二分查找算法

算法简介

• 算法：描述解决问题的方法称之为算法

• 定义：算法是解决特定问题求解步骤的描述，在计算机中表现为指令的有限序列，并且每条指令表示一个或多个操作
  
  注意：
  1.同一个问题可能会有很多种不同的算法
  2.没有通用的算法能解决所有问题

• 特性
  有穷性
  确定性
  可行性

• 数据结构与算法的关系
  数据结构是“内功心法”
  算法是“武学招式”

• 算法设计的要求
  

算法效率的度量

• 事后统计方法

  通过设计好的测试程序和数据，利用计算机计时器对不同算法编制的程序运行时间进行比较，从而确定算法效率的高低

  缺陷：
  1.必须依据算法编制好程序，这需要花费大量的实践和精力
  2.时间必须依赖计算机硬件和软件等环境因素，有时会掩盖算法本身的优劣
  3.算法的测试数据设计困难，并且程序的运行时间往往还与测试数据的规模有很大关系

• 事前分析估算方法

  • 在计算机程序编制前，依据统计方法对算法进行估算

    不关心编写程序所用的程序设计语言是什么。也不关心这些程序将跑在什么样的计算机中，我们只关心它所实现的算法

  • 决定计算机程序运行时间的因素

    算法采用的策略、方法
    编译产生的代码质量(软件支持)
    问题的输入规模：指输入量的多少
    机器执行指令的速度

  • 在分析程序的运行时间时，最重要的是把程序看成是独立于程序设计语言的算法或一系列步骤
    

函数的渐进增长

• 函数渐进增长：

  给定两个函数f(n)和g(n)，如果存在一个整数N，使得对于所有的n>N，f(n)总是比g(n)大，那么，我们说f(n)的增长渐进快于g(n)

• 判断两个算法A和B的效率
  

  
  观察发现：
  1.最高次项的相乘的常数并不重要
  2.函数随着n的增长，最高次项的指数越大，结果也会变得增长特别快

  • 结论：
    判断一个算法的效率时，函数中的常数和其他次要项常常可以忽略，而更应该关注最高阶项的阶数

算法的时间复杂度

• 定义：

  算法的时间复杂度就是算法的时间度量，记作:T(n) = O(f(n))
  T(n)表示语句总的执行次数，它是关于问题规模n的函数
  用O()来体现算法时间复杂度的记法，我们称之为大O记法

• 推导大O阶次的方法

  用常数1取代运行时间中的所有加法常数
  在修改后的运行次数函数中，只保留最高阶项
  如果最高阶存在且不是1，则去除与这个项相乘的常数
  

• 常数阶的时间复杂度记为O(1)
  

• 线性阶的时间复杂度均为O(n)

• 平方阶时间复杂度为O(n²)
  

• 对数阶时间复杂度O(log n)
  

• 常见的时间复杂度
  

算法的空间复杂度

• 算法的空间复杂度通过计算算法所需的存储空间实现

• 算法的空间复杂度的计算公式记作：S(n) = O(f(n))，其中n为问题的规模，f(n)为语句关于n所占存储空间的函数

  • 如果算法执行时所需空间相对于输入数据量而言是个常数，则称此算法为原地工作，空间复杂度为O(1)

• 算法优劣判定的基本原则
  优先判断时间复杂度的优劣
  时间复杂度相同，再判断空间复杂度的优劣

数据结构知识图谱

查找

• 查找就是根据给定的某个值，在查找表中确定一个其关键字等于给定值得数据元素

• 查找的基本概念
  

• 查找算法的评价指标
  

顺序查找算法

• 应用范围

  顺序表或线性链表表示的静态查找表

  表内元素之间无序

• 顺序表的表示

  typedef struct{
      ElemType * R;       //表基址(顺序表的起始地址)
      int length;         //表长
  }SSTable;
  

• 顺序查找算法描述

  int locateElem(Sqlist L, ElemType e)
  {
      for(int i = 0; i < L.length; i++)
      {
          if(L.elem[i] == e)
              return i;
      }
      return 0;
  }
  

• 顺序查找算法改进算法
  
  原算法中，for循环里有一次判断，for循环体内还会有一次判断
  改进算法中，只需要判断key值是否相等就可以，省了for循环次数的判断

  /** 改进后的代码 */
  int locateElem(SqList L,  ElemType e)
  {
  	//把第一个位置设置为哨兵
  	L.elem[0].data = e;
  	int i；
  	for(i = L.length; L.elem[i].data != e; i--);
  	return i;
  }
  

顺序查找的性能分析

• 时间复杂度

  • 查找成功时的平均查找长度，设表中各记录查找概率相等:ASL_S(n) = (1+2+…+n) / n = (n+1) / 2
  • 查找不成功时的平均查找长度：ASL_f= n + 1

• 空间复杂度

  • 一个辅助空间

有序表(二分)查找

• 有序表查找的放法被称作折半查找，又叫二分法

• 应用范围

  • 线性表中的记录是有序的，一般按照从小到大的顺序排列

• 基本思想

  • 在有序表中，取中间值和要查找的值比较
  • 若等于中间值，则中间值即为要查找的
  • 若小于中间值，则中间值得左半区域继续查找
  • 若大于中间值，则中间值得右半区域继续查找
  • 不断重复上述过程

  设表长为n、low、high和mid分别指向待查元素所在区间的上界、下界和中点，k为给定值。
  初始时，令 low = 1, high = n, mid=【(low + high) / 2】（【】取整）

二分查找原理

• 查找成功
  

• 查找失败
  

• 二分查找非递归算法描述

  /** 使用二分查找法返回关键字所在的位置（从1开始，没找到就返回0） */
  int SearchSeqListBinary(SeqList seqList, KeyType key)
  {
      int low = 1;
      int high = seqList.length;
  
      //二分查找法的前提：必须有序，从小到大升序。
      while(low <= high)
      {
          int mid = (low + high) / 2;
          if(key == seqList.datas[mid].key)
          {
              return mid;
          }
          else if(key < seqList.datas[mid].key)
          {
              high = mid - 1;
          }
          else
          {
              low = mid + 1;
          }
      }
      return 0;
  }
  

• 二分查找递归算法描述

  /** 使用递归实现的二分查找法返回关键字所在的位置（从1开始，没找到就返回0） */
  int SearchSeqListBinaryRecursion(SeqList seqList, KeyType key, int low, int high)
  {
     while(low > high)    return 0;
     int mid = (low + high) / 2;
     if(key == seqList.datas[mid].key)    return mid;
     else if(key < seqList.datas[mid].key)
     {
         return SearchSeqListBinaryRecursion(seqList, key, low, mid - 1);
     }
     else
     {
         return SearchSeqListBinaryRecursion(seqList, key, mid + 1, high);
     }
     return 0;
  }
  

二分查找的性能分析

• 查找过程

  • 比较次数少，查找效率高（每次将待查记录所在区间缩小一半，比顺序查找效率高）；
  • 时间复杂度$O(lo{g}_{2}n)$

• 使用条件

  • 采用顺序存储结构的有序表
  • 不适用于元素经常变动的线性表
  • 不宜用于链式结构

二叉排序树(BinarySortTree)

• 树表的查找：表结构在查找过程中动态生成

• 查找：

  • 对于给定值key
  • 若表中存在，则成功返回
  • 否则插入关键字等于key的记录

• 二叉排序树(BinarySortTree)：又称为二叉查找树(BinarySearchTree),也称为二叉搜索树

  二叉树排序树是一棵空树或是满足如下性质的二叉树：

  • 若其左子树非空，则左子树上所有结点的值均小于根节点的值；
  • 若其右子树非空，则右子树上所有结点的值均大于等于根节点的值；
  • 其左右子树本身又各是一棵二叉排序树

  

• 中序遍历二叉排序树
  

二叉排序树的查找

• 二叉查找原理
  
• 二叉排序树查找算法描述
  
• 二叉排序树的插入算法描述
  

二叉排序树查找的性能分析

第i层结点需要比较i次
在等概率的前提下，两图的平均查找长度分别为：
左图 ${\sum }_{i=1}^n{p}_i{c}_i=(1+2\ast 2+3\ast 2)/5=2.2$
右图 ${\sum }_{i=1}^n{p}_i{c}_i=(1+2+3+4+5)/5=3$