查找之一：顺序表查找

这里的查找从先行查找开始，key为一个整数，也可以自定义为任何数据结构。另外，我们这里使用的数组第一位（arr[0]）不用来存储数据，而是用来存储key，当然也可以存其他的东西，比如这个数组的长度等等。第二种方法里面会用到这一点，效率上会有所提升。

• 简单实现一：

//顺序查找，a为数组，n为要查找的数组长度，key为要查找的关键字
int seq_search(int *a,int n,int key){
    int i;
    //我们的存储从1开始~~
    for(i=1;i <=n;i++){
        if(a[i] == key)
            return i;
    }
    return 0;//没有找到
}

• 简单实现二：

//有哨兵的顺序查找
int seq_searvh(int* a,int n,int key){
    int i = n;
    a[0]=key;//a[0]当作哨兵
    while(a[i] != key){
        i--;
    }
    return i;
}

所以，通过看代码可以看到，后面一种省略了每一次循环中的i是否越界，算是一个比较好的编码技巧~~
接下来看一下二分查找，当然这种查找效率比较高，O(logN)的时间复杂度，但是也有要求：需要有序表顺序存储。
下面是代码：

//二分查找
int binary_search(const int *arr, int n, int key) {
    int low, mid, high;
    low = 0;
    high = n;
    while (low <= high) {
        mid = (low + high) / 2;
        if (key < arr[mid]) {
            high = mid - 1;
        }
        else if (key > arr[mid]) {
            low = mid + 1;
        }
        else {
            return mid;
        }
    }
    return -1;//表示不存在，注意这里的数组存储的全部是数据~~
}

对于上面的二分查找，有没有想过没什么一定要二分呢？不能四分或者八分吗？考虑一下这种场景：现在的数组是 arr[100] = {1,2,3,4,5,6,7,9,11,23,24,25,28,30,31,32,…},也就是说数据分布比较”均匀“，如果要查找的数字是3，那么，我们有必要先从中间开始开始吗？就像查字典一样，我们知道了首字母，一般直接翻到那个首字母附近，然后再开始查找，运用相似的方法，我们应该调节mid的计算。
对于上面的mid计算公式，可以表示如下：

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

也就是说，mid等于最低下标low加上最高下标high与low的差的一半。现在我们考虑改进这个 1/2参数，做一些动态的调整：

mid = low + ((key - arr[low])/(arr[high] - arr[low]))*(high-low); 

这样，我们的程序只需要修改一行：

mid = low+(high-low)*(key-arr[low])/(arr[high]-arr[low]);

当然，这比而二分查找的要求更多了：表长较大，关键字分布比较均匀。
而对于那种分布特别不均匀的数据，诸如{1,2000,888888,278437842...}就未必是很合适的选择了
最后，看一下斐波那契查找，先上代码，具体的讲解后续再附上~~

//斐波那契数列
int F[] = {0,1,1,2,3,5,8,13,21,34};
/**
斐波那契查找
*/
int Fibonacci_Search( int* a, int n, int key) {
    int low, high, mid, i, k;
    low = 0;    //定义最低下标为记录首位   
    high = n-1;//定义最高下标为记录末尾
    k = 0;
    while (n > F[k] - 1) {//计算n位于斐波那契数列的位置
        k++;
    }
    for (i = n;i < F[k];i++) {      //将不满的数值补全
        a[i] = a[n];
    }
    while (low <= high) {
        mid = low + F[k - 1] - 1;   //计算当前分隔的下标
        if (key < a[mid]) { //若查找记录小于当前分隔记录
            high = mid - 1; //最高纪录调整到分隔下标mid-1处
            k = k - 1;  //斐波那契数列下标减一位
        }
        else if(key > a[mid]){      //若查找记录大于当前分隔记录
            low = mid + 1;  //最低下标调整到分隔下标mid+1处
            k = k - 2;  //斐波那契数列下标减两位
        }
        else {
            if (mid <= n) {
                return mid; //若相等则说明mid即为查找到的位置
            }
            else {
                return n;
            }
        }

    }
    return -1;
}