【数据结构(七)】查找算法
文章目录
- 查找算法介绍
- 1. 线性查找算法
- 2. 二分查找算法
-
- 2.1. 思路分析
- 2.2. 代码实现
- 2.3. 功能拓展
- 3. 插值查找算法
-
- 3.1. 前言
- 3.2. 相关概念
- 3.3. 实例应用
- 4. 斐波那契(黄金分割法)查找算法
-
- 4.1. 斐波那契(黄金分割法)原理
- 4.2. 实例应用
查找算法介绍
在 java 中，我们常用的查找有四种:
① 顺序(线性)查找
② 二分查找/折半查找
③ 插值查找
④ 斐波那契查找
1. 线性查找算法
问题：
数组arr[] = {1, 9, 11, -1, 34, 89}，使用线性查找方式，找出11所在的位置。
代码实现：
package search;
public class SeqSearch {
public static void main(String[] args) {
int arr[] = { 1, 9, 11, -1, 34, 89 };// 没有顺序的数组
int index = seqSearch(arr, 11);
if (index == -1) {
System.out.println("没有找到");
} else {
System.out.println("找到了，下标为：" + index);
}
}
/**
* 这里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，发现有相同的值，就返回下标
for (int i = 0; i < arr.length; i++) {
if (arr[i] == value) {
return i;
}
}
return -1;
}
}
运行结果：
2. 二分查找算法
问题：
请对一个有序数组进行二分查找 {1,8, 10, 89, 1000, 1234} ，输入一个数看看该数组是否存在此数，并且求出下标，如果没有就提示"没有这个数"。
2.1. 思路分析
二分查找的思路分析
-
首先，确定该数组的中间的下标： m i d = ( l e f t + r i g h t ) / 2 mid = (left + right) / 2 mid=(left+right)/2
-
然后让需要查找的数
findVal和arr[mid]比较
2.1.findVal > arr[mid]，说明你要查找的数在mid的右边, 因此需要递归的向右查找
2.2.findVal < arr[mid]，说明你要查找的数在mid的左边, 因此需要递归的向左查找
2.3.findVal == arr[mid]，说明找到，就返回 -
什么时候需要结束递归：
①找到就结束递归
②递归完整个数组，仍然没有找到findVal，也需要结束递归 当left > right就需要退出
2.2. 代码实现
注意：使用二分查找的前提是 该数组是有序的
package search;
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, 1);
System.out.println("resIndex= " + resIndex);
}
// 二分查找法
/**
*
* @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) {
return binarySearch(arr, left, mid - 1, findVal);
} else {
return mid;
}
}
}
运行结果：
2.3. 功能拓展
问题：
数组{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。
代码实现：
package search;
import java.util.ArrayList;
import java.util.List;
public class BinarySearch {
public static void main(String[] args) {
int arr[] = { 1, 8, 10, 89, 1000, 1000, 1234 };
List<Integer> resIndexList = binarySearch2(arr, 0, arr.length - 1, 1000);
System.out.println("resIndexList = " + resIndexList);
}
/*
* 思路分析：
* 1. 在找 mid 的索引值，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> binarySearch2(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 binarySearch2(arr, mid + 1, right, findVal);
} else if (findVal < midVal) {
return binarySearch2(arr, left, mid - 1, findVal);
} else {
/*
* 思路分析：
* 1. 在找 mid 的索引值，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 (true) {
if (temp < 0 || arr[temp] != findVal) {// 退出
break;
}
// 否则，就将temp放入到resIndexlist
resIndexlist.add(temp);
temp -= 1;// temp左移
}
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 (true) {
if (temp > arr.length - 1 || arr[temp] != findVal) {// 退出
break;
}
// 否则，就将temp放入到resIndexlist
resIndexlist.add(temp);
temp += 1;// temp左移
}
return resIndexlist;
}
}
}
运行结果：
3. 插值查找算法
3.1. 前言
二分查找算法存在查找效率较慢的情况，因为其中的mid是从中间开始取的。假如对数组{ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20 }进行查找，查找 1 所在的位置，实现代码如下：
package search;
import java.util.ArrayList;
import java.util.List;
public class BinarySearch {
public static void main(String[] args) {
int arr[] = { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20 };
List<Integer> resIndexList = binarySearch2(arr, 0, arr.length - 1, 1);
System.out.println("resIndexList = " + resIndexList);
}
/*
* 思路分析：
* 1. 在找 mid 的索引值，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> binarySearch2(int[] arr, int left, int right, int findVal) {
System.out.println("调用了一次");
// 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 binarySearch2(arr, mid + 1, right, findVal);
} else if (findVal < midVal) {
return binarySearch2(arr, left, mid - 1, findVal);
} else {
/*
* 思路分析：
* 1. 在找 mid 的索引值，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 (true) {
if (temp < 0 || arr[temp] != findVal) {// 退出
break;
}
// 否则，就将temp放入到resIndexlist
resIndexlist.add(temp);
temp -= 1;// temp左移
}
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 (true) {
if (temp > arr.length - 1 || arr[temp] != findVal) {// 退出
break;
}
// 否则，就将temp放入到resIndexlist
resIndexlist.add(temp);
temp += 1;// temp左移
}
return resIndexlist;
}
}
}
运行结果：
总共调用了4次才查找出1的索引值，效率较慢。通过插值查找可改善上述问题。
3.2. 相关概念
原理介绍：
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。
mid的计算公式：
对二分查找中的求 mid 索引的公式进行修改：
上图公式中：
① low 表示左边索引 left
② high 表示右边索引 right
③ key 就是前面二分查找中讲的 findVal(要查找的值)
即插值查找的 mid计算公式：
m i d = l o w + ( h i g h − l o w ) k e y − a r r [ l o w ] a r r [ h i g h ] − a r r [ l o w ] \begin{aligned} &mid = low + (high-low)\frac{key-arr[low]}{arr[high]-arr[low]} \end{aligned} mid=low+(high−low)arr[high]−arr[low]key−arr[low]
对应前面的代码公式，即：
m i d = l e f t + ( r i g h t – l e f t ) f i n d V a l – a r r [ l e f t ] a r r [ r i g h t ] – a r r [ l e f t ] \begin{aligned} &mid = left + (right – left)\frac{findVal – arr[left]}{arr[right] – arr[left]} \end{aligned} mid=left+(right–left)arr[right]–arr[left]findVal–arr[left]
举例说明：
数组 arr = [1, 2, 3, …, 100]
①假如需要查找的值是 1
(使用二分查找的话，需要多次递归，才能找到 1 的下标0)
使用插值查找算法：
m i d = l e f t + ( r i g h t – l e f t ) f i n d V a l – a r r [ l e f t ] a r r [ r i g h t ] – a r r [ l e f t ] \begin{aligned}&mid = left + (right – left)\frac{findVal – arr[left]}{arr[right] – arr[left]}\end{aligned} mid=left+(right–left)arr[right]–arr[left]findVal–arr[left]
即：
m i d = 0 + ( 99 − 0 ) 1 − 1 100 − 1 = 0 + 99 ∗ 0 99 = 0 ( 直接定位到下标 0 ) \begin{aligned}&mid = 0+(99-0)\frac{1-1}{100-1} = 0 + 99 * \frac{0}{99} = 0\ \ \ (直接定位到下标0)\end{aligned} mid=0+(99−0)100−11−1=0+99∗990=0 (直接定位到下标0)
②假如需要查找的值是 100
m i d = 0 + ( 99 − 0 ) 100 − 1 ( 100 − 1 = 0 + 99 ∗ 99 99 = 0 + 99 = 99 ( 直接定位到下标 99 ) \begin{aligned}&mid =0 + (99 - 0)\frac{100 - 1}{(100 - 1} = 0 + 99 * \frac{99}{99} = 0 + 99 = 99\ \ \ (直接定位到下标99)\end{aligned} mid=0+(99−0)(100−1100−1=0+99∗9999=0+99=99 (直接定位到下标99)
3.3. 实例应用
问题：
对数组 arr = [1, 2, 3, …, 100] ，使用插值查找算法，找到 1 的索引值(下标)
代码实现：
package search;
import java.util.Arrays;
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);
// System.out.println(Arrays.toString(arr));
}
// 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 要查找的值
* @return 如果找到，就返回对应的下标；如果没有找到，就返回-1
*/
public static int insertValueSearch(int[] arr, int left, int right, int findVal) {
System.out.println("查找了一次");
// 注意：findVal < arr[0] 和 findVal > arr[arr.length - 1] 必须需要，否则得到的mid可能越界
if (left > right || findVal < arr[0] || findVal > arr[arr.length - 1]) {
return -1;
}
// 求出 mid
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) {// 说明应该向左递归
return insertValueSearch(arr, left, mid - 1, findVal);
} else {
return mid;
}
}
}
运行结果：
注意事项：
- 对于数据量较大，关键字分布比较均匀的查找表来说，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(二分)查找要好
4. 斐波那契(黄金分割法)查找算法
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。
4.1. 斐波那契(黄金分割法)原理
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 不再是中间或插值得到，而是位于黄金分割点附近，即 m i d = l o w + F [ k − 1 ] − 1 mid=low+F[k-1]-1 mid=low+F[k−1]−1（ F F F 代表斐波那契数列），如下图所示：
对 F(k-1)-1 的理解：
- 由斐波那契数列 F [ k ] = F [ k − 1 ] + F [ k − 2 ] F[k]=F[k-1]+F[k-2] 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 (F[k]-1)=(F[k-1]-1)+(F[k-2]-1)+1 (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 F[k-1]-1 F[k−1]−1 和 F [ k − 2 ] − 1 F[k-2]-1 F[k−2]−1 的两段，即如上图所示。从而中间位置为 m i d = l o w + F [ k − 1 ] − 1 mid=low+F[k-1]-1 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 n n 不一定刚好等于 F [ k ] − 1 F[k]-1 F[k]−1，所以需要将原来的顺序表长度 n n n 增加至 F [ k ] − 1 F[k]-1 F[k]−1。这里的 k k k 值只要能使得 F [ k ] − 1 F[k]-1 F[k]−1 恰好大于或等于 n n n 即可，由以下代码得到，顺序表长度增加后，新增的位置（从 n + 1 n+1 n+1 到 F [ k ] − 1 F[k]-1 F[k]−1 位置），都赋为 n n n 位置的值即可。
while(n>fib(k)-1)
k++;
4.2. 实例应用
问题：
请对一个有序数组进行斐波那契查找 {1,8, 10, 89, 1000, 1234} ，输入一个数看看该数组是否存在此数，并且求出下标，如果没有就提示"没有这个数"(return = -1)。
代码实现：
package search;
import java.util.Arrays;
public class FibonacciSearch {
public static int maxSize = 20;
public static void main(String[] args) {
int[] arr = { 1, 8, 10, 89, 1000, 1234 };
System.out.println("index = " + fibSearch(arr, 89));
}
// 因为后面我们mid=low+F(k-1)-1,需要使用斐波那契数列，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 需要查找的关键字(值)
* @return 返回对应的下标，如果没有，就返回-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]的值 可能大于a的长度，因此需要使用Arrays类，构造一个新的数组，并指向a[]
// 不足的部分会使用0填充
int[] temp = Arrays.copyOf(a, f[k]);
// 实际上，需要使用a数组的最后的数填充temp
// 举例：
// temp = {1,8,10,89,1000,1234,0,0,0} --> {1,8,10,89,1000,1234,1234,1234,1234}
for (int i = high + 1; i < temp.length; i++) {
temp[i] = a[high];
}
// 使用while循环处理，找到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]) {// 继续向数组的前面查找（左边）
high = mid - 1;
// 为什么是k--？
// 说明：
// 1. 全部元素=前面的元素+后面的元素
// 2. f[k] = f[k-1] + f[k-2]
// 因为 前面有f[k-1]个元素，所以可以继续拆分 f[k-1] = f[k-2] + f[k-3]
// 即 在f[k-1]的前面继续查找(k--)
// 即 下次循环的 mid = f[k-1-1]-1
k--;
} else if (key > temp[mid]) {// 继续向数组的后面查找（右边）
low = mid + 1;
// 为什么是 k -= 2
// 说明
// 1. 全部元素=前面的元素+后面的元素
// 2. f[k] = f[k-1] + f[k-2]
// 因为 后面有f[k-2]个元素，所以可以继续拆分 f[k-2] = f[k-3] + f[k-4]
// 即 在f[k-2]的后面继续查找(k-=2)
// 即 下次循环的 mid = f[k-1-2]-1
k -= 2;
} else {// 找到
// 需要确定，返回的是哪一个下标
if (mid <= high) {
return mid;
} else {
return high;
}
}
}
return -1;
}
}
运行结果：
