二、查找算法
什么是查找算法:
在一个数据序列中,查找某个数据是否存在或存在的位置,在实际开发过程中使用的频率非常高,例如对数据常见的操作有增、删、改、查,增加数据时需要查询新增加的数据是否重复,删除数据时需要先查询到数据所在位置再删除,修改数据时也需要先查询到被修改的数据在什么位置,查找算法在编程中重要性排列在第一位。
顺序查找:
顺序表的顺序查找:
// 从顺序表中从前往后查找数据,找到返回下标,找不到返回-1 int order_search(int* arr,size_t len,int key) { for(int i=0; i<len; i++) { if(key == arr[i]) return i; } return -1; }
链表的顺序查找:
ListNode* order_search(ListNode* head,int key) { for(ListNode* n=head; NULL!=n; n=n->next) { if(n->data == key) return n; } return NULL; }
顺序查找的优点:
-
对待查找的数据没有有序性的要求,无论是否有序都可以顺序查找
-
对待查找的数据的存储方式也没有要求,无论是顺序表还是链表都可以顺序查找
顺序查找的缺点:
-
相比于其他查找算法速度要慢,最优时间复杂度 O(1) 最差O(N) 平均O(N)
二分查找:
数据序列必须有序,然后关键字key与中间数据比较,如果相等则立即返回,如果key小于中间数据,则只需要在中间数据左边继续查找即可,如果key大于中间数据,则只需要在中间数据右边继续查找即可,重复该步骤,直到找到关键字,或中间数据左右两边为空,则查找失败。
// 循环实现 查找前已有序 int binary_search(int* arr,size_t len,int key) { int left = 0, right = len-1; while(left <= right) { int p = (left + right)/2; if(arr[p] == key) return p; if(key < arr[p]) right = p-1; if(key > arr[p]) left = p+1; } return -1; } // 递归实现 int _binary_search(int* arr,size_t len,int key,int l,int r) { if(l > r) return -1; int p = (l+r)/2; if(key < arr[p]) return _binary_search(arr,len,key,l,p-1); if(key > arr[p]) return _binary_search(arr,len,key,p+1,r); return p; } int binary_search(int* arr,size_t len,int key) { return _binary_search(arr,len,key,0,len-1); }
二分查找的优点:
查询速度快,时间复杂度:O(log2N)。
二分查找的缺点:
-
对待查找的数据有序性有要求,必须先排序才能二分查找
-
对数据存储结构有要求,不适合链式表中直接使用,因为无法快速地访问中间位置,以及快速地让左右标杆位置进行移动
索引查找:
索引查找是在索引表和主表(即线性表的索引存储结构)上进行的查找,但需要先建立索引表,索引表就类似图书的目录,能大提高查找效率。
给顺序表创建索引表:
typedef struct Stduent { int id; char name[20]; char sex; short age; float score; }Student; Student stu[10000]; // 主表 // 索引表元素结构 typedef struct Index { int id; void* addr; }Index; // 索引表 Index indexs[10000]; // 对主表与索引表之间建立索引 void create_index(Student* stu,Index* indexs,size_t len) { for(int i=0; i<len; i++) { indexs[i].id = stu[i].id; indexs[i].addr = stu+i; } } // 注意:建立索引表后,后面使用索引查找的是索引表,再通过找到的索引表中记录的主表元素的位置信息,来最终找到待查找的数据元素 // 注意:索引表如何建立索引,根据实际需求来选择
索引表的顺序查找:
// 它比直接查询数据的主表的跳转速度要快,如果使用stu[i]查找,i每加1,要跳转过sizeof(Student)个字节数,如果使用索引表indexs[i]查询,i每加1,则只需要跳转sizeof(Index)个字节数,比主表跳转字节数要少。 // 如果主表的数据不存在内存而是存储在磁盘上,而索引表是建立在内存中,通过索引表访问效率、速度远高于访问磁盘的主表 int order_index_search(Index* indexs,size_t len,int id) { for(int i=0; i<len; i++) { if(indexs[i].id == id) return i; } /* for(int i=0; i<len; i++) { if(stu[i].id == id) return i; } */ }
索引表二分查找:
// 需要对索引表先排序 // 对索引表排序的效率和速度要远比直接对主表的排序要快 void sort_index(Index* indexs,size_t len) { for(int i=0; i<len-1; i++) { int min = i; for(int j=i+1; j<len; j++) { if(indexs[j].id < indexs[min].id) min = j; } if(min != i) { Index temp = indexs[min]; indexs[min] = indexs[i]; indexs[i] = temp; } } } // 对索引表进行二分查找 // 因为索引表已经重新排序了,而主表没有排序过,所以不能返回在索引表中找到元素的下标,该下标与主表对应元素的下标很可能不一致了,所以需要直接返回主表对应元素的地址 Student* binary_index_search(Index* indexs,size_t len,int id) { int l = 0, r = len-1; while(l <= r) { int p = (l + r)/2; if(indexs[p].id == id) return indexs[p].addr; if(id < indexs[p].id) r = p-1; if(id > indexs[p].id) l = p+1; } return NULL; }
给链表创建索引表:
// 给链表head创建一张顺序的索引表 表中的元素是ListNode* 用来指向链表中的节点 // 返回值是返回索引表首地址,len_i输出型参数,返回索引表中元素的个数 ListNode** create_index_list(ListNode* head,size_t* len_i) { if(NULL == head || NULL == len_i) return NULL; // 索引表的长度 *len_i = 0; ListNode** indexs = NULL; // 遍历链表head 给每个节点建立普通索引 for(ListNode* n=head; NULL!=n; n=n->next) { // 申请索引表元素ListNode*的内存 indexs = realloc(indexs,sizeof(ListNode*)*(*len_i+1)); // 让索引表中的最后一个元素指向对应的链表节点 indexs[(*len_i)++] = n; } // 对索引表进行排序,交换索引表中指针的指向 for(int i=0; i<(*len_i)-1; i++) { int min = i; for(int j=i+1; j<*len_i; j++) { if(indexs[j]->data < indexs[min]->data) min = j; } if(min != i) { // 交换索引表中指针的指向 不修改链表 ListNode* temp = indexs[min]; indexs[min] = indexs[i]; indexs[i] = temp; } } } // 链表的二分查找,本质上是对顺序的索引表进行二分 int binary_list_index_search(ListNode** indexs,size_t len,int key) { int l = 0, r = len - 1; while(l <= r) { int p = (l + r)/2; if(indexs[p]->data == key) return p; if(key < indexs[p]) r = p-1; if(key > indexs[p]) l = p+1; } return -1; }
索引查找的优点:
-
对于顺序表的顺序查找,索引查找可以缩短数据的查找跳转范围
-
对于顺序表的二分查找,通过排序索引表也能提高排序的速度
-
对于链式表,可以先建立顺序的索引表后,进行之前无法实现的二分查找了
索引查找的缺点:
-
使用了额外的存储空间来创建索引表,是一种典型的以空间换时间的算法策略
索引查找的使用场景:
-
如果针对的是内存中的顺序表中的数据,通过索引查找提升的速度和效率其实并不是很明显,毕竟内存的运算速度很快
-
但是对于存储在机械硬盘上的数据,通过在内存中建立对应硬盘数据的索引表,访问起来提升的效率就很多了,因此在一些常用的数据库中的索引查找使用非常多
分块查找:
先对数据进行分块,可以根据日期进行分块,可以对整形数据根据数据的最后一位分为10个分表,针对字符串数据可以根据第一个字母分为26个分表,然后再对这些分表进行二分查找、顺序查找,它是分治思想的具体实现。
分块查找的优点:
可以把海量数据进行分化,降低数据规模,从而提升查找速度。
分块查找的缺点:
操作比较麻烦,可能会有一定的内存浪费。
二叉排序树和平衡二叉树:
二叉排序树也叫二叉搜索树是根据数据的值进行构建的,然后进行前序遍历查找,它的查找原理还是二分查找,我在二叉搜索树中已经详细过,在此不再赘述。
平衡二叉树首先是一棵二叉排序树或二叉搜索树,二叉排序树在创建时,由于数据基本有序,会导致创建出的二叉排序树呈单枝状,或者随机数据的插入、删除导致二叉排序树左右失衡呈单枝状,就会导致二叉树排序的查询速度接近单向链表的O(N);
平衡二叉树要求左右子树的高度差不超过1,这样就会让二叉排序树左右均匀,让二叉排序树的查找速度接近二分查找(要了解AVL树和红黑树的区别)。
哈希表查找:Hash
在查找数据时需要进行一系列的比较运算,无论是顺序查找、二分查找、索引查找、这类的查找算法都是建立在比较的基础上的,但最理想的查找算法是不经过任何比较,一次存取就能查找到数据,那么就需要在存储位置和它的关键字之间建立一个确定的对应关系,使每个关键字和数据中的唯一的存储位置相对应。在查找时,根据对应关系找到给定的关键字所对应的数据,这样可以不经过比较可以直接取得所查找的数据。
我们称存储位置在关键字之间的对应关系为哈希函数,按这个思想建立的表为哈希表。
设计哈函数的方法:
直接定值法:
取关键字的值或某个线性函数作为k哈希地址:H(key) = key 或H(key)=a*key-b,但这种方法对数据有很高的要求。
问题:假设有10000个范围在0~255之间的随机整数,请任意输入0~255之间的一个整数,帮查询该整数总共出现了多少次?
#include <stdio.h> #include <stdlib.h> int main(int argc,const char* argv[]) { int arr[10000] = {}; for(int i=0; i<10000; i++) { arr[i] = rand() % 256; } // 建立哈希表 int hash[256] = {}; // 通过直接定值法 建立哈希函数 for(int i=0; i<10000; i++) { hash[arr[i]]++; } unsigned char num = 0; printf("请输入:"); scanf("%hhu",&num); printf("次数:%d\n",hash[num]); }
时间复杂度:O(1)
但是有很大的局限性,因为很多数据是无法直接用做数组的下标的,其次可能会出现数据量少,但是数据值的差值较大,导致哈希表长度过大,造成内存浪费
数字分析法:
分析数据的特点设计哈希,常用方法是找到最大最小值,最大值-最小值+1 确定哈希表的长度,通过 数据-最小值 访问哈希表下标
以上两种方法局限比较大,但计算出的哈希地址没有冲突的可能,以下方法:平方取中法、折叠法、除留余数法等方法对关键字的要求不要,但计算出的哈希地址可能会有冲突。称为哈希冲突
解决哈希值冲突的方法:
-
开方地址法
-
再哈希法
-
链地址法
-
创建公共溢出区
哈希查找的优点:
查找速度极快,时间复杂度能达到O(1)。
哈希查找的缺点:
1、局限性比较大,对数据的要求比较高。
2、设计哈希函数麻烦,没具体的设计哈希函数的方法,只是有一些大致的思路。
3、需要建立哈希表,占用了额外的空间。
Hash函数的应用:MD5、SHA-1都属于Hash算法