数据结构与算法Day5 搜索算法

本文详细介绍了二分法查找的基本原理及其应用场景,并提供了递归与非递归两种实现方式,对比了不同情况下的时间复杂度。

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

搜索

搜索是在一个项目集合中找到一个特定项目的算法过程。搜索的几种常见方法:顺序查找、二分法查找、二叉树查找、哈希查找。

二分法查找

二分查找又称折半查找。

优点缺点适用对象
比较次数少,查找速度快,平均性能好要求待查表为有序表,且插入删除困难不经常变动而查找频繁的有序列表

具体操作

  1. 假设表中元素是按升序排列,将表中间位置记录的关键字与查找关键字比较。
  2. 若两者相等,则查找成功;否则利用中间位置将表分成前、后两个子表:若中间位置记录的关键字大于查找关键字,则进一步查找前一子表,否则进一步查找后一子表。
  3. 重复以上过程,直到找到满足条件的记录,使查找成功,或直到子表不存在为止,此时查找不成功。
    在这里插入图片描述

算法实现

递归方法

def binary_search(alist, item):
    """二分法查找"""
    if not alist:
        return False
    n=len(alist)
    mid=n//2
    if alist[mid]==item:
        return True
    elif alist[mid]>item:
        return binary_search(alist[:mid],item)
    else:
        return binary_search(alist[mid+1:],item)

非递归方法

def binary_search(alist, item):
    """二分法查找,非递归"""
    n=len(alist)
    first=0
    last=n-1 #最后的位置要长度减一,勿忘
    while first<=last:
        mid=(first+last)//2
        if alist[mid]==item:
            return True
        elif alist[mid]>item:
            last=mid-1
        else:
            first=mid+1
    return False

时间复杂度

最优时间复杂度: O ( 1 ) O(1) O(1)
最坏时间复杂度: O ( log ⁡ n ) O(\log n) O(logn)

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