查找算法（Search Algorithm）day03

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

1. 顺序查找，时间复杂度为O(n)
2. 二分查找，时间复杂度为O(log2n) 二分查找向下取整
3. 插值查找，关键字分布又比较均匀, 时间复杂度为O(log2(log2n))
4. 斐波那契查找，时间复杂度为O(log2n)