查找算法介绍
在java中，我们常用的查找有四种:
- 顺序(线性)查找
- 二分查找/折半查找
- 插值查找
- 斐波那契查找
目录
线性查找算法
代码实现
/**
* 这里我们实现的线性查找是找到一个满足条件的值，就返回
* @param arr
* @param value
* @return
*/
public static int seqSearch(int[] arr, int value) {
// 线性查找是逐一比对，发现有相同值，就返回下标
for (int i = 0; i < arr.length; i++) {
if(arr[i] == value) {
return i;
}
}
return -1;
}
二分查找
思路分析
- 首先确定该数组的中间的下标 mid = (left + right) / 2
- 然后让需要查找的数 findVal 和 arr[mid] 比较
- findVal > arr[mid] , 说明你要查找的数在mid 的右边, 因此需要递归的向右查找
- findVal < arr[mid], 说明你要查找的数在mid 的左边, 因此需要递归的向左查找
- findVal == arr[mid] 说明找到，就返回
- 结束递归的条件
- 找到就结束递归
- 递归完整个数组，仍然没有找到findVal ，也需要结束递归 当 left > right 就需要退出
代码实现
查找一个数(递归实现)
// 二分查找算法
/**
*
* @param arr 数组
* @param left 左边的索引
* @param right 右边的索引
* @param findVal 要查找的值
* @return 如果找到就返回下标，如果没有找到，就返回 -1
*/
public static int binarySearch(int[] arr, int left, int right, int findValue) {
// 当 left > right 时，说明递归整个数组，但是没有找到
if (left > right)
return -1;
int mid = (left + right) / 2;
int midValue = arr[mid];
if (findValue > midValue)// 向右递归
return binarySearch(arr, mid + 1, right, findValue);
else if (findValue < midValue) // 向左递归
return binarySearch(arr, left, mid - 1, findValue);
else
return mid;
}
查找一个数(非递归实现)
// 二分查找的非递归实现
/**
*
* @param arr 待查找的数组, arr是升序排序
* @param target 需要查找的数
* @return 返回对应下标，-1表示没有找到
*/
public static int binarySearch(int[] arr, int target) {
int left = 0;
int right = arr.length - 1;
int mid = 0;
while (left <= right) {// 说明继续查找
mid = (left + right) / 2;
if (arr[mid] == target)
return mid;
else if (arr[mid] > target)
right = mid - 1;// 需要向左边查找
else
left = mid + 1;// 需要向右边查找
}
return -1;
}
查找多个相同的数
public static List<Integer> binarySearch2(int[] arr, int left, int right, int findValue) {
// 当 left > right 时，说明递归整个数组，但是没有找到
if (left > right)
return new ArrayList<Integer>();
int mid = (left + right) / 2;
int midValue = arr[mid];
if (findValue > midValue)// 向右递归
return binarySearch2(arr, mid + 1, right, findValue);
else if (findValue < midValue) // 向左递归
return binarySearch2(arr, left, mid - 1, findValue);
else {
// * 思路分析
// * 1. 在找到mid 索引值，不要马上返回
// * 2. 向mid 索引值的左边扫描，将所有满足等于findValue的元素的下标，加入到集合ArrayList
// * 3. 向mid 索引值的右边扫描，将所有满足等于findValue的元素的下标，加入到集合ArrayList
// * 4. 将Arraylist返回
List<Integer> resIndexList = new ArrayList<Integer>();
// 这里这么做的原因主要是在查找的有序数组中，相等的数都排在临近
// 向mid 索引值的左边扫描，将所有满足等于findValue的元素的下标，加入到集合ArrayList
int temp = mid - 1;
while (true) {
if (temp <= 0 || arr[temp] != findValue)
break;
// 否则，就temp 放入到 resIndexlist
resIndexList.add(temp);
temp -= 1;// temp左移
}
// 将mid索引值加入到
resIndexList.add(mid);
// 向mid 索引值的右边扫描，将所有满足等于findValue的元素的下标，加入到集合ArrayList
temp = mid + 1;
while (true) {
if (temp > arr.length - 1 || arr[temp] != findValue)
break;
// 否则，就temp 放入到 resIndexlist
resIndexList.add(temp);
temp += 1;// temp右移
}
return resIndexList;
}
}
插值查找
原理介绍
- 插值查找算法类似于二分查找，不同的是插值查找每次从自适应mid处开始查找。
- 将折半查找中的求mid索引的公式,low表示左边索引left,high表示右边索引right.key就是前面我们讲的findVal
注意事项
- 对于数据量较大，关键字分布比较均匀的查找表来说，采用插值查找，速度较快.
- 关键字分布不均匀的情况下，该方法不一定比折半查找要好
举例说明
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-FXfljKGR-1598704187007)( 19.查找算法.assets\image-20200722170059773.png)]](https://i-blog.csdnimg.cn/blog_migrate/f6d1e0b4567411b1aff872e4aac60f65.png)
代码实现
public static int insertValueSearch(int[] arr, int left, int right, int findValue) {
//注意：findVal < arr[0] 和 findVal > arr[arr.length - 1] 必须需要
//否则我们得到的 mid 可能越界
if (left > right || findValue < arr[0] || findValue > arr[arr.length - 1])
return -1;
// 求出mid, 自适应
int mid = left + (right - left) * (findValue - arr[left]) / (arr[right] - arr[left]);
int midValue = arr[mid];
if (findValue > midValue)// 向右递归
return insertValueSearch(arr, mid + 1, right, findValue);
else if (findValue < midValue) // 向左递归
return insertValueSearch(arr, left, mid - 1, findValue);
else
return mid;
}
斐波那契查找
基本介绍
- 黄金分割点是指把一条线段分割为两部分，使其中一部分与全长之比等于另一部分与这部分之比。取其前三位数字的近似值是0.618。由于按此比例设计的造型十分美丽，因此称为黄金分割，也称为中外比。这是一个神奇的数字，会带来意向不大的效果。
- 斐波那契数列{1, 1,2, 3, 5, 8, 13,21, 34, 55 }发现斐波那契数列的两个相邻数的比例，无限接近黄金分割值0.618
算法原理
斐波那契查找原理与前两种相似，仅仅改变了中间结点(mid)的位置，mid不 .
再是中间或插值得到，而是位于黄金分割点附近，即mid=low+F(k-1)-1
(F代表斐波那契数列)，如下图所示
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5mayliaZ-1598704187008)( 19.查找算法.assets\image-20200722183845697.png)]](https://i-blog.csdnimg.cn/blog_migrate/5866119d6cf62c8eb2d13cb16cefd72b.png)
对F(k-1)-1的理解
- 由斐波那契数列F[k]=F[k-1]+F[k-2] 的性质，可以得到(F[k]-1) = (F[k-1]-1) + (F[k-2]-1) +1。该式说明:只要顺序表的长度为F[k]-1，则可以将该表分成长度为F[k-1]-1和F[k-2]-1的两段，即如上图所示。从而中间位置为mid=low+F(k-1)-1.
- 类似的，每一子段也可以用相同的方式分割
- 但顺序表长度n不一定刚好等于F[k]-1，所以需要将原来的顺序表长度n增加至F[k]-1。这里的k值只要能使得F[k]-1恰好大于或等于n即可，由以下代码到，顺序表长度增加后，新增的位置(从n+1到F[k]-1位置)，都赋为n位置的值即可。
while(n > fib(k) - 1)
k++;
代码实现
// 因为后面我们mid=low+F(k-1)-1，需要使用到斐波那契数列，因此我们需要先获取到一个斐波那契数列
// 非递归方法得到一个斐波那契数列
public static int[] getFibonacci() {
int[] fibonacci = new int[20];
fibonacci[0] = 1;
fibonacci[1] = 1;
for (int i = 2; i < fibonacci.length; i++) {
fibonacci[i] = fibonacci[i - 1] + fibonacci[i - 2];
}
return fibonacci;
}
// 编写斐波那契查找算法
// 使用非递归的方式编写算法
/**
*
* @param arr 数组
* @param findValue 我们需要查找的关键码(值)
* @return 返回对应的下标，如果没有-1
*/
public static int fibonacciSearch(int[] arr, int findValue) {
int low = 0;
int high = arr.length - 1;
int k = 0;// 表示斐波那契分割数值的下标
int mid = 0;// 存放mid值
int fibonacci[] = getFibonacci();// 获取到斐波那契数列
// 获取到斐波那契分割数值的下标
while (high > fibonacci[k] - 1)
k++;
// 因为 fibonacci[k] 值 可能大于 arr 的 长度，因此我们需要使用Arrays类，构造一个新的数组，并指向temp[]
// 不足的部分会使用0填充
int[] temp = Arrays.copyOf(arr, fibonacci[k]);
// 实际上需求使用arr数组最后的数填充 temp
for (int i = high + 1; i < temp.length; i++) {
temp[i] = arr[high];
}
// 使用while来循环处理，找到我们的数 findValue
while (low <= high) {// 只要这个条件满足，就可以找
mid = low + fibonacci[k] - 1;
if (findValue < temp[mid]) {// 我们应该继续向数组的前面查找(左边)
high = mid - 1;
// 为甚是 k--
// 说明
// 1. 全部元素 = 前面的元素 + 后边元素
// 2. f[k] = f[k-1] + f[k-2]
// 因为 前面有 f[k-1]个元素,所以可以继续拆分 f[k-1] = f[k-2] + f[k-3]
// 即 在 f[k-1] 的前面继续查找 k--
// 即下次循环 mid = f[k-1-1]-1
k--;
} else if (findValue > temp[mid]) {
low = mid + 1;
// 为什么是k -=2
// 说明
// 1. 全部元素 = 前面的元素 + 后边元素
// 2. f[k] = f[k-1] + f[k-2]
// 3. 因为后面我们有f[k-2] 所以可以继续拆分 f[k-2] = f[k-3] + f[k-4]
// 4. 即在f[k-2] 的前面进行查找 k -=2
// 5. 即下次循环 mid = f[k - 1 - 2] - 1
k++;
} else {// 找到
// 需要确定，返回的是哪个下标
if (mid <= high)
return mid;
else
return high;
}
}
return -1;
}
323
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
