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