二分法+时间复杂度

本文介绍了一个通过排序和二分查找来高效解决数组查询问题的方法。首先使用快速排序算法对数组进行排序,然后通过二分查找判断特定数值是否存在。适用于大规模数据集的查询。

蒜头君手上有个长度为 n 的数组 A。由于数组实在太大了,所以蒜头君也不知道数组里面有什么数字,所以蒜头君会经常询问整数 x 是否在数组 A 中。

输入格式

第一行输入两个整数 n 和 m,分别表示数组的长度和查询的次数。

接下来一行有 n 个整数 ai​。

接下来 m 行,每行有 1 个整数 x,表示蒜头君询问的整数。

输出格式

对于每次查询,如果可以找到,输出"YES",否则输出"NO"

数据范围

1≤n,m≤105,0≤x≤106。

输入:

10 5
1 1 1 2 3 5 5 7 8 9
0
1
4
9
10

输入:

NO
YES
NO
YES
NO

解题思路:查找数据的长度为,每次查找后数据长度减半,即若有number[]=X,则返回i;否则返回-1表示没有找到。设置两个函数,,一个排序一个查找,将输入的数组 调用函数进行排序后进行查找。

#include<stdio.h>
void qu(int s[], int l,int r);
int se(int n,int nu[],int x);
int main(void){
	int n,m,t;
	int i,k=0,j;
	scanf("%d %d",&n,&m);
	int a[n],b;                
	for(i=0;i<n;i++){
		scanf("%d",&a[i]);
	}
	i=0;
	t=n-1;
	qu(a,i,t);                //调用函数快速排序法
	for(j=0;j<m;j++){
		scanf("%d",&b);
		if(se(n,a,b)){        //二分法查找
			printf("YES\n");
		}else{
			printf("NO\n");
		}
	}
	return 0;
}
void qu(int s[], int l,int r){        //函数快速排序
    if (l<r){
        int i=l,j=r,x=s[l];
        while (i<j){
            while(i<j &&s[j]>=x){
            	j--;
            }	
			if(i<j&&s[j]<x){
            	s[i++]=s[j];
			}
            while(i<j&&s[i]<=x){
            	i++; 
			}	
			if(i<j&&s[i]>x){
            	s[j--]=s[i];
			}
    	}
        s[i]=x;
        qu(s,l,i-1);
        qu(s,i+1,r);
    }
}
int se(int n,int nu[],int x){        //函数二分法
	int low=0,high=n-1,mid=0;
	while(low<=high){
		mid=(high+low)/2;
		if(x>nu[mid]){
			low=mid+1;
		}else if(x<nu[mid]){
			high=mid-1;
		}else if(nu[mid]==x){
			return 1;
		}
	}
	return 0;
}

### 时间复杂度分析 二分查找算法的最坏情况时间复杂度为 $ O(\log n) $,其中 $ n $ 是数组中元素的数量。这是因为每比较后,搜索范围都会减少一半。在数学上,这可以表示为以下递推关系: $$ T(n) = T\left(\frac{n}{2}\right) + O(1) $$ 这里 $ T(n) $ 表示处理规模为 $ n $ 的问题所需的时间,而 $ O(1) $ 表示常数时间的操作[^4]。 如果继续展开该递推公式,会发现对于 $ n = 2^k $ 的情况,有: $$ T(n) = T\left(\frac{n}{2}\right) + 1 = T\left(\frac{n}{4}\right) + 2 = \dots = T(1) + k $$ 由于 $ T(1) = 1 $,并且 $ k = \log_2 n $,最终可以得到: $$ T(n) = \log_2 n + 1 $$ 因此,二分查找的时间复杂度为 $ O(\log n) $,以底数 2 为主,通常简写为 $ O(\log n) $ [^4]。 ### 最坏情况下的具体计算 假设数组中有 $ n $ 个元素,每查找操作后,剩余需要查找的元素数量是原来的一半。设查找数为 $ a $,则满足以下不等式: $$ \frac{n}{2^a} \geq 1 $$ 取对数后可得: $$ a \leq \log_2 n $$ 这表明,在最坏情况下,二分查找需要执行 $ \log_2 n $ 查找才能找到目标值或确认其不存在[^5]。 例如: - 当 $ n = 8 $ 时,最多需要查找 3 。 - 当 $ n = 16 $ 时,最多需要查找 4 。 这些数据验证了时间复杂度的增长规律。 ### 空间复杂度分析 从空间复杂度的角度来看,二分查找只需要固定的额外空间用于存储指针(如 `low`、`high` `mid`),因此其空间复杂度为 $ O(1) $。 ### 代码实现与复杂度分析 以下是二分查找的 Python 实现示例: ```python def binary_search(arr, target): low = 0 high = len(arr) - 1 while low <= high: mid = (low + high) // 2 if arr[mid] == target: return mid # 找到目标值,返回索引 elif arr[mid] < target: low = mid + 1 # 目标值在右半部分 else: high = mid - 1 # 目标值在左半部分 return -1 # 未找到目标值 ``` 此实现中,每轮循环将搜索区间缩小一半,并且每循环仅执行常数时间的操作,因此时间复杂度符合 $ O(\log n) $ 的预期[^2]。 ---
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