龙空技术网

数据结构与算法分析之二分查找

图灵科技论 367

前言:

如今小伙伴们对“实现折半查找的算法数据结构”可能比较关注,看官们都想要了解一些“实现折半查找的算法数据结构”的相关资讯。那么小编在网摘上网罗了一些关于“实现折半查找的算法数据结构””的相关内容,希望大家能喜欢,大家快快来了解一下吧!

什么是二分查找?

二分查找(binary search)又叫折半查找,它是一种在有序数组中查找某一特定元素的搜索算法。

二分查找必要条件?必须为顺序存储结构;必须按关键字大小有序排列。二分查找原理

使用二分查找算法找出arrays数组中8的位置

int[] arrays = new int[] {2,8,12,18,20,25,30,37,41,49,61};
将有序数组分为三个部分,分别为中间值前(中间值数之前的一组数据),中间值和中间值后(中间值之后的一组数据);将要查找的数与中间值的数相比较,等于则退出查找,小于则在中间值前进行比较,大于在在中间值后进行比较,依次递归,直至查找到对应的值为止;当要查找数据结构为偶数时,中间值mid应向下取整处理;上述arrays数组中间值为{25},中间值前为{2,8,12,18,20},中间值后为{30,37,41,49,61}。

二分查找计算原理图,如下:

二分查找常用两种方式:递归查询

递归查询

非递归查询

非递归查询

main方法时间复杂度和空间复杂度

时间复杂度:

最坏的情况下两种方式时间复杂度一样:O(log2 N);最好情况下为O(1);

空间复杂度:

算法的空间复杂度并不是计算实际占用的空间,而是计算整个算法的辅助空间单元的个数

非递归方式:由于辅助空间是常数级别的所以:空间复杂度是O(1);递归方式:递归的次数和深度都是log2 N,每次所需要的辅助空间都是常数级别的:空间复杂度:O(log2N )。

二分查找中值(mid)计算 二分查找中值计算有两种方式:

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

上述两种算法看似第一种要简洁,第二种提取之后,跟第一种没有什么区别。但是实际上上述两种计算是有区别的,第一种的做法是在极端情况下计算的,(low + high)存在着溢出的风险,进而有可能得到错误的mid结果,导致程序错误;而第二种算法能够保证计算出来的mid值一定大于low、小于high,不存在溢出的问题。 针对第一种算法为了防止溢出问题,可以使用:int mid = (high + low) >>> 1; 解决此问题。

二分查找的优缺点:优点:比较次数少,查找速度快,平均性能好。缺点:必须有序,必须是数组。引申

解决二分查找缺陷问题更好的方法是使用二叉查找树,最好自然是自平衡二叉查找树,既能高效的(O(n log n))构建有序元素集合,又能如同二分查找法一样快速(O(log n))的搜寻目标数。

标签: #实现折半查找的算法数据结构