行查找;如果中间位置的元素的值小,则跟有序数组的前半部分进行比较;如果相等,则找到了比较元素的位置.

3.1 流程

  • 把待查找的元素与有序数组的中间位置的值进行比较,如果大于则比较后半部分,小于则比较前半部分
  • 此后,有序数组变为原来数组的前半部分或者后半部分
  • 继续执行第一步,依次比较元素与当前数组的中间值的大小

3.2 代码实现

package binarySearch;

/**
 * @author le
 */
public class BinarySearch {

    public static void main(String[] args) {
        
        // 有序的数组
        int[] num = {1,7,9,44,56,100,121,199,233};

        // 执行的次数
        int count = 0;
		
        // 待查找的元素
        int target = 44;

        // 数组的起始索引
        int low = 0;
        // 数组中间元素的索引
        int mid = 0;
        // 数组末尾的索引
        int high = num.length - 1;

        // 判定条件
        while(low <= high){
            // mid等于数组中间的索引
            mid = (low + high)/2;
            
            if (target == num[mid]){
                // 待比较元素等于数组中间的值
                count++;
                System.out.print("count: "+count+" 值: "+num[mid]);
                break;
            }else if(target < num[mid]){
                 // 待比较元素比数组中间元素的值小时
                high = mid-1;
                count++;
            }else if(target > num[mid]){
                // 待比较元素比数组中间元素的值大时
                low = mid+1;
                count++;
            }
        }
    }
}

主要是在于 low 和 high 还有 mid 的变化 在每一次比较之后应该怎么变

3.3 图示

二分查找的流程

假设待查找的值为 44 有序查找数组为:arr[] = {1,7,9,44,56,100,121,199,233};

总计需要查找四次

  • 第一次比较
    在这里插入图片描述

  • 第二次比较

在这里插入图片描述

  • 第三次比较
    在这里插入图片描述
  • 第四次比较
    在这里插入图片描述

4. 总结

二分查找法作为一种常见的查找方法,将原本是线性时间提升到了对数时间范围,大大缩短了搜索时间,但它有一个前提,就是必须在有序数据中进行查找,其算法复杂度为O(log2n)!

算法注意的点的(优化):

  • while的判定条件 low <= high;
  • 防止数组溢出: mid = low + (high - low)/2;
  • 当target的值不等于arr[mid]时, low = mid + 1 或 high = mid - 1.
  • 1
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Python中二分查找的思想是通过将有序数组分为左右两个部分,然后根据目标元素与中间元素的比较结果,缩小查找范围。具体步骤如下: 1. 确定起始位置left和末尾位置right,初始时left为数组的第一个元素的索引,right为数组的最后一个元素的索引。 2. 在循环中,计算中间位置mid,通过将left与right相加并除以2得到mid。 3. 比较arr[mid]与目标元素的大小关系: - 如果arr[mid]等于目标元素,表示找到了目标元素,返回mid作为目标元素在数组中的索引。 - 如果arr[mid]小于目标元素,表示目标元素可能在mid的右侧,将左边界left更新为mid+1。 - 如果arr[mid]大于目标元素,表示目标元素可能在mid的左侧,将右边界right更新为mid-1。 4. 继续循环,直到找到目标元素或者查找范围为空(即left大于right),此时算法结束,返回查找失败的结果-1。 通过二分查找的思想,可以高效地在有序数组中定位特定元素。这种算法的时间复杂度为O(log n),比线性搜索的时间复杂度O(n)更高效。因此,在需要频繁进行查找操作的场景下,可以考虑使用二分查找算法来提高搜索效率。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [使用Python实现二分查找算法及其应用场景详解](https://blog.csdn.net/RabbitTuzi/article/details/131338291)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值