七大查找算法原理+代码+结果（顺序查找，二分查找，插值查找...）

公众号：落叶归根的猪。详细分类了所有文章与知识，方便掌上查阅～

 

1. 顺序查找（In oder to find）

最简单的，从头到尾一个个比较（遍历），但效率着实的低。

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。

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)。

 

 

2. 二分查找（Binary Search）

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。

 

 

3. 插值查找（Interpolation Search）

        首先考虑一个新问题，为什么上述算法一定要是折半，而不是折四分之一或者折更多呢？

        比如在英文字典里面查“apple”，你下意识翻开字典是翻前面的书页还是后面的书页呢？如果再让你查“zoo”，你又怎么查？很显然，这里你绝对不会是从中间开始查起，而是有一定目的的往前或往后翻。同样的，比如要在取值范围1 ~ 10000 之间 100 个元素从小到大均匀分布的数组中查找5， 我们自然会考虑从数组下标较小的开始查找。

        经过以上分析，折半查找这种查找方式，不是自适应的（也就是说是傻瓜式的）。二分查找中查找点计算如下：

        mid=(low+high)/2, 即mid=low+1/2(high-low);

        通过类比，我们可以将查找的点改进为如下：    

        mid = low + [(key-a[low]) / (a[high]-a[low])] * (high-low)，将系数 1/2 换成了：[(key-a[low]) / (a[high]-a[low])]。

        将上述的比例参数1/2改进为自适应的，根据关键字在整个有序表中所处的位置，让mid值的变化更靠近关键字key，这样也就间接地减少了比较次数。

        基本思想：插值查找也可以理解为按比例查找。基于二分查找算法，将查找点的选择改进为自适应选择，可以提高查找效率。当然，插值查找也属于有序查找。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))。

        总结：插值查找，有序表的一种查找方式。插值查找是根据查找关键字与查找表中最大最小记录关键字比较后的查找方法。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。

 

 

4. 斐波那契查找（Fibonacci Search）

        二分查找的一种提升。有序查找。不断的分割区间缩小搜索的范围。

        在介绍斐波那契查找算法之前，我们先介绍一下很它紧密相连并且大家都熟知的一个概念——黄金分割。

        黄金比例又称黄金分割，是指事物各部分间一定的数学比例关系，即将整体一分为二，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。

        0.618被公认为最具有审美意义的比例数字，这个数值的作用不仅仅体现在诸如绘画、雕塑、音乐、建筑等艺术领域，而且在管理、工程设计等方面也有着不可忽视的作用。因此被称为黄金分割。

        大家记不记得斐波那契数列：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）。然后我们会发现，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，利用这个特性，我们就可以将黄金比例运用到查找技术中。

        注意：F[k]要减1的原因是数组是从0开始计算的

        基本思想：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。同样地，斐波那契查找也属于一种有序查找算法。

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

        1）相等，mid位置的元素即为所求

        2）>，low=mid+1;

        3）<，high=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 = low + F(k-1) - 1),比较结果也分为三种

        1）相等，mid位置的元素即为所求

        2）>，low=mid+1,k-=2;

        说明：low=mid+1说明待查找的元素在[mid+1,high]范围内，k-=2 说明范围[mid+1,high]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。

        3）<，high=mid-1,k-=1。

        说明：low=mid+1说明待查找的元素在[low,mid-1]范围内，k-=1 说明范围[low,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。

        复杂度分析：最坏情况下，时间复杂度为O(log2n)，且其期望复杂度也为O(log2n)。

        这里个人再罗嗦一点：斐波那契查找就是在二分查找的基础上根据斐波那契数列进行分割的。原查找列表长度为A，那么我们在Fibo数列中找到一个等于或者刚好大于A的数F[n](这里F[n] >= A), 然后将原来查找表长度扩展为 F[n]（以原列表最后一个值进行扩充，最大值扩充）. 再对这个新表进行Fibo分割。F[n] = F[n-1] + F[n-2]，所以一个长度为F[n] 的查找表分为两个新的查找表，长度分别为F[n-1] 和 F[n-2]。找到要查找的元素在哪一部分，递归。

        比如：arr={1，2，3，4，5，6，7，8，9，10，11，12}要对他进行斐波那契查找，查找的值是10。

        该数组长度为12, Fibo = {1, 1, 2, 3, 5, 8, 13, 21, 34, 55}, 所以选取13作为新数组长度，这么一来新数组：{1，2，3，4，5，6，7，8，9，10，11，12，12}

        F[n] = F[n-1] + F[n-2], F[n] = 13, 所以F[n-1] = 8, F[n-2] = 5. 那么对应的位置是F[6] = F[5] + F[4], 中间值为 F[5] = 8.

        找到中间值了，接下来就是进行比较与递归。

        其实很多人都会说要以 n = F[k] - 1作为判断标准，这个是有道理的。我个人理解是为了在编程的时候能够更好的统一解释，更好的编写代码。为什么呢？因为此处的 n 在编写代码的时候不是指的元素个数（当然也可以是，但是是从0开始的），而是一个指针，指向末尾元素，因此 n = len(array) - 1。F[k]的值代表的是数组的长度，长度！所以也要减一作为判断条件：right_index > F[k] - 1。

斐波那契查找的核心是：

  1）当key=a[mid]时，查找成功；

  2）当key   3）当key>a[mid]时，新的查找范围是第mid+1个到第high个，此时范围个数为F[k-2] - 1个，即数组右边的长度，所以要在[F[k - 2] - 1]范围内查找。

 

---------------------持续更新中------------------------