算法图解1.2-二分查找

假设要在电话簿中找一个名字以K打头的人，（现在谁还用电话簿！）可以从头开始翻页，直到进入以K打头的部分。但你很可能不这样做，而是从中间开始，因为你知道以K打头的名字在电话簿中间。

二分查找是一种算法，其输入的是一个有序的元素列表。如果查找的元素，包含在列表中，二分查找返回其位置，否则返回null

• 比如查找1-100之间的数字，第一中使用简单查找，那么只能依次按照顺序进行查找每个数字，直至找到。如果目标数字是99那么就需要从1-99查找99次。
• 同理使用二分查找来完成这个目标，第一次只需要找到50然后跟目标值99比较，发现小于目标值，那么接着跟75进行比较，发现还是低于目标值，那么接着就是75-100之间的中间值进行比较。直至找到99为止。

举例：
假设你要在字典中查找一个单词，而该字典包含240000个单词，你认为每种查找最多需要多少步？
1.如果要查找的单词位于字典末尾，使用简单查找将需要240000步。
2.使用二分查找时，每次排除一半单词，直到最后只剩下一个单词。因此，使用二分查找只需18步——少多了！一般而言，对于包含n个元素的列表，用二分查找最多需要log2n步，而简单查找最多需要n步。

这里就引入了对数的概念：
对数
你可能不记得什么是对数了，但很可能记得什么是幂。log₁₀100相当于问“将多少个10相乘的结果为100”。答案是两个：10 × 10=100。因此，log₁₀100=2。对数运算是幂运算的逆运算。

为什么要求整个列表是有序的？
答：二分查找的核心思想是将一组数据一分为二，分开的标志点的左边一定是小于标志点的，右边一定是大于标志点的。因为二分查找在其中对被划分的数据，不会逐个进行比较的。所以这才是二分查找效率高的原因所在。所以，保持高效率的查找，就必然要求整个被操作的数组是有序的。

首先使用书上的Python语言来实现下二分查找：

def binary_search(list,item):
    low = 0
    high = len(list) - 1
    while low <= high:
        mid = int((low + high) / 2)   # 必须将计算结果强转为整型不然会报错误
        guess = list[mid]
        if guess == item:
            return mid
        elif guess > item:
            high = mid - 1
        else:
            low = mid + 1
    return None
my_list = [1,3,5,7,9]
print(binary_search(my_list, 3))

这里使用Java语言实现下二分查找：

 /**
     * 二分法查找数组元素
     * @param arr
     * @param target
     * @return
     */
    private static int binarySearch(int[] arr, int target) {
        int low = 0,high = arr.length - 1;
        int mid = 0;
        while (low <= high){ //0
            mid = (low + high) / 2;
            if(target == arr[mid]){
                return mid;
            }else if(target > arr[mid]){
                low = mid + 1;
            }else {
                high = mid -1;
            }
        }
        return 0;
    }

使用Java来实现二分查找和使用Python来实现二分查找思想上没什么差别，就是二者语法有些不同。Java中并不需要对int类型数据进行强转。
下面使用递归来实现二分查找：

private static int recursionBinarySearch(int[] arr, int start, int high, int target) {
        int mid=start+(high-start)/2;
        if(target == arr[mid]) return mid; //递归基准条件 
        else if(target > arr[mid]){//递归条件
            return recursionBinarySearch(arr,mid+1,high,target); 
        }else if(target < arr[mid]){
           return recursionBinarySearch(arr,start,mid-1,target);
        }
        return 0;
    }