常用查找算法

常用的四种查找算法

在java中我们常用的查找算法有四种

  1. 顺序(线性)查找
  2. 二分查找/折半查找
  3. 插值查找
  4. 斐波那契查找

顺序查找法

应用实例:

有一个数列:{1,8, 10, 89,8, 1000, 1234,89,8} ,判断数列中是否包含此元素。 要求使用顺序查找, 如果找到了,就提示找到,并给出下标值;没找到返回-1。

分析思路:

  • 遍历数组每一个元素,找到则返回此元素的下标,没找到返回-1。
  • 如果数组包含多个元素,则将找到的下标,利用一个数列保存起来。

代码实现:

package com.zxs.search;

import java.util.ArrayList;
import java.util.List;

/**
 * @Classname sequenceSerach
 * @Description 顺序查找
 * @Date 2021/5/20 16:22
 * @Created by zxs
 */
public class SequenceSearch {
    public static void main(String[] args) {
        int arr[] = {1,8, 10, 89,8, 1000, 1234,89,8};
        List res = seqSearch(arr,8);
        System.out.println("res="+ res);
    }

    //顺序查找法,查找某个元素,查找到则返回当前元素的下标
    public static List seqSearch(int[] arr,int value){
        List<Integer> list = new ArrayList<>();
        for (int i = 0; i < arr.length; i++) {
            if (value == arr[i]) {
                list.add(i);
            }
        }
        return list;
    }
}

二分查找法

二分查找算法适用于有序列表,无序列表不能使用二分查找算法。

应用实例:

对一个有序数组进行二分查找 {1,8, 10, 89, 1000, 1234} ,输入一个数看看该数组是否存在此数,有就返回下标。

分析思路:

  • 首先确定该数组的中间的下标:mid = (left + right) / 2,让需要查找的数 findVal 和 arr[mid] 比较。
  • 如果findVal > arr[mid] , 说明你要查找的数在mid 的右边, 因此需要递归的向右查找
  • 如果findVal < arr[mid], 说明你要查找的数在mid 的左边, 因此需要递归的向左查找
  • 如果findVal == arr[mid] 说明找到,就返回。
  • 当 left > right 就需要退出递归。

代码实现:

package com.zxs.search;

/**
 * @Classname BinarySearch
 * @Description TODO
 * @Date 2021/5/20 16:31
 * @Created by zxs
 */
public class BinarySearch {
    public static void main(String[] args) {
        int arr[] = {1, 8, 10, 89, 1000, 1234};
        int res = binarySearch(arr, 1000, 0, arr.length - 1);
        System.out.println("res="+res);
    }

    //利用二分查找法查找
    public static int binarySearch(int[] arr, int value, int left, int right) {
        //当left > right说明没找到,返回-1
        if (left > right) {
            return -1;
        }
        //定义中间值
        int mid = (left + right) / 2;
        int midVal = arr[mid];
        if (value > midVal) {   //查找的值在中间值的右边,向右递归查找
            return binarySearch(arr, value, mid + 1, right);
        } else if (value < midVal) {    //向左递归查找
            return binarySearch(arr, value, left, mid - 1);
        } else {    //切好是中间值
            return mid;
        }
    }
}

应用实例 =》进阶:

当一个有序数组中,有多个相同的数值时,怎么将所有的数值都找到,并返回它们下标的一个数列,如果一个也没有,则返回一个空数列。

实现思路:

  • 首先确定该数组的中间的下标:mid = (left + right) / 2,让需要查找的数 findVal 和 arr[mid] 比较。
  • 如果findVal > arr[mid] , 说明你要查找的数在mid 的右边, 因此需要递归的向右查找。
  • 如果findVal < arr[mid], 说明你要查找的数在mid 的左边, 因此需要递归的向左查找。
  • 如果findVal == arr[mid] 说明找到第一个目标元素,再继续让mid - 1往左找,左边找完继续让mid + 1往右找,边找边将mid加入到数列中。
  • 当 left > right 就需要退出递归。

代码实现:

package com.zxs.search;

import java.util.ArrayList;
import java.util.List;

/**
 * @Classname BinarySearch
 * @Description TODO
 * @Date 2021/5/20 16:31
 * @Created by zxs
 */
public class BinarySearch {
    public static void main(String[] args) {
        int arr[] = {1, 8, 10, 88, 88, 88, 88, 1000, 1234};
//        int res = binarySearch(arr, 0, arr.length - 1, 1);
        List<Integer> res = binarySearch2(arr, 0, arr.length - 1, 88);
        System.out.println("res=" + res);
    }

    //二分法查找具有重复元素的列表
    public static List<Integer> binarySearch2(int[] arr, int left, int right, int findVal) {
        //当left>right时,结束递归返回空list
        if (left > right) {
            return new ArrayList<Integer>();
        }
        //找到中间元素
        int mid = (left + right) / 2;
        int midVal = arr[mid];
        //创建一个list保存元素的下标
        List<Integer> resIndexList = new ArrayList<>();

        if (findVal > midVal) { //右递归
            return binarySearch2(arr, mid + 1, right, findVal);
        } else if (findVal < midVal) {  //左递归
            return binarySearch2(arr, left, mid - 1, findVal);
        } else {
            //先将当前mid加入list
            resIndexList.add(mid);
            //当找到了第一个元素时,继续往左找
            //创建一个辅助变量
            int temp = mid - 1;
            while (true) {
                //temp < 0表示左边全是目标元素
                if (temp < 0 || arr[temp] != findVal) {
                    break;
                }
                resIndexList.add(temp);
                temp--;
            }
            //继续往右找
            temp = mid + 1;
            while (true) {
                if (temp > arr.length - 1 || arr[temp] != findVal) {
                    break;
                }
                resIndexList.add(temp);
                temp++;
            }
        }
        return resIndexList;
    }
}

插值查找法

插值查找原理介绍:

  • 插值查找算法基本和二分查找法一模一样,不同的是插值查找每次从自适应mid处开始查找,关键之处也就是这个自适应mid。
  • 求mid 索引的公式,low 表示左边索引left, high表示右边索引right,key 就是我们要查找的值findVal

应用实例:

对一个1~100的有序数组,查找它的某个元素,如果查找到就返回元素所在的下标,否则返回-1.

代码实现:

package com.zxs.search;

import java.util.ArrayList;
import java.util.List;

/**
 * @Classname InsertValSearch
 * @Description 插值查找
 * @Date 2021/5/20 20:43
 * @Created by zxs
 */
public class InsertValSearch {
    public static void main(String[] args) {
        int[] arr = new int[100];
        for (int i = 0; i < 100; i++) {
            arr[i] = i + 1;
        }
//        int arr[] = {1, 8, 10, 88, 88, 88, 88, 1000, 1234};

//        int index = insertValSearch(arr, 0, arr.length - 1, 66);
        List<Integer> list = insertValSearch2(arr, 0, arr.length - 1, 100);
        System.out.println("res=" + list);
    }

    //插值查找法
    public static int insertValSearch(int[] arr, int left, int right, int findVal) {
        System.out.println("调用插值查找法~~~");
        //当left > right退出递归
        //findVal > arr[arr.length - 1] || findVal < arr[0]必须要有,否则mid的值将会超出索引或者为负数
        if (left > right || findVal > arr[arr.length - 1] || findVal < arr[0]) {
            return -1;
        }
        //获取中间值
        int mid = left + (right - left) * (findVal - arr[left]) / (arr[right] - arr[left]);
        int midVal = arr[mid];
        //判断
        if (findVal > midVal) {
            //往右递归
            return insertValSearch(arr, mid + 1, right, findVal);
        } else if (findVal < midVal) {
            //往左递归
            return insertValSearch(arr, left, mid - 1, findVal);
        } else {
            return mid;
        }
    }

    //插值查找法查找具有重复元素的列表
    public static List<Integer> insertValSearch2(int[] arr, int left, int right, int findVal) {
        System.out.println("调用插值查找法~~~");
        //当left>right时,结束递归返回空list
        if (left > right || findVal > arr[arr.length - 1] || findVal < arr[0]) {
            return new ArrayList<Integer>();
        }
        //找到中间元素
        int mid = left + (right - left) * (findVal - arr[left]) / (arr[right] - arr[left]);
        int midVal = arr[mid];
        //创建一个list保存元素的下标
        List<Integer> resIndexList = new ArrayList<>();

        if (findVal > midVal) { //右递归
            return insertValSearch2(arr, mid + 1, right, findVal);
        } else if (findVal < midVal) {  //左递归
            return insertValSearch2(arr, left, mid - 1, findVal);
        } else {
            //先将当前mid加入list
            resIndexList.add(mid);
            //当找到了第一个元素时,继续往左找
            //创建一个辅助变量
            int temp = mid - 1;
            while (true) {
                //temp < 0表示左边全是目标元素
                if (temp < 0 || arr[temp] != findVal) {
                    break;
                }
                resIndexList.add(temp);
                temp--;
            }
            //继续往右找
            temp = mid + 1;
            while (true) {
                if (temp > arr.length - 1 || arr[temp] != findVal) {
                    break;
                }
                resIndexList.add(temp);
                temp++;
            }
        }
        return resIndexList;
    }
}

插值查找和二分查找区别

  • 查找相同的 1~100 的有序数组,二分查找需要递归查找好几次才能找到目标元素,而插值查找一次就能找到。
  • 查找arr[] = { 1, 8, 10, 89,1000,1000, 1234 }数组,二分查找也可能需要好几次才能找到目标元素,而插值查找一次就能找到。
  • 插值查找算法的原理本质上和二分查找没区别,最关键的地方在于这个自适应mid
  • 对于数据量较大,关键字分布比较均匀的查找表来说,采用插值查找,速度较快。
  • 关键字分布不均匀的情况下,该方法不一定比折半查找要好。

斐波那契查找法(难点)

斐波那契查找法也叫黄金分割查找法,它的查找原理与二分查找和插值查找法相似,仅仅改变了中间结点(mid)的位置,mid不再是中间或插值得到,而是位于黄金分割点附近,即mid=low+F(k-1)-1(F代表斐波那契数列),如下图所示

对F(k-1)-1的理解:

  • 由斐波那契数列 F[k]=F[k-1]+F[k-2] 的性质,可以得到 (F[k]-1)=(F[k-1]-1)+(F[k-2]-1)+1。该式说明:只要顺序表的长度为F[k]-1,则可以将该表分成长度为F[k-1]-1和F[k-2]-1的两段,即如上图所示。从而中间位置为mid=low+F(k-1)-1
  • 类似的,每一子段也可以用相同的方式分割
  • 但顺序表长度n不一定刚好等于F[k]-1,所以需要将原来的顺序表长度n增加至F[k]-1。这里的k值只要能使得F[k]-1恰好大于或等于n即可,由以下代码得到,顺序表长度增加后,新增的位置(从n+1到F[k]-1位置),都赋为n位置的值即可

应用案例:

对一个有序数组进行斐波那契查找 {1,8, 10, 89, 1000, 1234} ,输入一个数看看该数组是否存在此数,并且求出下标。

代码实现:

package com.zxs.search;

import java.util.Arrays;

/**
 * @Classname FibonacciSearch
 * @Description TODO
 * @Date 2021/5/20 22:33
 * @Created by zxs
 */
public class FibonacciSearch {

    public static int maxSize = 20;

    public static void main(String[] args) {
        int[] arr = {1, 8, 10, 89, 1000, 1234};

        System.out.println("index=" + fibSearch(arr, 89));// 0
    }

    //因为后面我们mid=low+F(k-1)-1,需要使用到斐波那契数列,因此我们需要先获取到一个斐波那契数列
    //非递归方法得到一个斐波那契数列
    public static int[] fib() {
        int[] f = new int[maxSize];
        f[0] = 1;
        f[1] = 1;
        for (int i = 2; i < maxSize; i++) {
            f[i] = f[i - 1] + f[i - 2];
        }
        return f;
    }

    //编写斐波那契查找算法
    //使用非递归的方式编写算法
    /**
     * @param a   数组
     * @param key 我们需要查找的关键码(值)
     * @return 返回对应的下标,如果没有-1
     */
    public static int fibSearch(int[] a, int key) {
        int low = 0;
        int high = a.length - 1;
        int k = 0; //表示斐波那契分割数值的下标
        int mid = 0; //存放mid值
        int f[] = fib(); //获取到斐波那契数列
        //获取到斐波那契分割数值的下标
        while (high > f[k] - 1) {
            k++;
        }
        //因为 f[k] 值 可能大于 a 的 长度,因此我们需要使用Arrays类,构造一个新的数组,并指向temp[]
        //不足的部分会使用0填充
        int[] temp = Arrays.copyOf(a, f[k]);
        //实际上需求使用a数组最后的数填充 temp
        //举例:
        //temp = {1,8, 10, 89, 1000, 1234, 0, 0}  => {1,8, 10, 89, 1000, 1234, 1234, 1234,}
        for (int i = high + 1; i < temp.length; i++) {
            temp[i] = a[high];
        }
        // 使用while来循环处理,找到我们的数 key
        while (low <= high) { // 只要这个条件满足,就可以找
            mid = low + f[k - 1] - 1;
            if (key < temp[mid]) { //我们应该继续向数组的前面查找(左边)
                high = mid - 1;
                //为甚是 k--
                //说明
                //1. 全部元素 = 前面的元素 + 后边元素
                //2. f[k] = f[k-1] + f[k-2]
                //因为 前面有 f[k-1]个元素,所以可以继续拆分 f[k-1] = f[k-2] + f[k-3]
                //即 在 f[k-1] 的前面继续查找 k--
                //即下次循环 mid = f[k-1-1]-1
                k--;
            } else if (key > temp[mid]) { // 我们应该继续向数组的后面查找(右边)
                low = mid + 1;
                //为什么是k -=2
                //说明
                //1. 全部元素 = 前面的元素 + 后边元素
                //2. f[k] = f[k-1] + f[k-2]
                //3. 因为后面我们有f[k-2] 所以可以继续拆分 f[k-1] = f[k-3] + f[k-4]
                //4. 即在f[k-2] 的前面进行查找 k -=2
                //5. 即下次循环 mid = f[k - 1 - 2] - 1
                k -= 2;
            } else { //找到
                //需要确定,返回的是哪个下标
                if (mid <= high) {
                    return mid;
                } else {
                    return high;
                }
            }
        }
        return -1;
    }
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在C++11STL中,常用查找算法包括:find、find_if、find_if_not、binary_search、lower_bound、upper_bound和equal_range等。下面分别介绍这些算法,并给出示例。 1. find算法: ```c++ #include <iostream> #include <vector> #include <algorithm> int main() { std::vector<int> vec {1, 2, 3, 4, 5}; auto it = std::find(vec.begin(), vec.end(), 3); if (it != vec.end()) { std::cout << "Found: " << *it << '\n'; } else { std::cout << "Not found\n"; } return 0; } ``` 输出结果: ``` Found: 3 ``` 2. find_if算法: ```c++ #include <iostream> #include <vector> #include <algorithm> bool is_odd(int n) { return n % 2 != 0; } int main() { std::vector<int> vec {1, 2, 3, 4, 5}; auto it = std::find_if(vec.begin(), vec.end(), is_odd); if (it != vec.end()) { std::cout << "Found: " << *it << '\n'; } else { std::cout << "Not found\n"; } return 0; } ``` 输出结果: ``` Found: 1 ``` 3. find_if_not算法: ```c++ #include <iostream> #include <vector> #include <algorithm> bool is_odd(int n) { return n % 2 != 0; } int main() { std::vector<int> vec {1, 2, 3, 4, 5}; auto it = std::find_if_not(vec.begin(), vec.end(), is_odd); if (it != vec.end()) { std::cout << "Found: " << *it << '\n'; } else { std::cout << "Not found\n"; } return 0; } ``` 输出结果: ``` Found: 2 ``` 4. binary_search算法: ```c++ #include <iostream> #include <vector> #include <algorithm> int main() { std::vector<int> vec {1, 2, 3, 4, 5}; bool found = std::binary_search(vec.begin(), vec.end(), 3); if (found) { std::cout << "Found\n"; } else { std::cout << "Not found\n"; } return 0; } ``` 输出结果: ``` Found ``` 5. lower_bound算法: ```c++ #include <iostream> #include <vector> #include <algorithm> int main() { std::vector<int> vec {1, 2, 3, 3, 4, 5}; auto it = std::lower_bound(vec.begin(), vec.end(), 3); if (it != vec.end()) { std::cout << "Found: " << *it << '\n'; } else { std::cout << "Not found\n"; } return 0; } ``` 输出结果: ``` Found: 3 ``` 6. upper_bound算法: ```c++ #include <iostream> #include <vector> #include <algorithm> int main() { std::vector<int> vec {1, 2, 3, 3, 4, 5}; auto it = std::upper_bound(vec.begin(), vec.end(), 3); if (it != vec.end()) { std::cout << "Found: " << *it << '\n'; } else { std::cout << "Not found\n"; } return 0; } ``` 输出结果: ``` Found: 4 ``` 7. equal_range算法: ```c++ #include <iostream> #include <vector> #include <algorithm> int main() { std::vector<int> vec {1, 2, 3, 3, 4, 5}; auto p = std::equal_range(vec.begin(), vec.end(), 3); if (p.first != vec.end() && p.second != vec.end()) { std::cout << "Found: "; for (auto it = p.first; it != p.second; ++it) { std::cout << *it << ' '; } std::cout << '\n'; } else { std::cout << "Not found\n"; } return 0; } ``` 输出结果: ``` Found: 3 3 ```

“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
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