算法-查找

查找

1. 二分查找

二分查找(折半查找)必须采用顺序存储结构，并且必须按关键字大小有序排列。

二分查找求mid公式：
$$mid=\frac{low+high}{2}=\frac{low+high-low+low}{2}=low+\frac{1}{2}\cdot (high-low)$$
二分查找的时间复杂度：$O(lo{g}_{2}n)$

递归实现二分查找-：

// 二分查找(递归)
public static int binarySearch(int[] container, int fromIndex, int toIndex, int key) {
    if (fromIndex > toIndex)
        // 没找到，返回负数
        return -(fromIndex + 1);

    int mid = (fromIndex + toIndex) >> 1;
    int midVal = container[mid];

    if (midVal < key)
        return binarySearch(container, mid + 1, toIndex, key);
    else if (midVal > key)
        return binarySearch(container, fromIndex, mid - 1, key);
    else
        // 找到了，返回索引
        return mid;
}

非递归实现二分查找*：

// 二分查找(非递归)
public static int binarySearch(int[] container, int key) {
    int low = 0;
    int high = container.length - 1;
    while (low <= high) {
        int mid = (low + high) >> 1;
        int midVal = container[mid];

        if (midVal < key)
            low = mid + 1;
        else if (midVal > key)
            high = mid - 1;
        else
            // 找到了，返回索引
            return mid;
    }
    // 没找到，返回负数
    return -(low + 1);
}

2. 插值查找

插值查找基于二分查找，将查找点的选择改进为自适应选择，提高查找效率。

插值查找求mid公式：
$$mid=low+\frac{key-a[low]}{a[high]-a[low]}\cdot (high-low)$$
插值查找的时间复杂度：$O(lo{g}_2(lo{g}_{2}n))$

当关键字分布较均匀时，采用插值查找速度较快；否则，插值查找不一定比二分查找速度快。

插值查找代码实现：修改二分查找的mid和判断条件

// 插值查找(修改二分查找的mid和判断条件)
public static int interpolationSearch(int[] container, int key) {
    int low = 0;
    int high = container.length - 1;
    // key若不在[low, high]区间内，则找不到，
    // 而且也防止了因key过大或过小，导致mid过大或过小，而造成数组越界
    while (low <= high && container[low] <= key && key <= container[high]) {
        int mid = low + (key - container[low]) / (container[high] - container[low]) * (high - low);
        int midVal = container[mid];

        if (midVal < key)
            low = mid + 1;
        else if (midVal > key)
            high = mid - 1;
        else
            // 找到了，返回索引
            return mid;
    }
    // 没找到，返回负数
    return -(low + 1);
}

3. 斐波那契查找

斐波那契搜索也是二分查找的一种提升算法，通过运用黄金比例的概念在数列中选择查找点进行查找，提高查找效率。

黄金比例又称黄金分割，是指将整体一分为二，较大部分与较小部分之比等于整体与较大部分之比，其比值约为1:0.618或1.618:1。

随着斐波那契数列的递增，前后两个数的比值会越来越接近0.618；斐波那契数列如下：
$$\begin{array}{rl}F[n]& =F[n-1]+F[n-2]\\ (F[n]-1)& =(F[n-1]-1)+1+(F[n-2]-1)\end{array}$$
由上面公式可知：只要顺序表的长度为$F[n]-1$，就可以将该顺序表划分成$(F[n-1]-1)+mid+(F[n-2]-1)$三段，但顺序表的长度可能小于$F[n]-1$，因此需要将顺序表的长度增加至$F[n]-1$。

斐波那契查找求mid公式：
$$mid=low+(F[n-1]-1)$$
斐波那契查找的时间复杂度：$O(lo{g}_{2}n)$；与折半查找相比，斐波那契查找的优点是它只涉及加法和减法运算，而不用除法

斐波那契搜索是一种函数估值次数最少的最优搜索方法

插值查找代码实现：结合上面分析来理解

// 斐波那契查找
public static int fibonacciSearch(int[] container, int key) {
    int low = 0;
    int high = container.length - 1;
    // 获取一个斐波那契数列
    List<Integer> fibonacci = getFibonacciSequence(container.length);
    // n代表第几个斐波那契数
    int n = fibonacci.size() - 1;
    // 将数组扩容至F[n]-1
    int[] expanded = Arrays.copyOf(container, fibonacci.get(n) - 1);
    // 用原容器最后一个数来填充多出来的空间
    for (int i = container.length; i < expanded.length; i++) {
        expanded[i] = container[container.length - 1];
    }
    // 每一轮的搜索区间长度为F[n]-1，就可以分割
    while (low <= high) {
        int mid = low + (fibonacci.get(n - 1) - 1);
        int midVal = expanded[mid];

        if (midVal < key) {
            low = mid + 1;
            // 下一轮在右边区域找，其长度为F[n-2]-1，因此让n变成n-2
            n -= 2;
        } else if (midVal > key) {
            high = mid - 1;
            // 下一轮在左边区域找，其长度为F[n-1]-1，因此让n变成n-1
            n -= 1;
        } else {
            // 如果找到的是原容器中的元素，直接返回索引
            if (mid <= high)
                return mid;
            else
                // 如果找到的是填充值，则返回原容器最后一个元素的索引
                return high;
        }
    }
    // 没找到，返回负数
    return -1;
}

// 获取一个斐波那契数列，有且仅有(最后一个斐波那契数-1)大于等于容器容量
private static List<Integer> getFibonacciSequence(int length) {
    ArrayList<Integer> fibonacci = new ArrayList<>();
    fibonacci.add(1);
    fibonacci.add(1);
    int last = 1;
    while (fibonacci.get(last) - 1 < length) {
        // 给斐波那契数列中添加一个数
        fibonacci.add(fibonacci.get(last) + fibonacci.get(last - 1));
        last++;
    }
    return fibonacci;
}