简单二分查找、复杂二分查找与跳表

1.查找的分类

1.1 查找表

用于查找的数据集合称之为查找表，它由同一类型的数据元素（或记录）组成，可以是一个数组或者链表等数据结构。对查找表经常进行的操作一般有四种：
1.查询某个特定的数据是否在查找表中。
2.检索满足条件的某个特定的数据元素的各种属性。
3.在查找表中插入一个数据元素。
4.从查找表中删除某个数据元素。

1.2 静态查找表与动态查找表

如果一个查找表的操作只涉及到1和2的操作，则无需动态地修改查找表，此类查找表称之为静态查找表，反之称之为动态查找表。
适合静态查找表的查找方法有：顺序查找、折半查找、散列查找等。
适合动态查找表的查找方法有：二叉排序树查找、散列查找等。

1.3 平均查找长度

在所有查找过程中进行关键字的比较次数的平均值。其数学定义为：

n是查找表的长度，Pi是查找第i个数据元素的概率，一般认为每个数据元素的查找概率相等，即1/n，Ci是找到第i个数据元素所需要的比较次数。平均查找长度是衡量查找算法效率的最主要指标。

2.简单二分查找

我们用一张图简单说明一下二分查找：

2.1 O(logn)惊人的查找速度

二分查找是一种非常高效的查找算法，高效到什么程度呢？我们来分析一下它的时间复杂度。
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。

可以看出来，这是一个等比数列。其中 n/2^(k)=1 时，k 的值就是总共缩小的次数。而每一次缩小操作只涉及两个数据的大小比较，所以，经过了 k 次区间缩小操作，时间复杂度就是 O(k)。通过 n/2^(k)=1，我们可以求得 k=log2n，所以时间复杂度就是 O(logn)。
二分查找是我们目前为止遇到的第一个时间复杂度为 O(logn) 的算法。后面章节我们还会讲堆、二叉树的操作等等，它们的时间复杂度也是 O(logn)。我这里就再深入地讲讲 O(logn) 这种对数时间复杂度。这是一种极其高效的时间复杂度，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。
我们前面讲过，用大 O 标记法表示时间复杂度的时候，会省略掉常数、系数和低阶。对于常量级时间复杂度的算法来说，O(1) 有可能表示的是一个非常大的常量值，比如 O(1000)、O(10000)。所以，常量级时间复杂度的算法有时候可能还没有 O(logn) 的算法执行效率高。

2.2 二分查找的非递归实现与递归实现

public class binarySearchTest {
   
	public static int binarySearch(int[] a,int n,int value){
   //非递归实现
		int low=0;
		int high=n-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;
	}
	public static int binarySearch1(int[] a,int n,int value){
   
		return binarySearchInternally(a,0,n-1,value);
	}
	public static int binarySearchInternally(int[] a,int low,int high,int value){
   //递归实现
		if(low>high){
   
			return -1;
		}