二进制搜索算法

为什么？：

一种常用的算法是二进制搜索。

如果您还不知道，请继续阅读。

非常有帮助。 节省大量CPU。 以指数方式减少计算。

当搜索大量信息以查找匹配项时，想到的第一个想法是线性搜索。 遍历所有值以查找匹配项。 如果找到它，请返回位置或值，然后结束搜索。

然而，当要搜索的值变得非常大时，这变得非常低效。 这是O（N）算法。 在更坏的情况下，您可能必须搜索所有值以找到匹配项，甚至更糟的是找到不存在的匹配项！

怎么样？：

项目列表是否可以数字或ASCII排序。 使用二进制搜索！

首先，对列表进行排序，然后将最中间的值（如果列表元素不均匀，则向上或向下）与搜索词进行比较。 如果它是“少于”您的用语，则说明它一定是

低于那个点。 这样就可以消除上限。 如果该术语的值大于中心点的值，请消除该较低的范围。

因此将要搜索的项目数量减少了一半。

将此技术连续应用于其余项目，并将每次迭代的搜索量减少一半。

因此以更快的O（log N）算法运行。

示例： 警告 ：使用“递归”，切记要考虑CPU上的函数调用负载。 在某些语言中，这实际上可能比线性慢。 请参阅下面的非递归。

（摘自

维基百科 ）

BinarySearch(A[0..N-1], value, low, high) {
       if (high < low)
           return -1 // not found
       mid = low + ((high - low) / 2)  // Note: not (low + high) / 2 !!
       if (A[mid] > value)
           return BinarySearch(A, value, low, mid-1)
       else if (A[mid] < value)
           return BinarySearch(A, value, mid+1, high)
       else
           return mid // found
   } 

这里有一个优化。

有时在处理大量数字或浮点数时精度很高。

中=（低+高）/ 2

可能会溢出并占用内存，从而导致结果不可靠。

中=低+（（高-低）/ 2）

解决它。 :)

看到这里... 非递归：

low = 0
       high = N
       while (low < high) {
           mid = low + ((high - low) / 2)  // Note: not (low + high) / 2 !!
           if (A[mid] < value)
               low = mid + 1; 
           else
                //can't be high = mid-1: here A[mid] >= value,
                //so high can't be < mid if A[mid] == value
                high = mid; 
       }
       // high == low, using high or low depends on taste 
       if ((low < N) && (A[low] == value))
           return low // found
       else
           return -1 // not found       

这个最基本的算法有很多资源。 只需在Google中输入“二进制搜索”即可。

祝您编程愉快。

From: https://bytes.com/topic/algorithms/insights/867454-binary-search-algorithm