二分查找与时间复杂度计算分析

二分查找：

二分查找又称折半查找，优点是比较次数少，查找速度快，平均性能好；其缺点是要求待查表为有序表，且插入删除困难。因此，折半查找方法适用于不经常变动而查找频繁的有序列表。
原理：假设表中元素是按升序排列，将表中间位置记录的关键字与查找关键字比较，如果两者相等，则查找成功；否则利用中间位置记录将表分成左、右(左边小一些)两个子表，如果中间位置记录的关键字大于查找关键字，则进一步查找左子表，否则进一步查找右子表。重复以上过程，直到找到满足条件的记录，使查找成功，或直到子表不存在为止，此时查找不成功。

特征：1）序列有序；2）可以随机访问
争议：表必须有序，表可以顺序方式存储，也可以链表方式存储。有人说，表只能顺序存储；但也有人说，折半查找也可以用跳表实现，跳表即不是顺序存储。跳表维基百科

时间复杂度: O(log₂N)

我们首先来看一下实现代码：
非递归方式

int
BinarySearch(const ElementType A[ ], ElementType X, int N)
{int Low, Mid, High;Low = 0; High = N - 1;while( Low <= High ){Mid = ( Low + High ) / 2;if( A[Mid] < X )Low = Mid + 1;elseif( A[Mid] > X )High = Mid - 1;elsereturn Mid;  /* Found */}return NotFound;   /* NotFound is defined as -1 */
}

时间复杂度分析T_worst(N)

显然，每次迭代在循环内的所有工作花费为O(1)。
二分查找每次排除掉一半的不适合值，所以对于N个元素的情况：

一次二分剩下：N/2
两次二分剩下：N/2/2 = N/4
…
M次二分剩下：N/(2^M)

在最坏情况下是在排除到只剩下最后一个值之后得到结果，即

N/(2^M)=1

所以由上式可得： 2^M=N ⇒ \Rightarrow ⇒ T(N) = log₂(N)

递归方式

int
BinarySearchRecursion(const ElementType A[ ], ElementType X, int Start, int End)
{/* 1 */ if( Start > End )return NotFound;   /* NotFound is defined as -1 *//* 2 */   int Mid = ( Start + End ) / 2;
/* 3 */ if(X == A[Mid])return Mid;     /* Found */elseif(X < A[Mid])
/* 4 */     BinarySearchRecursion(A, X, Start, Mid - 1);else if(X > A[Mid])
/* 5 */     BinarySearchRecursion(A, X, Mid + 1, End);
}

令T(N)是求解大小为N的二分法排序问题所花费的时间。如果N = 1，则上面算法执行程序第1行到第3行，花费某个时间常量，我们称之为一个时间单元.于是，T(1) = 1。其余就是第4行，第5行上的运行工作。这两行求解大小为N/2的二分法排序问题。假设N为偶数，因此这两行花费之和**总是T(N/2)**个时间单位，于是我们得到方程组:
{ T ( 1 ) = 1 T ( N ) = T ( N / 2 ) + O ( 1 ) \begin{cases} T(1) = 1 \\ T(N) = T(N/2) + O(1) \end{cases} {T(1)=1T(N)=T(N/2)+O(1)
为了简化计算，我们可以用1代替上面方程中的O(1)项；由于T(N)最终还是要用大O来丧示的，因此这么做并不影响答案。
至于现在，T(N) = T(N/2) + 1，且T(1) = 1，那么T(2) = 1+1，T(4) = 2+1，T(8) = 3+1，T(16) = 4+1。
其形式是显然的并且可以得到T(N) = log₂N + 1 = O(log₂N)

附：
算法时间复杂度比较图

《数据结构与算法分析》-----Mark Allen Weiss
二分查找时间复杂度计算与分析

二分查找与时间复杂度计算分析相关推荐

二分查找法时间复杂度计算
1.直接由公式进行计算,当然也可以直接从程序推导
二分查找的时间复杂度分析
话不多说,先上代码 : public int binarysearch (int []array,int value ){int begin =0;int end = array.length -1; ...
算法二分查找的时间复杂度为O(log2N)的原因推理
时间复杂度概念还不清楚的可以先看我的下面这个文章: https://blog.csdn.net/u010452388/article/details/80875958 由于二分查找每次查询都是从数组中 ...
javascript数据结构与算法---检索算法（二分查找法、计算重复次数）
javascript数据结构与算法---检索算法(二分查找法.计算重复次数) /*只需要查找元素是否存在数组,可以先将数组排序,再使用二分查找法*/ function qSort(arr){if (a ...
二分查找的时间复杂度以及算法
给定一个规模为n的按照数字从小到大排序的数组,快速查询x元素在数组中的位置示例: 数组:[1,3,6,9,14,35,67] 查找的值:9输出:3 1.计算数据规模为n二分查找的时间复杂度循环 ...
二分查找的时间复杂度
计算二分查找函数的时间复杂度,我们需要对代码进行分析:我们用二分查找法查找数据时,查找一次后可以筛去一半的数据,经过一次次的筛选,最后会使得待查数据只剩一个,那么我们查找的次数就是while循环执行的 ...
php二分查找算法时间复杂度,一个运用二分查找算法的程序的时间复杂度是什么...
一个运用二分查找算法的程序的时间复杂度是"对数级别".二分查找是一种效率较高的查找方法,算法复杂度即是while循环的次数,时间复杂度可以表示"O(h)=O(log2n) ...
C++二分查找，时间复杂度是O(logn)
二分查找属于一种简单却高效的算法,时间复杂度是O(logn),在二分查找之前需要先对其进行排序,C++里面的默认是升序,如果需要降序,需要进行一下修改: //C++排序是升序还是降序 //a>b ...
二分查找及时间复杂度
1.搜索搜索是在一个项目集合中找到一个特定项目的算法过程.搜索通常的答案是真或假,因为该项目是否存在.搜索的几种常见方法:顺序查找.二分法查找.二叉树查找.哈希查找. 2.二分法查找二分法查找又称 ...

二分查找与时间复杂度计算分析

二分查找与时间复杂度计算分析相关推荐

最新文章

热门文章