二分查找法的实现和应用汇总
此文转自:http://www.cnblogs.com/ider/archive/2012/04/01/binary_search.html
在学习算法的过程中,我们除了要了解某个算法的基本原理、实现方式,更重要的一个环节是利用big-O理论来分析算法的复杂度。在时间复杂度和空间复杂度之间,我们又会更注重时间复杂度。
时间复杂度按优劣排差不多集中在:
O(1), O(log n), O(n), O(n log n), O(n2), O(nk), O(2n)
到目前位置,似乎我学到的算法中,时间复杂度是O(log n),好像就数二分查找法,其他的诸如排序算法都是 O(n log n)或者O(n2)。但是也正是因为有二分的 O(log n), 才让很多 O(n2)缩减到只要O(n log n)。
关于二分查找法
二分查找法主要是解决在“一堆数中找出指定的数”这类问题。
而想要应用二分查找法,这“一堆数”必须有一下特征:
- 存储在数组中
- 有序排列
所以如果是用链表存储的,就无法在其上应用二分查找法了。(曽在面试被问二分查找法可以什么数据结构上使用:数组?链表?)
至于是顺序递增排列还是递减排列,数组中是否存在相同的元素都不要紧。不过一般情况,我们还是希望并假设数组是递增排列,数组中的元素互不相同。
二分查找法的基本实现
二分查找法在算法家族大类中属于“分治法”,分治法基本都可以用递归来实现的,二分查找法的递归实现如下:
1 int bsearch(int array[], int low, int high, int target) 2 { 3 if (low > high) return -1; 4 5 int mid = (low + high)/2; 6 if (array[mid]> target) 7 return binarysearch(array, low, mid -1, target); 8 if (array[mid]< target) 9 return binarysearch(array, mid+1, high, target); 10 11 //if (midValue == target) 12 return mid; 13 }
不过所有的递归都可以自行定义stack来解递归,所以二分查找法也可以不用递归实现,而且它的非递归实现甚至可以不用栈,因为二分的递归其实是尾递归,它不关心递归前的所有信息。
1 int bsearchWithoutRecursion(int array[], int low, int high, int target) 2 { 3 while(low <= high) 4 { 5 int mid = (low + high)/2; 6 if (array[mid] > target) 7 high = mid - 1; 8 else if (array[mid] < target) 9 low = mid + 1; 10 else //find the target 11 return mid; 12 } 13 //the array does not contain the target 14 return -1; 15 }
只用小于比较(<)实现二分查找法
在前面的二分查找实现中,我们既用到了小于比较(<)也用到了大于比较(>),也可能还需要相等比较(==)。
而实际上我们只需要一个小于比较(<)就可以。因为错逻辑上讲a>b和b<a应该是有相当的逻辑值;而a==b则是等价于 !((a<b)||(b<a)),也就是说a既不小于b,也不大于b。
当然在程序的世界里, 这种关系逻辑其实并不是完全正确。另外,C++还允许对对象进行运算符的重载,因此开发人员完全可以随意设计和实现这些关系运算符的逻辑值。
不过在整型数据面前,这些关系运算符之间的逻辑关系还是成立的,而且在开发过程中,我们还是会遵循这些逻辑等价关系来重载关系运算符。
干嘛要搞得那么羞涩,只用一个关系运算符呢?因为这样可以为二分查找法写一个template,又能减少对目标对象的要求。模板会是这样的:
1 template <typename T, typename V> 2 inline int BSearch(T& array, int low, int high, V& target) 3 { 4 while(!(high < low)) 5 { 6 int mid = (low + high)/2; 7 if (target < array[mid]) 8 high = mid - 1; 9 else if (array[mid] < target) 10 low = mid + 1; 11 else //find the target 12 return mid; 13 } 14 //the array does not contain the target 15 return -1; 16 }
我们只需要求target的类型V有重载小于运算符就可以。而对于V的集合类型T,则需要有[]运算符的重载。当然其内部实现必须是O(1)的复杂度,否则也就失去了二分查找的效率。
用二分查找法找寻边界值
之前的都是在数组中找到一个数要与目标相等,如果不存在则返回-1。我们也可以用二分查找法找寻边界值,也就是说在有序数组中找到“正好大于(小于)目标数”的那个数。
用数学的表述方式就是:
在集合中找到一个大于(小于)目标数t的数x,使得集合中的任意数要么大于(小于)等于x,要么小于(大于)等于t。
举例来说:
给予数组和目标数
1 int array = {2, 3, 5, 7, 11, 13, 17}; 2 int target = 7;
那么上界值应该是11,因为它“刚刚好”大于7;下届值则是5,因为它“刚刚好”小于7。
用二分查找寻找上界:
1 //Find the fisrt element, whose value is larger than target, in a sorted array 2 int BSearchUpperBound(int array[], int low, int high, int target) 3 { 4 //Array is empty or target is larger than any every element in array 5 if(low > high || target >= array[high]) return -1; 6 7 int mid = (low + high) / 2; 8 while (high > low) 9 { 10 if (array[mid] > target) 11 high = mid; 12 else 13 low = mid + 1; 14 15 mid = (low + high) / 2; 16 } 17 18 return mid; 19 }
与精确查找不同之处在于,精确查找分成三类:大于,小于,等于(目标数)。而界限查找则分成了两类:大于和不大于。
如果当前找到的数大于目标数时,它可能就是我们要找的数,所以需要保留这个索引,也因此if (array[mid] > target)时 high=mid; 而没有减1。
用二分查找法找寻下界:
1 //Find the last element, whose value is less than target, in a sorted array 2 int BSearchLowerBound(int array[], int low, int high, int target) 3 { 4 //Array is empty or target is less than any every element in array 5 if(high < low || target <= array[low]) return -1; 6 7 int mid = (low + high + 1) / 2; //make mid lean to large side 8 while (low < high) 9 { 10 if (array[mid] < target) 11 low = mid; 12 else 13 high = mid - 1; 14 15 mid = (low + high + 1) / 2; 16 } 17 18 return mid; 19 }
下届寻找基本与上届相同,需要注意的是在取中间索引时,使用了向上取整。若同之前一样使用向下取整,那么当low == high-1,而array[low] 又小于 target时就会形成死循环。因为low无法往上爬超过high。
这两个实现都是找严格界限,也就是要大于或者小于。如果要找松散界限,也就是找到大于等于或者小于等于的值(即包含自身),只要对代码稍作修改就好了:
去掉判断数组边界的等号:
target >= array[high]改为 target > array[high]
在与中间值的比较中加上等号:
array[mid] > target改为array[mid] >= target
用二分查找法找寻区域
之前我们使用二分查找法时,都是基于数组中的元素各不相同。假如存在重复数据,而数组依然有序,那么我们还是可以用二分查找法判别目标数是否存在。不过,返回的index就只能是随机的重复数据中的某一个。
此时,我们会希望知道有多少个目标数存在。或者说我们希望数组的区域。
结合前面的界限查找,我们只要找到目标数的严格上届和严格下届,那么界限之间(不包括界限)的数据就是目标数的区域了。
1 //return type: pair<int, int> 2 //the fisrt value indicate the begining of range, 3 //the second value indicate the end of range. 4 //If target is not find, (-1,-1) will be returned 5 pair<int, int> SearchRange(int A[], int n, int target) 6 { 7 pair<int, int> r(-1, -1); 8 if (n <= 0) return r; 9 10 int lower = BSearchLowerBound(A, 0, n-1, target); 11 lower = lower + 1; //move to next element 12 13 if(A[lower] == target) 14 r.first = lower; 15 else //target is not in the array 16 return r; 17 18 int upper = BSearchUpperBound(A, 0, n-1, target); 19 upper = upper < 0? (n-1):(upper - 1); //move to previous element 20 21 //since in previous search we had check whether the target is 22 //in the array or not, we do not need to check it here again 23 r.second = upper; 24 25 return r; 26 }
它的时间复杂度是两次二分查找所用时间的和,也就是O(log n) + O(log n),最后还是O(log n)。
在轮转后的有序数组上应用二分查找法
之前我们说过二分法是要应用在有序的数组上,如果是无序的,那么比较和二分就没有意义了。
不过还有一种特殊的数组上也同样可以应用,那就是“轮转后的有序数组(Rotated Sorted Array)”。它是有序数组,取期中某一个数为轴,将其之前的所有数都轮转到数组的末尾所得。比如{7, 11, 13, 17, 2, 3, 5}就是一个轮转后的有序数组。非严格意义上讲,有序数组也属于轮转后的有序数组——我们取首元素作为轴进行轮转。
下边就是二分查找法在轮转后的有序数组上的实现(假设数组中不存在相同的元素)
1 int SearchInRotatedSortedArray(int array[], int low, int high, int target) 2 { 3 while(low <= high) 4 { 5 int mid = (low + high) / 2; 6 if (target < array[mid]) 7 if (array[mid] < array[high])//the higher part is sorted 8 high = mid - 1; //the target would only be in lower part 9 else //the lower part is sorted 10 if(target < array[low])//the target is less than all elements in low part 11 low = mid + 1; 12 else 13 high = mid - 1; 14 15 else if(array[mid] < target) 16 if (array[low] < array[mid])// the lower part is sorted 17 low = mid + 1; //the target would only be in higher part 18 else //the higher part is sorted 19 if (array[high] < target)//the target is larger than all elements in higher part 20 high = mid - 1; 21 else 22 low = mid + 1; 23 else //if(array[mid] == target) 24 return mid; 25 } 26 27 return -1; 28 }
对比普通的二分查找法,为了确定目标数会落在二分后的那个部分,我们需要更多的判定条件。但是我们还是实现了O(log n)的目标。
二分查找法的缺陷
二分查找法的O(log n)让它成为十分高效的算法。不过它的缺陷却也是那么明显的。就在它的限定之上:
必须有序,我们很难保证我们的数组都是有序的。当然可以在构建数组的时候进行排序,可是又落到了第二个瓶颈上:它必须是数组。
数组读取效率是O(1),可是它的插入和删除某个元素的效率却是O(n)。因而导致构建有序数组变成低效的事情。
解决这些缺陷问题更好的方法应该是使用二叉查找树了,最好自然是自平衡二叉查找树了,自能高效的(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。
转载于:https://www.cnblogs.com/acmer-roney/archive/2012/09/07/2675309.html
二分查找法的实现和应用汇总相关推荐
- python中二分查找什么意思_python中二分查找法的实现方法
如果想要在有序数据中进行查找想要的数据,二分查找法就个好方法,它可以大大缩短了搜索时间,是一种常见的查找方法.二分查找很好写,却很难写对,下面,小编就简单向大家介绍一下二分查找,并演示器使用代码. 1 ...
- 二分查找模板及题目汇总
文章目录 经典二分查找模板 Templete1 Templete2 Templete3 查找第一次出现target的位置 查找最后一次出现target的位置 查找与target最接近的数的位置 第一个 ...
- 二分查找算法详细汇总
二分查找算法详细汇总 文章目录 二分查找算法详细汇总 二分查找算法介绍模板 算法思想 举例说明 模板实现 (1)递归方式实现 (2)非递归方式实现 二分查找问题相关难点问题1[前缀和 + 二分查找 + ...
- 数据结构与算法——二分查找与二叉查找树汇总整理
目录 预备知识:二分查找基础知识 例1:插入位置(easy) (二分查找) 例2:区间查找(medium)(二分查找) 例3:旋转数组查找(medium)(二分查找) 预备知识:二叉查找(排序)树基础 ...
- 二分查找——部分题目汇总——长长文详细分享
文章目录 前言 二分查找 第一题:二分查找 解题思路 GIF 代码 第二题:搜索插入位置 解题思路 代码 第三题:寻找旋转排序数组中的最小值 解题思路 代码 第四题:寻找峰值 解题思路 代码 第五题: ...
- 折半查找算法[二分查找法]算法的实现和解决整数溢出问题~
算法实现的要求: 折半查找法又称为二分查找法,这种方法对待查找的列表有两个要求: 1:必须采用顺序存储结构 2:必须按关键字大小有序排列 算法思想: 将表中间位置记录的关键字与查找关键字进行比较,如果 ...
- 【基础算法】二分法(二分答案,二分查找),三分法,Dinkelbach算法,算法详解+例题剖析
目录 一 . 二分法 二分搜索得要求: 二分查找步骤: 二分答案: 玄学的二分(二分答案) 二 . 三分法 例题 三.01分数规划问题相关算法与题目讲解(二分法与Dinkelbach算法) 一 . 二 ...
- 数据结构源码笔记(C语言):二分查找
//实现二分查找的算法#include<stdio.h> #include<malloc.h> #include<malloc.h>#define MAXL 100 ...
- 二分查找算法及其变种
前言 二分查找算法也称为折半查找算法,是一种在查找算法中普遍使用的算法.其算法的基本思想是:在有序表中,取中间的记录作为比较关键字,若给定值与中间记录的关键字相等,则查找成功:若给定的值小于中间记录的 ...
最新文章
- 「任务总览」优化更新,团队协作愈加高效敏捷
- maven进行junit测试时报错(二)
- 小学生四则运算出题程序 无操作界面java版 简单的运用java中一些基本操作
- Kubernetes入门——Kubernetes工作原理及使用
- java求面积_Java之简单图形面积计算
- html图片postmultipart,sendmail-MIMEText-MIMEImage-MIMEMultipart.py——发送带图片的HTML格式报表...
- 【大话数据结构算法】查找算法
- 复盘从一个监控主机到核心路由沦陷
- 南方人第一次见到雪的样子。。。| 今日最佳
- Three Bags CodeForces - 1467C
- 百度网盘不限速下载百度文科文档免会员下载
- InfoGAN(Interpretable representation learning by information maximizing GAN)
- word应用:快速删除页眉横线
- 通过wvdial完成4G自动拨号上网
- matlab中断路器怎么表示什么,断路器的符号各代表什么意思
- html怎么读取lrc文件,lrc文件怎么打开?lrc是什么文件?
- 作为一个程序员,你真的知道如何学好编程吗?
- 【深度学习知识】常见的梯度下降算法原理
- Vue路由懒加载报错问题解决
- AXI总线技术简介——ZYNQ PS和PL的互联技术
热门文章
- 安装 archlinux 之使用 EFI/GPT
- PHP100视频教程2012版解压密码
- Paint.NET 3.0正式版发布了
- 排序1+1:冒泡排序法(BubbleSort)的改进以及效率比较
- 群里别人问的杂七杂八的问题
- 计算机会碰见的英语单词SUPER
- CodeForces 839D - Winter is here | Codeforces Round #428 (Div. 2)
- javaScript原型及继承
- 数据虚拟化工具已进入IT战略领域
- 20145237第六周学习总结