由于数据结构未复习到树, 二叉树查找、红黑树、B树和B+树等均未提及,以后补充
查找算法介绍
在java中,我们常用的查找有四种:
1)顺序(线性)查找
2)二分查找/折半查找
3)插值查找
4)斐波那契查找.
1、线性(顺序)查找
package com.xhl.Search;
public class SeqSearch {
public static void main(String[] args) {
int arr[] = {1,9,11,-1,34,89};
int number = 11;
int index = seqSearch(arr,number);
if(index==-1) {
System.out.println("Can't find");
}else {
System.out.printf("Find the number %d,index is %d",number,index);
}
}
private static int seqSearch(int[] arr, int value) {
for(int i=0;i<arr.length;i++) {
if(arr[i]==value) {
return i;
}
}
return -1;
}
}
2、二分查找
对有序数组方可进行二分查找
思路
实现
package com.xhl.Search;
import java.util.List;
import java.util.ArrayList;
//二分查找
public class BinarySearch {
public static void main(String[] args) {
// TODO Auto-generated method stub
int[] arr = {1,8,10,89,1000,1000,1234};
int resIndex = binarySearch(arr,0,arr.length-1,1000);
System.out.println("resIndex = "+resIndex);
List<Integer> resIndexList = binarySearch2(arr,0,arr.length-1,1000);
System.out.println("resIndexList = "+resIndexList);
}
private static List binarySearch2(int[] arr, int left, int right, int value) {
if(left>right) {
return new ArrayList<Integer>();
}
int mid = (right + left)/2;
if(value>arr[mid]) {
return binarySearch2(arr, mid+1, right, value);
}else if(value<arr[mid]) {
return binarySearch2(arr, left, mid-1, value);
}else {
List<Integer> resIndexList = new ArrayList();
resIndexList.add(mid);
int temp = mid-1;
while(temp>0&&arr[temp]==value) {
resIndexList.add(temp);
temp--;
}
temp = mid +1;
while(temp<arr.length&&arr[temp]==value) {
resIndexList.add(temp);
temp++;
}
return resIndexList;
}
}
private static int binarySearch(int[] arr, int left, int right, int value) {
if(left>right) {
return -1;
}
int mid = (right + left)/2;
if(value>arr[mid]) {
return binarySearch(arr, mid+1, right, value);
}else if(value<arr[mid]) {
return binarySearch(arr, left, mid-1, value);
}else {
return mid;
}
}
}
3、插值查找
插值查找原理介绍:
插值查找算法类似于二分查找,不同的是插值查找每次从自适应mid处开始查找。
将折半查找中的求mid索引的公式,low表示左边索引left, high表示右边索引right.
key就是前面我们讲的findVal
适用对分布比较均匀的数组进行查找,也需要数组是有序的
实现
package com.xhl.Search;
public class InsertValueSearch {
public static void main(String[] args) {
int[] arr = {1,8,10,89,1000,1000,1234};
int index = insertValueSearch(arr,0,arr.length-1,1234);
System.out.println(index);
}
private static int insertValueSearch(int[] arr, int left, int right, int findval) {
if(findval<arr[0]||findval>arr[arr.length-1]) {
return -1;
}
int mid = left + (findval-arr[left])*(right-left)/(arr[right]-arr[left]);
if(findval>arr[mid]) {
return insertValueSearch(arr, mid+1, right, findval);
}else if(findval<arr[mid]){
return insertValueSearch(arr, left, mid-1, findval);
}else {
return mid;
}
}
}
注意事项:
- 对于数据量较大,关键字分布比较均匀的查找表来说,采用插值查找,速度较快.
- 关键字分布不均匀的情况下,该方法不一-定比折半查找要好
4、斐波那契(黄金分割)查找
黄金分割点是指把- - 条线段分割为两部分,使其中一部分与全长之比等于另- -部分与这部分之比。取其前三位数字的近似值是0.618。由于按此比例设计的造型十分美丽,因此称为黄金分割,也称为中外比。这是一个神奇的数字,会带来意向不大的效果。
斐波那契数列{1,1,2,3,5,8, 13,21, 34,55}发现斐波那契数列的两个相邻数的比例,无限接近黄金分割值0.618
原理
斐波那契查找原理与前两种相似,仅仅改变了中间结点(mid) 的位置,mid 不再是中间或插值得到,而是位于黄金分割点附近,即mid=low+F(k-1)-1 (F 代表斐波那契数列), 如下图所示
对F(k-1)-1的理解
- 由斐波那契数列F[k]=F[k-1]+F[k-2] 的性质,可以得到(F[k]-1) = (F[k-1]-1) + (F[k-2]-1) +1。该式说明:只要顺序表的长度为F[k]-1, 则可以将该表分成长度为F[k-1]-1 和F[k-2]-1 的两段,即如上图所示。从而中间位置为mid=low+F(k-1)-1;
- 类似的,每一子段也可以用相同的方式分割
- 但顺序表长度n不一定刚好等于F[k]-1,所以需要将原来的顺序表长度n增加至F[k]-1.这里的k值只要能使得F[k]-1恰好大于或等于n即可,由以下代码得到,顺序表长度增加后,新增的位置(从n+1到F[k]-1位置) ,都赋为n位置的值即可。
- while(n> fib(k)-1)
k++;
实现
package com.xhl.Search;
import java.util.Arrays;
public class FibonacciSearch {
public static int maxSize = 20;
public static void main(String[] args) {
int[] arr = {1,8,10,89,1000,1000,1234};
int index = fibSearch(arr,189);
System.out.println(index);
}
/*
* 因为后面mid=low+F[k-1]-1,需要使用到斐波那契数列
* 非递归方法得到斐波那契数列
*/
public static int[] fib() {
int[] f= new int[maxSize];
f[0]=1;
f[1]=1;
for(int i=2;i<maxSize;i++) {
f[i]=f[i-1]+f[i-2];
}
return f;
}
private static int fibSearch(int[] arr, int key) {
int low = 0;
int high = arr.length-1;
int k=0;//表示斐波那契分割数值的下标
int mid = 0;
int[] f = fib();
while(high>f[k]-1) {
k++;
}
//因为f[k]值可能大于arr的长度,因此我们需要使用Arrays类,构造一个新的数组,并指向temp[]
//不足的部分会使用0填充
int[] temp = Arrays.copyOf(arr, f[k]);
//实际上需求使用a数组最后的数填充temp
//举例:
//temp= {1,8, 10, 89, 1000, 1234,0,0} => {1,8, 10, 89, 1000, 1234, 1234, 1234,}
for(int i=high+1;i<temp.length;i++) {
temp[i]=arr[high];
}
while(low<=high) {
mid = low + f[k-1]-1;
if(key < temp[mid]) {//向左找
high = mid-1;
//说明
//1. 全部元素=前面的元素+后边元素
//2. f[k]= f[k-1] + f[k-2]
//因为前面有f[k-1]个元素,所以可以继续拆分f[k-1]= f[k-2] + f[k-3]
k--;
}else if(key > temp[mid]){//向右找
low = mid+1;
//说明
//1.全部元素=前面的元素+后边元素
//2. f[k]= f[k-1]+ f[Kk-2]
//3.因为后面我们有f[k-2] 所以可以继续拆分f[k-1]=fk-3] + f[k-4]
//4. 即在f[k-2] 的前面进行查找k-=2.
//5.即下次循环mid= f[k-1-2]- 1
k-=2;
}else {//找到
//需要确定返回的是哪个下标
if(mid <= high) {
return mid;
}else {
return high;
}
}
}
return -1;
}
}
总结
- 顺序查找,时间复杂度为O(n)
- 二分查找,时间复杂度为O(log2n) 二分查找向下取整
- 插值查找,关键字分布又比较均匀, 时间复杂度为O(log2(log2n))
- 斐波那契查找,时间复杂度为O(log2n)