第 8 章 查找算法
第 8 章 查找算法
1、查找算法介绍
- 顺序(线性)查找
- 二分查找/折半查找
- 插值查找
- 斐波那契查找
2、线性查找
- 编写线性查找算法代码
public class SeqSearch {
public static void main(String[] args) {
int[] arr = { 1, 2, 3, 4, 5 };// 没有顺序的数组
int index = seqSearch(arr, -11);
if (index == -1) {
System.out.println("没有找到到");
} else {
System.out.println("找到，下标为=" + index);
}
}
/**
* 这里我们实现的线性查找是找到一个满足条件的值，就返回
*
* @param arr
* @param value
* @return
*/
public static int seqSearch(int[] arr, int value) {
// 线性查找是逐一比对，发现有相同值，就返回下标
for (int i = 0; i < arr.length; i++) {
if (arr[i] == value) {
return i;
}
}
return -1;
}
}
- 程序运行结果
找到，下标为=4
线性查找，其实就是咱们平常最常用的顺序遍历，找到就返回第一次出现的下标
对象查找就需要判断是不是null，仿照arrayList的get方法就明白了，
3、二分查找
3.1、二分查找思路
- 二分查找算法的前提：数组必须是有序数组
- 二分查找算法思路分析（递归版）：
- 定义两个辅助指针：left、right ，待查找的元素在 arr[left]~arr[right] 之间
- left 初始值为 0 ，right 初始值为 arr.length - 1
- 将数组分成两半：int mid = (left + right) / 2; ，取数组中间值与目标值 findVal 比较
- 如果 mid > findVal ，说明待查找的值在数组左半部分
- 如果 mid < findVal ，说明待查找的值在数组右半部分
- 如果 mid == findVal ，查找到目标值，返回即可
- 何时终止递归？分为两种情况：
- 找到目标值，直接返回目标值 findVal ，结束递归即可
- 未找到目标值：left > right，这样想：如果递归至数组中只有一个数时（left == right），还没有找到目标值，继续执行下一次递归时， left 指针和 right 指针总有一个会再走一步，这时
left 和 right 便会错开，此时 left > right ，返回 -1 并结束递归表示没有找到目标值
3.2、代码实现
3.2.1、二分查找（单个值）
- 编写二分查找算法：查找到目标值就返回
//注意：使用二分查找的前提是 该数组是有序的.
public class BinarySearch {
public static void main(String[] args) {
int arr[] = {1, 8, 10, 89, 1000, 1234};
int resIndex = binarySearch(arr, 0, arr.length - 1, 1000);
System.out.println("resIndex=" + resIndex);
}
// 二分查找算法
/**
*
* @param arr 数组
* @param left 左边的索引
* @param right 右边的索引
* @param findVal 要查找的值
* @return 如果找到就返回下标，如果没有找到，就返回 -1
*/
public static int binarySearch(int[] arr, int left, int right, int findVal) {
// 当 left > right 时，说明递归整个数组，但是没有找到
if (left > right) {
return -1;
}
int mid = (left + right) / 2;
int midVal = arr[mid];
if (findVal > midVal) { // 向 右递归
return binarySearch(arr, mid + 1, right, findVal);
} else if (findVal < midVal) { // 向左递归
return binarySearch(arr, left, mid - 1, findVal);
} else {
return mid;
}
}
}
- 程序运行结果
resIndex=4
3.2.2、二分查找（所有值）
- 编写二分查找算法：查找到所有目标值，在找到目标值之后，分别往左、往右进行扩散搜索
//注意：使用二分查找的前提是 该数组是有序的.
public class BinarySearch {
public static void main(String[] args) {
int arr[] = {1, 8, 10, 89, 1000, 1000, 1000, 1234};
List<Integer> resIndexList = binarySearch(arr, 0, arr.length - 1, 1000);
System.out.println("resIndexList=" + resIndexList);
}
// 完成一个课后思考题:
/*
* 课后思考题： {1,8, 10, 89, 1000, 1000，1234} 当一个有序数组中， 有多个相同的数值时，如何将所有的数值都查找到，比如这里的
* 1000
*
* 思路分析 1. 在找到mid 索引值，不要马上返回 2. 向mid 索引值的左边扫描，将所有满足 1000， 的元素的下标，加入到集合ArrayList
* 3. 向mid 索引值的右边扫描，将所有满足 1000， 的元素的下标，加入到集合ArrayList 4. 将Arraylist返回
*/
public static List<Integer> binarySearch(int[] arr, int left, int right, int findVal) {
// 当 left > right 时，说明递归整个数组，但是没有找到
if (left > right) {
return new ArrayList<Integer>();
}
int mid = (left + right) / 2;
int midVal = arr[mid];
if (findVal > midVal) { // 向 右递归
return binarySearch(arr, mid + 1, right, findVal);
} else if (findVal < midVal) { // 向左递归
return binarySearch(arr, left, mid - 1, findVal);
} else {
// 思路分析
// 1. 在找到mid 索引值，不要马上返回
// 2. 向mid 索引值的左边扫描，将所有满足 1000， 的元素的下标，加入到集合ArrayList
// 3. 向mid 索引值的右边扫描，将所有满足 1000， 的元素的下标，加入到集合ArrayList
// 4. 将Arraylist返回
List<Integer> resIndexlist = new ArrayList<Integer>();
// 向mid 索引值的左边扫描，将所有满足 1000， 的元素的下标，加入到集合ArrayList
int temp = mid - 1;
while (temp >= 0) {
if (arr[temp] == findVal) {
resIndexlist.add(temp);
}
temp--;
}
resIndexlist.add(mid); //
// 向mid 索引值的右边扫描，将所有满足 1000， 的元素的下标，加入到集合ArrayList
temp = mid + 1;
while (temp < arr.length) {
if (arr[temp] == findVal) {
resIndexlist.add(temp);
}
temp++;
}
return resIndexlist;
}
}
}
- 程序运行结果
resIndexList=[4, 5, 6]
4、插值查找
4.1、插值查找基本介绍
- 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。
4.2、插值查找图解
-
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
-
图中公式：int mid = low + (high - low) * (key - arr[low]) / (arr[high] - arr[low]) ;
对应前面的代码公式：
int mid = left + (right – left) * (findVal – arr[left]) / (arr[right] – arr[left])
-
大致思路和二分查找一样，有如下不同：
-
寻找 mid 公式不同：
int mid = left + (right – left) * (findVal – arr[left]) / (arr[right] – arr[left]);
-
由于公式中出现 findVal ，所以 findVal 的值不能过大或者过小，否则会引起 mid 过大或过小，引起数组越界问题，
- 添加判断：findVal < arr[left] 和 findVal > arr[right]
- why？findVal = arr[left] 时，mid = left；findVal = arr[right] 时，mid = right；
-
4.3、代码实现
- 编写插值查找算法
public class InsertValueSearch {
public static void main(String[] args) {
int[] arr = new int[100];
for (int i = 0; i < 100; i++) {
arr[i] = i + 1;
}
int index = insertValueSearch(arr, 0, arr.length - 1, 1);
System.out.println("index = " + index);
}
//编写插值查找算法
//说明：插值查找算法，也要求数组是有序的
/**
*
* @param arr 数组
* @param left 左边索引
* @param right 右边索引
* @param findVal 查找值
* @return 如果找到，就返回对应的下标，如果没有找到，返回-1
*/
public static int insertValueSearch(int[] arr, int left, int right, int findVal) {
System.out.println("插值查找次数~~");
//注意：findVal < arr[left] 和 findVal > arr[right] 必须需要，否则我们得到的 mid 可能越界
// findVal < arr[left] ：说明待查找的值比数组中最小的元素都小
// findVal > arr[right] ：说明待查找的值比数组中最大的元素都大
if (left > right || findVal < arr[left] || findVal > arr[right]) {
return -1;
}
// 求出mid, 自适应，额，这不就是一次函数吗
// findVal = arr[left] 时，mid = left
// findVal = arr[right] 时，mid = right
int mid = left + (right - left) * (findVal - arr[left]) / (arr[right] - arr[left]);
int midVal = arr[mid];
if (findVal > midVal) { // 说明应该向右边递归
return insertValueSearch(arr, mid + 1, right, findVal);
} else if (findVal < midVal) { // 说明向左递归查找
return insertValueSearch(arr, left, mid - 1, findVal);
} else {
return mid;
}
}
}
- 程序运行结果
插值查找次数~~
index = 0
像直角坐标系里面的函数一样，知道 两个点的坐标，给出第三个点的纵坐标k，让你找第三个点的横坐标mid；
并且 k要在处于中间位置。
(k-y1)/(y2-y1) = (mid-x1)/(x2-x1)==>求mid。
mid = (k-y1)/(y2-y1) * (x2-x1) + x1
4.4、总结
- 对于数据量较大，关键字分布比较均匀（最好是线性分布）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
5、斐波那契查找
5.1、斐波那契数列
- 黄金分割点是指把一条线段分割为两部分， 使其中一部分与全长之比等于另一部分与这部分之比。 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，
会带来意想不到的效果。 - 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
5.2、斐波那契查找介绍
-
那为什么一定要等分呐？能不能进行“黄金分割”？也就是 mid = left+0.618(right-left) ，当然mid 要取整数。如果这样查找，时间复杂性是多少？也许你还可以编程做个试验，比较一下二分法和“黄金分割”法的执行效率。
-
斐波那契查找算法又称为黄金分割法查找算法，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 不再是中间或由插值计算得到，而是位于黄金分割点附近， 即 mid = low + F(k-1) - 1
-
对 F(k)-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
- 为什么数组总长度是 F(k) - 1 ，而不是 F(k) ？因为凑成 F(k-1) 才能找出中间值，如果数组长度为 F(k) ，而 F(k) = F(k-1) + F(k-2) ，咋个找中间值嘞？
- 为什么数组左边的长度是 F(k-1) - 1 ，数组右边的长度是 F(k-2) - 1 ？就拿个斐波那契数列来说：{ 1, 1, 2, 3, 5, 8, 13, 21, 34, 55 } ，54 = 33 + 20 + 1
，左边是不是 F(k-1) - 1 ，右边是不是 F(k-2) - 1 ，也恰好空出了一个中间值~~~
5.3、斐波那契查找思路
- 先根据原数组大小，计算斐波那契数列的得 k 值
- 数组扩容条件是：增大 k 值（索引从 0 开始），使得数组长度刚好大于或者等于斐波那契数列中的 F[k]-1 ，我们定义临时数组 temp ，temp 后面为 0 的元素都按照数组最大元素值填充
- 何时终止斐波那契查找？
- 找到目标值：直接返回目标值索引
- 没有找到目标值：low 指针和 high 指针相等或者擦肩而过，即 low >= high
- 为什么 low == high 时需要单独拎出来？
- low == high 时说明此时数组中只剩下一个元素（a[low] 或者 a[high]）没有与目标值比较，并且此时 k 有可能等于 0 ，无法执行 mid = low + f[k - 1] - 1; 操作（k - 1
将导致数组越界） - 解决办法：我们在程序的最后，将 a[low] 或者 a[high] 单独与目标值 value 进行比较即可，我是通过 Debug 解决数组越界异常的，我并没有想明白，但是不把 low == high
单独拎出来，就会抛异常，哎，烧脑壳~~~改天再想
- low == high 时说明此时数组中只剩下一个元素（a[low] 或者 a[high]）没有与目标值比较，并且此时 k 有可能等于 0 ，无法执行 mid = low + f[k - 1] - 1; 操作（k - 1
- mid 值怎么定？mid = low + f[k - 1] - 1 ：用黄金分割点确定 mid 的值
- 左右两条路，你怎么选？
- key < temp[mid] ：目标值在黄金分割点的左边，看上面的图，应该是 k -= 1;
- key > temp[mid] ：目标值在黄金分割点的右边，看上面的图，应该是 k -= 2;
- key = temp[mid] ：找到目标值，因为数组经历过扩容，后面的值其实有些是多余的，mid 可能会越界（相对于原数组来说）
- mid <= high ：证明 mid 索引在原数组中，返回 mid
- mid > high 时，证明 mid 索引已经越界（相对于原数组来说），返回 high
5.4、代码实现
- 编写斐波那契查找算法
public class FibonacciSearch {
public static int maxSize = 20;
public static void main(String[] args) {
int[] arr = {1, 2, 3, 4, 5};
System.out.println("index=" + fibSearch(arr, 5));
}
// 因为后面我们mid=low+F(k-1)-1，需要使用到斐波那契数列，因此我们需要先获取到一个斐波那契数列
// 非递归方法得到一个斐波那契数列
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;
}
// 编写斐波那契查找算法
// 使用非递归的方式编写算法
/**
*
* @param a 数组
* @param key 我们需要查找的关键码(值)
* @return 返回对应的下标，如果没有-1
*/
public static int fibSearch(int[] a, int key) {
int low = 0;
int high = a.length - 1;
int k = 0; // 表示斐波那契分割数值的下标
int mid = 0; // 存放mid值
int f[] = fib(); // 获取到斐波那契数列
// 获取到斐波那契分割数值的下标
while (high > f[k] - 1) {
k++;
}
// 因为 f[k] 值 可能大于 a 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(a, 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] = a[high];
}
// 使用while来循环处理，找到我们的数 key
while (low < high) { // 只要这个条件满足，就可以找
mid = low + f[k - 1] - 1;
if (key < temp[mid]) { // 我们应该继续向数组的前面查找(左边)
high = mid - 1;
// 为甚是 k--
// 当前：f[k-1] = f[k-2] + f[k-3]
// 往左查找：f[k-2] = f[k-3] + f[k-4];
// 假设下次k变为X，那下次进入循环就是：f[X-1] = f[k-3] + f[k-4]
// 得到f[X-1] = f[k-2] =>X=k-1,而此处的X又是原来的k，所以k--
k--;
} else if (key > temp[mid]) { // 我们应该继续向数组的后面查找(右边)
low = mid + 1;
//为什么是k -=2
// 当前：f[k-1] = f[k-2] + f[k-3]
// 往右查找：f[k-3] = f[k-4] + f[k-5];
// 假设下次k变为X，那下次进入循环就是：f[X-1] = f[k-4] + f[k-5];
// 得到f[X-1] = f[k-3] =>X=k-2,而此处的X又是原来的k，所以k-=2
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;
}
}
}
if (a[low] == key) {
return low;
} else {
return -1;
}
}
}
- 程序运行结果
index=4
浙公网安备 33010602011771号