数据结构与算法(Python版)三十一：顺序查找算法及分析

顺序查找Sequential Search

如果数据项保存在如列表这样的集合中，我们会称这些数据项具有线性或者顺序关系。

在Python List中， 这些数据项的存储位置称为下标（index） ， 这些下标都是有序的整数。

通过下标， 我们就可以按照顺序来访问和查找数据项， 这种技术称为“顺序查找

要确定列表中是否存在需要查找的数据项

首先从列表的第1个数据项开始，按照下标增长的顺序，逐个比对数据项，如果到最后一个都未发现要查找的项，那么查找失败。

顺序查找：无序表查找代码

def sequentialSearch(alist, item):
    pos = 0
    found = False

    while pos < len(alist) and not found:
        if alist[pos] == item:
            found = True
        else:
            # 下标顺序增长
            pos = pos+1

    return found

testlist = [1, 2, 32, 8, 17, 19, 42, 13, 0]
print(sequentialSearch(testlist, 3))
print(sequentialSearch(testlist, 13))

顺序查找：算法分析

要对查找算法进行分析， 首先要确定其中的基本计算步骤。

算步骤必须要足够简单， 并且在算法中反复执行

在查找算法中， 这种基本计算步骤就是进行数据项的比对

当前数据项等于还是不等于要查找的数据项，比对的次数决定了算法复杂度

在顺序查找算法中， 为了保证是讨论的一般情形， 需要假定列表中的数据项并没有按值排列顺序， 而是随机放置在列表中的各个位置

换句话说，数据项在列表中各处出现的概率是相同的

数据项是否在列表中， 比对次数是不一样的

如果数据项不在列表中， 需要比对所有数据项才能得知， 比对次数是n

如果数据项在列表中， 要比对的次数， 其情况就较为复杂

最好的情况，第1次比对就找到
最坏的情况，要n次比对

数据项在列表中， 比对的一般情形如何？

因为数据项在列表中各个位置出现的概率是相同的；所以平均状况下，比对的次数是n/2；

所以， 顺序查找的算法复杂度是O(n)

这里我们假定列表中的数据项是无序的，那么如果数据项排了序， 顺序查找算法的效率又如何呢？

实际上， 我们在第三章的有序表Search方法实现中介绍过顺序查找

当数据项存在时，比对过程与无序表完全相同不同之处在于，如果数据项不存在，比对可以提前结束

顺序查找：有序表查找代码

def orderedSequentialSearch(alist, item):
    pos = 0
    found = False
    stop = False

    while pos < len(alist) and not found and not stop:
        if alist[pos] == item:
            found = True
        else:
            if alist[pos] > item:
                stop = True
            else:
                pos = pos+1

    return found

testlist = [0, 1, 2, 8, 13, 17, 19, 32, 42]
print(orderedSequentialSearch(testlist, 3))
print(orderedSequentialSearch(testlist, 13))

顺序查找：算法分析

顺序查找有序表的各种情况分析

实际上， 就算法复杂度而言， 仍然是O(n)

只是在数据项不存在的时候， 有序表的查找能节省一些比对次数， 但并不改变其数量级。