查找算法
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
一、线性查找
package cn.jc.demo1;
public class SeqSearch {
public static void main(String[] args) {
int[] arr={2,41,-6,99,65,27};
int index =seqSearch(arr,41);
if(index==-1){
System.out.println("没有该数");
}else {
System.out.println("该数的下标为:"+index);
}
}
public static int seqSearch(int[] arr,int target){
for (int i = 0; i <arr.length; i++) {
if(arr[i]==target){
return i;
}
}
return -1;
}
}
二、二分查找
1、初级
package cn.jc.demo1;
public class BinarySearch {
public static void main(String[] args) {
int[] arr={-6,4,24,54,67,99};
int index =binarySearch(arr,0,arr.length-1,54);
if(index==-1){
System.out.println("没有该数");
}else {
System.out.println("该数的下标为:"+index);
}
}
//二分法的前提是数组本身是有序的
public static int binarySearch(int [] arr,int left,int right,int target){
//当left>right时,说明递归整个数组,但没有找到
if(left>right){
return -1;
}
int mid=(left+right)/2;
if(target>arr[mid]){//向右递归查找
return binarySearch(arr,mid+1,right,target);
}else if(target<arr[mid]){//向左递归查找
return binarySearch(arr,left,mid-1,target);
}else {
return mid;
}
}
}
2、优化
补充: {1,8, 10, 89, 1000, 1000,1234} 当一个有序数组中,
有多个相同的数值时,如何将所有的数值都查找到,比如这里的 1000
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 1000, 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 1000, 的元素的下标,加入到集合ArrayList
4、将 Arraylist 返回
package cn.jc.demo1;
import java.util.ArrayList;
import java.util.List;
public class BinarySearch {
public static void main(String[] args) {
int[] arr={1,8, 10, 89, 1000, 1000,1000,1000,1234};
List<Integer> resIndexList =binarySearch(arr,0,arr.length-1,1000);
if(resIndexList.size()==0){
System.out.println("没有该数");
}else {
System.out.println("该数的下标为:"+resIndexList);
}
}
//二分法的前提是数组本身是有序的
public static List<Integer> binarySearch(int [] arr, int left, int right, int target){
//当left>right时,说明递归整个数组,但没有找到
if(left>right){
return new ArrayList<Integer>();//返回一个空的
}
int mid=(left+right)/2;
if(target>arr[mid]){//向右递归查找
return binarySearch(arr,mid+1,right,target);
}else if(target<arr[mid]){//向左递归查找
return binarySearch(arr,left,mid-1,target);
}else {
List<Integer> resIndexlist = new ArrayList<>();
//向 mid 索引值的左边扫描,将所有满足 1000, 的元素的下标,加入到集合ArrayList
int temp=mid-1;
while (true){
if(temp<0||arr[temp]!=target){//退出
break;
}
//否则,就将temp放入resIndexlist
resIndexlist.add(temp);
temp--;//temp左移
}
resIndexlist.add(mid);//把mid的下标加进来
//向 mid 索引值的右边扫描,将所有满足 1000, 的元素的下标,加入到集合ArrayList
temp=mid+1;
while (true){
if(temp>arr.length-1||arr[temp]!=target){
break;
}
resIndexlist.add(temp);
temp++;
}
return resIndexlist;
}
}
}
三、插值查找
-
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 target
-
int mid = low + (high - low) * (key - arr[low]) / (arr[high] - arr[low]) ;/插值索引/
对应前面的代码公式:
int mid = left + (right – left) * (findVal – arr[left]) / (arr[right] – arr[left]) -
举例说明插值查找算法 1-100 的数组
插值算法也要求被查找数组有序
package cn.jc.demo1;
public class InsertValueSearch {
public static void main(String[] args) {
//创建一个1-100的数组
int[] arr=new int[100];
for (int i = 0; i < 100; i++) {
arr[i]=i+1;
}
int index = insertValueSearch(arr, 0, arr.length-1, 78);
System.out.println("该数下标为:"+index);
}
public static int insertValueSearch(int [] arr,int left,int right,int target){
System.out.println("插值查找被调用~");
//注意:target < arr[0] 和 target > arr[arr.length - 1] 必须需要
// 否则我们得到的 mid 可能越界
if(left>right||target<arr[0]||target>arr[arr.length-1]){
return -1;
}
// 求出 mid, 自适应
int mid = left + (right - left) * (target - arr[left]) / (arr[right] - arr[left]);
int midVal = arr[mid];
if (target > midVal) { // 说明应该向右边递归
return insertValueSearch(arr, mid + 1, right, target);
} else if (target < midVal) { // 说明向左递归查找
return insertValueSearch(arr, left, mid - 1, target);
} else {
return mid;
}
}
}
输出
插值查找被调用~
该数下标为:77
只递归一次就找到了
同样的arr,同样查找78,使用二分查找:
二分查找被调用~
二分查找被调用~
二分查找被调用~
二分查找被调用~
二分查找被调用~
该数的下标为:[77]
-
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
四、斐波那契查找
1、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
该查找算法要求被查找数组为有序
2、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
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,由以下代码得到,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++;
3、代码实现
package cn.jc.demo1;
import java.util.Arrays;
public class FibonacciSearch {
public static int maxSize=20;
public static void main(String[] args) {
int[] arr={1,8,10,89,1000,1234};
int index = fibSearch(arr, 1000);
if(index==-1){
System.out.println("该数不存在");
}else {
System.out.println("该数的下表为:"+index);
}
}
//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[] fib() {
int[] f = new int[maxSize];
f[0] = 1;
f[1] = 1;
for (int i = 2; i < maxSize; i++) {
f[i] = f[i - 1] + f[i - 2];
}
return f;
}
//编写斐波那契查找算法
//使用非递归的方式编写算法
/**
*
* @param a 数组
* @param key 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 fibSearch(int[] a, int key) {
int low = 0;
int high = a.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 f[] = fib(); //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 > f[k] - 1) {
k++;
}
//因为 f[k] 值 可能大于 a 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(a, f[k]);
//实际上需求使用a数组最后的数填充 temp
//举例:
//temp = {1,8, 10, 89, 1000, 1234, 0, 0} => {1,8, 10, 89, 1000, 1234, 1234, 1234,}
for(int i = high + 1; i < temp.length; i++) {
temp[i] = a[high];
}
// 使用while来循环处理,找到我们的数 key
while (low <= high) { // 只要这个条件满足,就可以找
mid = low + f[k - 1] - 1;
if(key < 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 ( key > temp[mid]) { // 我们应该继续向数组的后面查找(右边)
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-1] = 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 -= 2;
} 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;
}
}
//3. 因为后面我们有f[k-2] 所以可以继续拆分 f[k-1] = 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 -= 2;
} 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;
}
}