提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
前言
最近刷了很多二分查找相关的题目,这里将近期的收获做一个总结,包括二分查找的变形问题。如果能掌握,我相信以后基本上二分查找相关的问题对你来说,都不是问题。
提示:以下是本篇文章正文内容,下面案例可供参考
一、二分查找的效率
二分查找是啥我想不用过多的说明。我们都知道二分查找的时间复杂程度是O(logN)。
O(logn) 查找速度有多快呢?我们来分析一下。
我们假设数据大小是 n,每次查找后数据都会缩小为原来的一半,也就是会除以 2。最坏情况下,直到查找区间被缩小为空,才停止。
就因为这种特性,有的时候甚至比时间复杂度是常量级 O(1) 的算法还要高效。为什么这么说呢?
因为 logn 是一个非常“恐怖”的数量级,即便 n 非常非常大,对应的 logn 也很小。比如 n 等于 2 的 32 次方,这个数很大了吧?大约是 42 亿。也就是说,如果我们在 42 亿个数据中用二分查找一个数据,最多需要比较 32 次。
二、简单的二分查找
简单的二分查找我想大家应该都写过。但是想一次将二分查找写对估计10个人里面只有1个人能做到。下面给出题目和代码,我们具体来分析一下。
题目:在有序的数组a里,找到某个指定的数据value
public int bsearch(int[] a, int value) {
int low = 0;
int high = a.length - 1;
while (low <= high) {
int mid = (low + high) / 2;
if (a[mid] == value) {
return mid;
} else if (a[mid] < value) {
low = mid + 1;
} else {
high = mid - 1;
}
}
return -1;
}
上诉代码可以作为一个二分查找的模板代码,我相信你能轻易的看懂这段代码。这里需要强调几个容易出错的地方:
1.循环退出条件:
注意是low<=high,而不是 low
2.mid 的取值:
实际上,mid=(low+high)/2 这种写法是有问题的。因为如果 low 和 high 比较大的话,两者之和就有可能会溢出。改进的方法是将 mid 的计算方式写成low+(high-low)/2。更进一步,如果要将性能优化到极致的话,我们可以将这里的除以 2 操作转化成位运算 low+((high-low)>>1)。因为相比除法运算来说,计算机处理位运算要快得多。
3.low 和 high 的更新
low=mid+1,high=mid-1。注意这里的 +1 和 -1,如果直接写成 low=mid 或者 high=mid,就可能会发生死循环。比如,当 high=3,low=3 时,如果 a[3]不等于 value,就会导致一直循环不退出。
该处使用的url网络请求的数据。
总结
要想写好二分查找,首先我们必须保证充分理解最简单的二分查找算法。不熟悉的话多写几遍。
当遇到变形的二分查找。我们需要改动简单的二分查找代码。改动的点就在a[mid]与value的对比上加上相应的条件。
上面的两道变形的算法如果你多做几遍一定会有自己的体会。
最后,需要特别主义的还是那三个特别容易出错的地方:
1.循环退出条件:
2.mid 的取值:
3.low 和 high 的更新
原文链接:https://www.cnblogs.com/zhxiansheng/p/13914076.html