数据结构与与算法之二分法查找

二分法思想：

举个例子：猜字游戏；

随机写一个0到99之间的数字，然后猜猜写出的数字。猜的过程中，每猜一次，只会告诉您猜的大了还是小了，知道猜中为止。

假设写出的数字是23，你可以按照下面的步骤来试一试。(如果猜测范围的数字有偶数个，中间数有两个，就选择较小的那个)。

 

7次就猜出来了，是不是很快，这个例子用的是二分思想，按照这个思想，即便猜的是0到999的数字，最多也只要10次就能猜中。

回到实际开发场景。假设有1000条订单数据，已经按照订单金额从小到大排序，每个订单金额不同，并且最小单位是元。现在想知道是否存在金额等于19元的订单，如果存在，则返回订单数据；如果不存在，则返回null。

最简单的办法是从第一个订单开始，一个一个遍历这1000订单，直到找到金额等于19元的订单为止。但这样查找会比较慢，最坏情况下，可能要遍历完这1000条记录才能找到。那用二分查找能不能更快地解决呢？

假设只有10个订单，订单金额分别是:8,11,19,23,27,33,45,55,67,98。

还是利用二分法思想，每次都与区间的中间数据对比大小，缩小查找区间的范围。为了更加直观，用一张查找过程的图。其中low和high表示带查找区间的下标，mid表示查找区间的中间元素下标。

 

二分查找针对的是一个有序的数据集合，查找思想有点类似分治思想。每次都通过跟区间的中间元素对比，将待查找的区间缩小为之前的一半，直到找到要查找的元素，或者区间

 

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，下面来分析一下它的时间复杂。

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数据的大小比较，所以，经过了k次区间缩小操作，时间的复杂度为O(k)。通过n/2^k=1,我们可以求得k=log2^n,所以时间复杂度为O(logn)。

 

二分查找的递归与非递归实现

下面是一个最简单的二分查找算法的循环实现，其中用二分查找值就等于给定值的数据。

low、high、mid都是数组下标，其中low、high表示当前查找的区间范围，初始low=0，high=n-1.mid表示[low,high]的中间位置。通过对比a[mid]与value的大小，来更新接下来要查找的区间范围，直到找到或者区间缩小为0，就退出。这里有三个容易出错的地方：

1、循环退出条件

注意是low<=high,而不是low<high。

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。改进的地方是将mid的计算方式写成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+1和-1，如果直接写成low=mid或者high=mid,就可能发生死循环。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。

 

实际上二分查找除了循环来实现，还可以用递归来实现。代码如下

 

二分查找应用场景的局限性

(1)、二分查找依赖的是顺序表结构，简单点说就是数组

二分法查找算法需要按照下标随机访问元素，只能用在数据通过顺序表来储存的数据结构上。如果数据是通过其他数据结构存储的，则无法应用二分查找。

(2)、二分查找针对的是有序数据

二分查找要求数据必须是有序，主要适用于一组静态的数据，没有频繁地插入、删除，我们就可以进行一次排序，多次二分查找的场景中。

(3)、数据量太小不适合二分查找

如果处理的数据量很小，完全没有必要用二分查找，顺序遍历就足够了。不过如果数据间的比较操作非常耗时，不管数据量的大小，使用二分法查找比较合适。

(4)、数据量太大也不适合二分法查找

 

二分法的底层需要依赖数组这种数据结构，而数组为了支持随机访问的特性，要求内存空间连续，对内存的要求比较苛刻。

二分法查找是作用在数组这种结构之上的，所以太大的数据用数组存储就比较吃力，也就不用二分查找了。

Q:如何在1000万个整数中快速查找某个整数?

假设我们的内存限制是100MB,每个数据大小是8字节，最简单的办法是将数据存储在数组中，内存占用差不多是80MB，符合内存的限制。借助今天学习的内容，我们可以先对这1000万数据从小到大排序，然后利用二分查找算法，就可以快速地查找想要的数据。

 

---

扫码关注微信公众号，欢迎技术交流，其中含有大量免费的人工智能、图像处理、IT资料：