数据结构30：二分查找及算法分析

目录

 

一、二分查找

二、二分查找代码

三、二分查找：分而治之

四、算法分析

---

一、二分查找

前面介绍了顺序查找，但是对于有序表，有没有更好更快的查找算法呢？

在顺序查找中，如果第一个数据项比匹配查找项的话，那么最对还有n-1个待比对的数据项。那么是否可以利用有序表的特性，迅速缩小待比对数据项的范围呢？

我们从列表的中间开始比对！

• 如果列表中间的项匹配查找项，则查找结束
• 如果不匹配，那么就有两种情况：

1. 列表中间的项比查找项大，那么查找项就只可能出现在前半部分；
2. 列表中间的项比查找项小，那么查找项就只可能出现在列表的后半部分。

无论如何，我们都会将比对的范围缩小到原来的一半： n/2

继续上面的查找，每次都会将比对范围缩小一半。

 

二、二分查找代码

def binarySearch(alist, item):
    first = 0
    last = len(alist) - 1
    found = False

    while first <= last and not found:
        midpoint = (first + last) // 2
        if alist[midpoint] == item:
            found = True
        else:
            if alist[midpoint] > item:
                last = midpoint-1
            else:
                first = midpoint + 1
    return found

三、二分查找：分而治之

二分查找实际上体现了解决问题的典型策略：分而治之

将问题分为若干更小规模的部分，通过解决每一个小规模部分问题，并将结果汇总得到原问题的解。

显然，递归算法是一种典型的分治策略算法，二分法也适合用递归算法来实现。

代码：

def binarySearch(alist, item):
    if len(alist) == 0:
        return False
    else:
        midpoint = len(alist) // 2
        if alist[midpoint] == item:
            return True
        else:
            if alist[midpoint] > item:
                return binarySearch(alist[:midpoint], item)
            else:
                return binarySearch(alist[midpoint+1:, item])

 

四、算法分析

由于二分查找，每次比对数据都将下一次的比对范围缩小一半，每次比对后剩余数据项如下表所示：

当比对次数足够多以后，比对范围内就会仅剩余一个数据项，无论这个数据项是否匹配查找项，比对最终都会结束，解方程i=log2(n)：

所以二分查找的的算法复杂度是O(logn)

但是在本算法中，除了比对，还有一个因素需要考虑到：

这个递归中，使用了列表的切片操作，而切片操作的复杂度是O(k)，这样会使算法的复杂度稍稍增加。

当然，我们采用切片是为了使程序的可读性更好，实际上也可以不切片，而只传入起始和结束的索引值即可，这样就不会有切片的时间开销了。