相似文章推荐:
- 算法简介
- 八种常见数据结构介绍
- 路径规划中的Dijkstra(狄克斯特拉)与A星算法
- 八大经典排序算法的理解、动图演示和C++方法实现
基本思想:顺序查找也称为线形查找,用逐一比较的办法顺序查找关键字。
说明:
//顺序查找
int SequenceSearch(int a[], int value, int n)
{
int i;
for(i=0; i<n; i++)
if(a[i]==value)
return i;
return -1;
}
基本思想:也称为是折半查找。用给定值k先与中间结点的关键字比较,中间结点把线形表分成两个子表,若相等则查找成功;若不相等,再根据k与该中间结点关键字的比较结果确定下一步查找哪个子表,这样递归进行,直到查找到或查找结束发现表中没有这样的结点。
说明:
两种方式的二分查找的实现代码:
//二分查找(折半查找),版本1
int BinarySearch1(int a[], int value, int n)
{
int low, high, mid;
low = 0;
high = n-1;
while(low<=high)
{
mid = (low+high)/2;
if(a[mid]==value)
return mid;
if(a[mid]>value)
high = mid-1;
if(a[mid]<value)
low = mid+1;
}
return -1;
}
//二分查找,递归版本
int BinarySearch2(int a[], int value, int low, int high)
{
int mid = low+(high-low)/2;//(low + high) /2
if(a[mid]==value)
return mid;
if(a[mid]>value)
return BinarySearch2(a, value, low, mid-1);
if(a[mid]<value)
return BinarySearch2(a, value, mid+1, high);
}
#include
using namespace std;
int main()
{
int a[10] = {11, 21, 31, 41, 51, 61, 71, 81, 91, 101};
int num = BinarySearch1(a, 101, 10);
cout<<"num: "<<num<<endl;
num = BinarySearch2(a, 101,0, 10);
cout<<"num: "<<num<<endl;
return 1;
}
基本思想:基于二分查找算法,将查找点的选择改进为自适应选择,可以提高查找效率。当然,查值查找也属于有序查找。
说明:
是一种二分查找的改进版本,每次不一定从中间开始找。
时间复杂度均为O(log2(log2n))
二分查找:中间值下标middle的计算公式为:
middle = (left + right) / 2; // 或者middle = left + (right - left) / 2;
插值算法:对这个计算公式进行了改进,改进后middle更接近与被查询值,可以有效地减少比对次数,提升查询效率。
middle=left + (key-a[left]) / (a[right] - a[left]) * (right - left);
只需要对二分查找的mid公式进行修改即可:
int InsertionSearch(int a[], int value, int n)
{
int low, high, mid;
low = 0;
high = n-1;
while(low<=high)
{
int mid = low+(value-a[low])/(a[high]-a[low])*(high-low);
if(a[mid]==value)
return mid;
if(a[mid]>value)
high = mid-1;
if(a[mid]<value)
low = mid+1;
}
return -1;
}
#include
using namespace std;
int main()
{
int a[10] = {11, 21, 31, 41, 51, 61, 71, 81, 91, 101};
int num = InsertionSearch(a, 101, 10);
cout<<"num: "<<num<<endl;
return 1;
}
基本思想:也是二分查找的一种提升算法,通过运用黄金比例的概念在数列中选择查找点进行查找,提高查找效率。同样地,斐波那契查找也属于一种有序查找算法。
说明:
斐波那契查找与折半查找很相似,他是根据斐波那契序列的特点对有序表进行分割的。他要求开始表中记录的个数为某个斐波那契数小1,及n=Fk-1;
开始将k值与第F(k-1)位置的记录进行比较(及mid=low+F(k-1)-1),比较结果也分为三种
1)相等,mid位置的元素即为所求
2)> ,low=mid+1,k-=2;
说明:low=mid+1说明待查找的元素在[mid+1,hign]范围内,k-=2 说明范围[mid+1,high]内的元素个数为n-(F(k-1))= Fk-1-F(k-1)=Fk-F(k-1)-1=F(k-2)-1个,所以可以递归的应用斐波那契查找
3)< ,high=mid-1,k-=1;
说明:low=mid+1说明待查找的元素在[low,mid-1]范围内,k-=1 说明范围[low,mid-1]内的元素个数为F(k-1)-1 个,所以可以递归 的应用斐波那契查找
#include
using namespace std;
const int max_size=20;//斐波那契数组的长度
void Fibonacci(int * F)
{
F[0]=0;
F[1]=1;
for(int i=2;i<max_size;++i)
F[i]=F[i-1]+F[i-2];
}
/*定义斐波那契查找法*/
int Fibonacci_Search(int *a, int n, int key) //a为要查找的数组,n为要查找的数组长度,key为要查找的关键字
{
int low=0;
int high=n-1;
int F[max_size];
Fibonacci(F);//构造一个斐波那契数组F
int k=0;
while(n>F[k]-1)//计算n位于斐波那契数列的位置
++k;
int * temp;//将数组a扩展到F[k]-1的长度
temp=new int [F[k]-1];
memcpy(temp,a,n*sizeof(int));
for(int i=n;i<F[k]-1;++i)
temp[i]=a[n-1];
while(low<=high)
{
int mid=low+F[k-1]-1;
if(key<temp[mid])
{
high=mid-1;
k-=1;
}
else if(key>temp[mid])
{
low=mid+1;
k-=2;
}
else
{
if(mid<n)
return mid; //若相等则说明mid即为查找到的位置
else
return n-1; //若mid>=n则说明是扩展的数值,返回n-1
}
}
delete [] temp;
return -1;
}
int main()
{
int a[] = {0,16,24,35,47,59,62,73,88,99};
int key=16;
int index=Fibonacci_Search(a,sizeof(a)/sizeof(int),key);
cout<<key<<" is located at:"<<index;
return 1;
}
散列表(Hash table,也叫哈希表),是根据键(Key)而直接访问在内存存储位置的数据结构。也就是说,它通过计算一个关于键值的函数,将所需查询的数据映射到表中一个位置来访问记录,这加快了查找速度。这个映射函数称做散列函数或者哈希函数,存放记录的数组称做散列表。
散列函数或哈希函数f(key) 的规则是:通过某种转换关系,使关键字适度的分散到指定大小的的顺序结构中,越分散,则以后查找的时间复杂度越小,空间复杂度越高。哈希函数有6种常见的构造方法,如下所示。
哈希地址:f(key) = a*key+b (a,b为常数)
这种方法的优点是:简单,均匀,不会产生冲突。但是需要事先知道 key的分布情况,适合查找表较小并且连续的情况。
若我们现在要存储某家公司员工登记表,如果用手机号码作为 key,那么极有可能前7位都是相同的,所以我们选择最后四位作为 f(key) 就是不错的选择。
故名思义,比如 key 是1234,那么它的平方就是1522756,再抽取中间的3位就是227作为 f(key) 。
折叠法是将 key 从左到右分割成位数相等的几个部分(最后一部分位数不够可以短些),然后将这几部分叠加求和,并按哈希表的表长,取后几位作为 f(key) 。比如我们的 key 是 9876543210,哈希表的表长为3位,我们将 key 分为4组,987|654|321|0 ,然后将它们叠加求和 987+654+321+0=1962,再取后3位即得到 f(key) = 962 。
哈希地址:f(key) = random(key) 这里 random 是随机函数,当 key 的长度不等时,采用这种方法比较合适。
哈希地址:f(key) = key mod p (p<=m) m为哈希表表长。这种方法是最常用的哈希函数构造方法。下面的代码中也使用了这种方法。
就是一旦发生了冲突,就去寻找下一个空的哈希地址,只要哈希表足够大,空的哈希地址总是能找到,然后将记录插入。这种方法是最常用的解决冲突的方法。
下图中,“Snadra Dee”和“John Smith”的哈希值都是152,所以将“Snadra Dee”移到下一地址153。而
“Sandra Dee”原本在153位置,153已经被占据,所以它需要挪到154上面去。
首先将没有冲突的地址放在一维数组中,如果有冲突的地址,则将形成冲突的地址组成一个链表。
链地址法效果如下所示:
树表查找方法很多,根据树的结构有二叉树查找、平衡查找树之红黑树(Red-Black Tree)、平衡查找树之2-3查找树(2-3 Tree)等。
最简单的树表查找为二叉树查找算法。
基本思想:二叉查找树是先对待查找的数据进行生成树,确保树的左分支的值小于右分支的值,然后在就先和每个节点的父节点比较大小,查找最适合的范围。 这个算法的查找效率很高,但是如果使用这种查找方法要首先创建树。
也叫索引顺序查找,这是一种性能介于顺序查找和折半查找之同的一种查找方法。
原理:先将序列分成n个块,记录各个块的最大值和起始地址,先对索引表进行二分查找或者顺序查找,以确定待查记录在哪一块中。然后,在已确定的块中用顺序法进行查找。