算法 -查找算法

查找算法

（一）顺序查找

说明：

顺序查找适合于存储结构为顺序存储或链接存储的线性表。
基本思想：

顺序查找也称为线形查找，属于无序查找算法。从数据结构线形表的一端开始，顺序扫描，依次将扫描到的结点关键字与给定值k相比较，若相等则表示查找成功；若扫描结束仍没有找到关键字等于k的结点，表示查找失败。

复杂度分析：

• 查找成功时的平均查找长度为：（假设每个数据元素的概率相等） ASL = 1/n(1+2+3+…+n) = (n+1)/2 ;
• 当查找不成功时，需要n+1次比较，时间复杂度为O(n);
• 所以，顺序查找的时间复杂度为O(n)。

 function SequenceSearch(arr, value) {
            for (let i = 0; i < arr.length; i++) {
                if (arr[i] == value) {
                    return i;
                }
            }
            return -1;
        }

（二）二分查找

说明：

元素必须是有序的，如果是无序的则要先进行排序操作。
基本思想：

也称为是折半查找，属于有序查找算法。用给定值k先与中间结点的关键字比较，中间结点把线形表分成两个子表，若相等则查找成功；若不相等，再根据k与该中间结点关键字的比较结果确定下一步查找哪个子表，这样递归进行，直到查找到或查找结束发现表中没有这样的结点。
复杂度分析：

最坏情况下，关键词比较次数为log2(n+1)，且期望时间复杂度为O(log2n)；
注：折半查找的前提条件是需要有序表顺序存储，对于静态查找表，一次排序后不再变化，折半查找能得到不错的效率。但对于需要频繁执行插入或删除操作的数据集来说，维护有序的排序会带来不小的工作量，那就不建议使用。

 // 递归
        function binarySearch(data, dest, start, end) {
            if (start > end) { // 新增否则找不到进入死循环了
                return false;
            }
            var end = end || data.length - 1;
            var start = start || 0;
            var mid = Math.floor((start + end) / 2);
            //var mid = parseInt(start+(end-start)/2);
            //直接命中
            if (data[mid] == dest) {
                return mid;
            }

            if (data[mid] > dest) { // 放左
                end = mid - 1;
                return binarySearch(data, dest, start, end);
            } else { // 放右
                start = mid + 1;
                return binarySearch(data, dest, start, end);
            }
            return false;
        }

 // 非递归 用while
        //代码中的判断条件必须是while (left <= right)，
        //否则的话判断条件不完整，比如：array[3] = {1, 3, 5};
        //待查找的键为5，此时在(low < high)条件下就会找不到，因为low和high相等时，指向元素5，但是此时条件不成立，没有进入while()中
        function binarySearch2(data, dest) {
            var end = data.length - 1;
            var start = 0;
            while (start <= end) {
                var m = Math.floor((end + start) / 2);
                if (data[m] == dest) {
                    return m;
                }
                if (data[m] > dest) {
                    end = m - 1;
                } else {
                    start = m + 1;
                }
            }
            return false
        }

（三）插值查找

基本思想：

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。当然，差值查找也属于有序查找。

将mid=start+1/2*(end-start)，改进为：mid=start+[(key-a[start])/(a[end]-a[start])]*(end-start)，
注：对于表长较大，而关键字分布又比较均匀的查找表来说，插值查找算法的平均性能比折半查找要好的多。反之，数组中如果分布非常不均匀，那么插值查找未必是很合适的选择。
复杂度分析：

查找成功或者失败的时间复杂度均为O(log2(log2n))。

 function InsertionSearch(arr, val, start, end) {
            var end = end || data.length - 1;
            var start = start || 0;
            var mid = start + (val - arr[start]) / (arr[end] - arr[start]) * (end - start);
            if (arr[mid] == val) {
                return mid;
            }
            if (arr[mid] > val) {
                return InsertionSearch(arr, val, start, mid - 1);
            }
            else {
                return InsertionSearch(arr, val, mid + 1, end);
            }
        }

（四）斐波那契查找

斐波那契数列：1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89…….（从第三个数开始，后边每一个数都是前两个数的和）。斐波那契查找也属于一种有序查找算法。
斐波那契数组的实现：

function fib(index) {
            if (index == 1 || index == 2) {
                return 1;
            } else {
                return fib(index - 1) + fib(index - 2);
            }
        }

基本思路：

相对于折半查找，一般将待比较的key值与第mid=（start + end）/2位置的元素比较，比较结果分三种情况：

• 相等，mid位置的元素即为所求
• >，start = mid+1;
• <，end = mid-1。

斐波那契查找与折半查找很相似，他是根据斐波那契序列的特点对有序表进行分割的。他要求开始表中记录的个数为某个斐波那契数小1，及n=F(k)-1;
开始将k值与第F(k-1)位置的记录进行比较(及mid=start+F(k-1)-1),比较结果也分为三种

• 相等，mid位置的元素即为所求
• >，start=mid+1,k -= 2;
  说明：start=mid+1说明待查找的元素在[mid+1,end]范围内，k-=2 说明范围[mid+1,end]内的元素个数为n-(F(k-1))= Fk-1-F(k-1)=Fk-F(k-1)-1=F(k-2)-1个，所以可以递归的应用斐波那契查找。
• <，end=mid-1,k -= 1。
  说明：end=mid-1说明待查找的元素在[start,mid-1]范围内，k-=1 说明范围[start, mid-1]内的元素个数为F(k-1)-1个，所以可以递归 的应用斐波那契查找。

 function search(array, value) {
            let start = 0, end = array.length - 1, n = array.length - 1;
            let mid, k = 0;
            //构建一个长度大于array数组的斐波那契数组
            var F = [];
            F[0] = 0;
            F[1] = 1;
            for (var i = 2; i < end + 5; i++) {
                F[i] = F[i - 1] + F[i - 2];
            }
            while (end > F[k] - 1) { //寻找第k项
                k++;
            }
            for (let i = end; i < F[k] - 1; i++) { //补全有序数组
                array[i] = array[end];
            }
            while (start <= end) {
                mid = start + F[k - 1] - 1;
                if (array[mid] > value) {
                    end = mid - 1;
                    k = k - 1; //长度缩减为F[k-1]-1
                } else if (array[mid] < value) {
                    start = mid + 1;
                    k = k - 2; //长度缩减为F[k-2]-1
                } else {
                    if (m <= n) //相等则找到位置
                        return mid;
                    else {
                        return n; //大于原始长度，则说明等于数组最后一项 
                    }
                }
                return -1;
            }
        }