数据结构--有序向量(2)

这篇博客介绍了有序向量的查找算法,包括二分查找和Fibonacci查找。二分查找通过比较目标元素与中间元素决定在左或右区间递归查找,平均查找长度约为O(1.5*logn)。Fibonacci查找利用黄金分割比例确定查找位置,查找长度小于二分查找,约为O(1.44*logn)。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

有序向量:查找算法

       统一接口:(各按50%,要么是二分查找,要么是Fibonacci查找算法)

template <tyoename T>//统一查找算法,0<=lo<hi<=_size
Rank Vector<T>::search(T const & e,Rank lo,Rank hi) const{
    return (rand()%2)?//各按50%的概率随机选用
        binSearch(_elem,e,lo,hi)//二分查找算法
        :fibSearch(_elem,e,lo,hi);//Fibonacci查找算法

}

      二分查找:(目标元素 e )

            A:对于任一元素x=s[mi],即该有序向量的中间元素的位置,将该向量分为三部分(mi = [lo+hi]/2)

               s[lo,mi)<=s[mi]<=s(mi,hi)

               将目标元素e和x做比较,情况如下:

               (1)e < x :则e若存在,必定在左侧区间S[lo,mi),递归查询

               (2)x < e :则e若存在,必定在右侧区间S(mi,hi),递归查询

               (3)e = x:命中,返回。

template <typename T>//在有序向量区间内[lo,hi)内查找元素e
static Rank binSearch(T* A,T const& e, Rank lo, Rank hi ){
    while (lo < hi){
        Rank mi =( lo+hi )>>1;//以中点为轴点
        if (e<A[mi]) hi = mi;
        else if (A[mi] < e) lo  = mi + 1;
        else return mi;//在mi处命中
    }
    return -1;//查找失败
}

             性能:比较的次数,即查找长度,成功失败的长度大致为O(1.5*logn)

   Fibonacci查找(根据黄金分割来取mi)

          向量的长度 n = fib(k) - 1,则可取mi = fib(k - 1) - 1,于是,前、后子向量的长度分别为fib(k-1)-1    、 fib(k-2)-1

template <typename T>//0<=lo<=hi<=_size
static Rank fibSearch(T* A,T const& e,Rank lo,Rank hi){
    Fib fib(hi - lo);//用O(log以∮为底n的对数)= O(log以∮为底(hi - lo)的对数)时间创建Fib数列
    while (lo < hi){
        while (hi - lo < fib.get()) fib.prev();
        Rank mi = lo + fib.get() - 1;//按黄金比例切分
        if(e < A[mi]) hi = mi;
        else if (A[mi]< e) lo = mi +1;
        return mi;
    }
    return -1;
}

        查找长度:∮ = 0.6180339...这时的查找长度是小于二分查找的大概是1.44logn

 

 

 

 

 

 

 

 

 

 

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