三分查找

一. 概念

在二分查找的基础上,在右区间(或左区间)再进行一次二分,这样的查找算法称为 三分查找,也就是三分法。
三分查找通常用来迅速确定最值。

二分查找所面向的搜索序列的要求是:具有单调性(不一定严格单调);没有单调性的序列不是使用二分查找。
与二分查找不同的是,三分法所面向的搜索序列的要求是: 序列为一个凸性函数。通俗来讲,就是该序列必须有一个最大值(或最小值),在最大值(最小值)的左侧序列,必须满足不严格单调递增(递减),右侧序列必须满足不严格单调递减(递增)。如下图,表示一个有最大值的凸性函数:



二、算法过程

(1)、与二分法类似,先取整个区间的中间值mid。
[cpp]  view plain  copy
  1. mid = (left + right) / 2;  
(2)、再取右侧区间的中间值midmid,从而把区间分为三个小区间。
[cpp]  view plain  copy
  1. midmid = (mid + right) / 2;  
(3)、我们mid比midmid更靠近最值,我们就舍弃右区间,否则我们舍弃左区间?。
比较mid与midmid谁最靠近最值,只需要确定mid所在的函数值与midmid所在的函数值的大小。当最值为最大值时,mid与midmid中较大的那个自然更为靠近最值。最值为最小值时同理。
[cpp]  view plain  copy
  1. if (cal(mid) > cal(midmid))  
  2.     right = midmid;  
  3. else  
  4.     left = mid;  
(4)、重复(1)(2)(3)直至找到最值。


算法的正确性:
1、mid与midmid在最值的同一侧。由于凸性函数在最大值(最小值)任意一侧都具有单调性,因此,mid与midmid中,更大(小)的那个 数自然更为靠近最值。此时,我们远离最值的那个区间不可能包含最值,因此可以舍弃。
2、 mid与midmid在最值的两侧。由于最值在中间的一个区间,因此我们舍弃一个区间后,并不会影响到最值

三、具体实现 

[cpp]  view plain  copy
  1. const double EPS = 1e-10;  
  2.   
  3. double calc(double x)  
  4. {  
  5.     // f(x) = -(x-3)^2 + 2;  
  6.     return -(x-3.0)*(x-3.0) + 2;  
  7. }  
  8.   
  9. double ternarySearch(double low, double high)  
  10. {  
  11.     double mid, midmid;  
  12.     while (low + EPS < high)  
  13.     {  
  14.         mid = (low + high) / 2;  
  15.         midmid = (mid + high) / 2;  
  16.         double mid_value = calc(mid);  
  17.         double midmid_value = calc(midmid);  
  18.         if (mid_value > midmid_value)  
  19.             high = midmid;  
  20.         else  
  21.             low = mid;  
  22.     }  
  23.     return low;  
  24. }  

调用ternarySearch(0, 6),返回的结果为3.0000
<think>嗯,用户想了解三分查找的时间复杂度分析。首先,我需要回忆一下三分查找的基本原理。三分查找通常用于单峰函的极值查找,比如在凸函或者凹函中找到最大值或最小值。与二分查找每次将区间分成两部分不同,三分查找每次将区间分成三个部分,然后根据中间两个点的函值来缩小搜索范围。 接下来,我得考虑如何分析时间复杂度。根据二分查找的时间复杂度是$O(\log n)$,而三分查找每次将区间分成三部分,所以可能更快。不过,具体怎么计算呢?假设每次将区间长度减少到原来的三分之二,比如每次比较后保留两个子区间中的一个,那么每次的区间长度变为原来的2/3。这样的话,时间复杂度应该是$\log_{3/2} n$,也就是$O(\log n)$,因为对换底公式可以转换,底不同但复杂度级别相同。 不过,这里可能有误区。例如,用户提供的引用[1]提到三分查找的时间复杂度是$O(\log_3 n)$,而二分是$O(\log_2 n)$,但因为常因素在大O表示法中被忽略,所以两者的复杂度都被视为$O(\log n)$。但实际应用中,三分查找可能需要更多的比较次数,导致实际运行时间可能比二分查找稍慢,尽管复杂度级别相同。 另外,需要注意三分查找的应用场景,它主要用于单峰函,而二分查找适用于单调序列。用户提到的引用[1]也指出,三分查找的近似三等分可能因为精度问题导致错误,所以实际实现时需要注意。此外,引用[3]和[4]中的二分查找分析是否对三分查找有参考价值?例如,二分查找每次将区间减半,而三分查找每次减少到三分之一,但可能需要两次比较,所以每一步的操作次数可能更多,但整体复杂度还是对级别。 总结一下,三分查找的时间复杂度计算方式:每次将问题规模减少到原来的2/3(因为每次比较后舍弃掉1/3的区间),那么总的次数k满足$(2/3)^k \cdot n = 1$,解得$k = \log_{3/2} n$,转换为以2为底的对,是$\log_2 n / \log_2 (3/2) ≈ 1.7095 \log_2 n$,所以时间复杂度还是$O(\log n)$。但因为系更大,实际可能比二分查找慢一些,但大O表示法下两者相同。 用户提供的引用[1]提到三分查找的复杂度是$O(\log_3 n)$,但严格来说,每次减少的是三分之二还是三分之一?需要确认正确的递推公式。如果每次将区间分成三部分,舍弃其中两部分,那么每次减少到原来的1/3,这时候时间复杂度是$\log_3 n$,但实际情况通常是每次比较后舍弃1/3,保留2/3,这样时间复杂度应该是$\log_{3/2} n$。需要明确这一点。 根据三分查找的标准分析,每次迭代将区间长度减少约三分之一,即每次比较后剩下的区间是原来的2/3,因此时间复杂度为$O(\log_{3/2} n)$,即$O(\log n)$,因为常在大O中被忽略。因此,尽管具体的对不同,但复杂度级别与二分查找相同。 此外,用户可能混淆了三分查找和三进制搜索,但这里讨论的是三分查找用于单峰函的情况。因此,需要明确应用场景和具体步骤对复杂度的影响。 最后,要确保回答中引用了用户提供的参考资料,特别是引用[1]中提到的关于三分查找和二分查找的复杂度比较,指出它们的复杂度属于同一级别,但实际系不同,可能影响实际性能。</think>三分查找的时间复杂度分析如下: ### 时间复杂度推导 1. **基本思路** 三分查找每次将区间分成三个近似相等的部分,并通过比较两个中间点处的函值来排除其中一个区间段。假设初始区间长度为$n$,每次迭代后区间长度缩小为原来的**2/3**(舍弃其中一个1/3的区间段)。 2. **递推关系** 设总查找次数为$k$,则剩余区间长度满足: $$n \cdot \left(\frac{2}{3}\right)^k \leq 1$$ 取对后解得: $$k \geq \log_{\frac{3}{2}} n = \frac{\log_2 n}{\log_2 \frac{3}{2}} \approx 1.7095 \log_2 n$$ 因此时间复杂度为$O(\log n)$[^1]。 3. **与二分查找对比** - 二分查找:每次区间减半,时间复杂度$O(\log_2 n)$ - 三分查找:系更大(约1.71倍),但渐进复杂度仍为$O(\log n)$ ### 关键差异 - **适用场景**:三分查找针对**单峰函极值**问题,二分查找适用于**单调序列**。 - **实际效率**:三分查找单次迭代需**两次比较**(两个中间点),而二分查找只需一次比较,因此实际运行可能更慢。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值