数据结构与算法(4)：查找算法

最新推荐文章于 2023-08-05 12:16:14 发布

_2312

最新推荐文章于 2023-08-05 12:16:14 发布

阅读量473

点赞数 2

分类专栏：数据结构与算法分析

本文链接：https://blog.csdn.net/tangshishe/article/details/117717865

版权

数据结构 python

数据结构与算法分析专栏收录该内容

6 篇文章 3 订阅

订阅专栏

查找算法

1. 简介

查找也称为搜索，是指从集合中找到指定元素的过程。在算法编程过程中经常有查找的需求，编程语言也内置了便于查找的函数，如python中可以借助 in 查询指定元素是否在列表中，使用起来是非常方便的，这里将深入的了解查找过程的原理。

本文主要介绍顺序查找、二分查找、散列查找。

2. 顺序查找

顺序查找的原理就是从数据结构的第一个元素开始，逐个遍历，直到遍历完列表或者查找到指定元素。顺序查找一般用在无序的线性结构（如单链表）。

python实现顺序查找算法；

查询指定元素是否在列表中，若在，返回元素位置，否则返回False
def sequenceSearch(numlist, target):
   for i in range(len(numlist)):
      if numlist[i] == target:
           return i
   
   return False

顺序查找的时间复杂度为： $O (n)$
最好情况是第一个元素就是指定元素，此时只需要查询1次，而最坏的情况是查询 $n$ 次（指定元素在列表中，且最后一个元素才是指定元素，或者指定元素不在列表中），而普通情况为 $n / 2$ （指定元素不在列表时为 $n$ ）

3. 二分查找

二分查找也称二分搜索、折半查找，是对有序列表进行搜索的方法，无序列表则需要先排序后再搜索。二分查找从中间开始查询，每一次查找遍历可排除一半的元素。

python实现二分查找算法：使用列表实现顺序查找；

查询指定元素是否在列表中，若在，返回元素位置，否则返回False:

def binarySearch(numlist, target):
   left = 0
   right = len(numlist)-1
   while left <= right:
       mid = (left + right)//2
       if numlist[mid] == target:
           return mid
       else:
           if numlist[mid] > target:
               right = mid - 1
           else:
               left = mid +1
   return False

二分查找的时间复杂度为： $O (l o g n)$
记查找次数为 $i$ 次， $n$ 为列表长度，那么存在 $n/2^i=1$ ， $i = l o g n$ 。

4. 散列查找

4.1 散列查找基本思想

散列（哈希）查找的基本思路是通过某种转化关系将元素与其存储位置一一对应，那么只要知道了元素，就可以通过转化关系获取元素的存储位置，搜索一次即可，算法复杂度为 $O (1)$ 。

以上的转化关系称为散列函数（哈希函数），散列函数的作用就是将元素及其所处位置对应起来。散列函数在映射中起着非常重要的作用，是散列查找算法实现的核心部分，找到一个适合的散列函数是使用散列查找算法的前提。

散列查找例子
存在一个集合{20, 26, 29, 52, 77, 93}，使用散列查找。
使用一个长度为7列表，选用常见的取余函数作为散列函数，将集合元素作为被除数，列表长度作为除数，即将集合{20, 26, 29, 52, 77, 93}中的每一个元素对应除以7，得到对应的余数集合为{6, 5, 1, 3, 0, 2}（称为散列值），接着按{6, 5, 1, 3, 0, 2}顺序将元素对应放入列表中得到以下存储结构。

当需要查找时，比如查找26，那么使用散列函数计算得到5，检查列表索引为5的位置是否有元素即可知道26是否在列表集合中。
def hashSearch(target):
    listlen = 7#指定列表长度
    numlist=[20, 26, 29, 52, 77, 93]
    hashlist = [None for i in range(listlen)]
    for i in numlist:
        hashlist[i%listlen] = i
    
    if hashlist[target%listlen] == target:
        return target%listlen
    else:
        return False  

在上面散列查找的例子中，{20, 26, 29, 52, 77, 93}这六个元素使用取余函数存储在长度为7的列表中，刚好是完全一对一映射的关系，这样的散列函数称为完美散列函数，但在实际操作中很难保证散列函数是完美的，例如{20, 26, 29, 52, 77, 93, 7}，77和7取余后就都是0，这是就会存在冲突，创建完美散列函数是困难的，而且可能会耗费巨大的内存空间，通常情况下，创建散列函数的目标便转化为“冲突尽量少，计算方便，元素尽可能的分布在散列表中”，因而在使用散列查找时，除了散列函数，处理冲突也是需要解决的关键问题。

常用哈希函数：
① 取余函数
② 折叠法：将元素分割成等长的几部分（最后一部分位数可以不同），然后将这几部分的相加，得到散列值；如11011123，按两位数切割，得到11,01,11,23，相加得到散列值36。
③ 平方取中法：取元素平方后的中间几位作为散列地址；110²=12100，取中间三位数得到散列值210；
④ 随机数法：取元素作为随机函数种子，生成随机值作为散列地址；在python中可使用random.seed()实现
import random 
random.seed(2) #
random.randint(0,100)
#输出7

常用处理冲突方法：
① 开放定址法：当放置元素引冲突时，从头按顺序遍历散列表，直到找到一个空槽存放当前元素，该方法容易产生“聚集”现象（元素在散列表中存放集，不均匀）；
② 再散列法：在产生地址冲突时，计算另一个散列函数地址，直到冲突不再发生，这种方法不易产生“聚集”，但增加了计算时间；
③ 链接法：让每个槽存放一个链表，相同散列值的元素依次存放在对应位置的链表中。