查找——折半查找(二分法查找)

本文介绍了一种高效的查找算法——二分查找。该算法适用于已排序的数据集,通过不断缩小搜索范围来快速定位目标元素。文章提供了详细的算法实现过程,并附带了C++代码示例。

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

算法解释

二分法查找针对的是一个已经排好序的查找数据结构。通常情况下,顺序查找需要逐一遍历,而二分法查找利用排序的优势,将查找范围每次逐步缩小二分之一,直到查找到为止。
下面是代码:

#include <stdio.h>
#include <iostream>
#include <time.h>
#include <malloc.h>
#define MAXSIZE 10
using namespace std;
int Binear_Search(int *a, int key) {
    int left = 0;
    int right = MAXSIZE;
    int centerIndex;//得到中心点的值
    while (left != right)
    {
        centerIndex = (left + right) / 2;
        if (a[centerIndex] > key)//如果中间值比key要大,说明要往左边走
        {
            right = centerIndex-1;

        }
        else if (a[centerIndex] == key)//如果想等,直接返回
        {
            return centerIndex;
        }
        else {//如果是小于key的,那么要往右走
            left = centerIndex+1;
        }

    }
    return -1;
}

int main(void) {
    int arrays[] = { 1,3,5,7,9,33,55,65,77,79 };
    int i = 0;
    for (i;i<MAXSIZE;i++)
    {
        cout << "查找的值为:"<<arrays[i]<<"查找到的位置为:" << Binear_Search(arrays,arrays[i]) << endl;;
    }

    system("pause");
    return 0;

}
### 顺序查找折半查找的性能对比 #### 时间复杂度 对于时间复杂度而言,在最坏情况下,顺序查找的时间复杂度为 O(n),即需要遍历整个列表才能找到目标元素或确认其不存在[^1]。而折半查找(也称为二分查找),由于每次迭代可以排除一半的数据项,因此在有序数组上的最坏情况下的时间复杂度仅为 O(log n)[^2]。 #### 空间复杂度 关于空间复杂度,两种方法都相对较低。顺序查找几乎不需要额外的空间开销,除了用于存储输入序列外;同样地,折半查找也不需要显著增加内存占用量,因为只需要几个变量来跟踪当前搜索范围即可。 #### 平均查找长度 (ASL) 平均查找长度是指成功定位到所需记录前所需的比较次数期望值。对于无序表中的顺序扫描来说,这个数值接近于 \( \frac{n+1}{2} \) ,其中n代表总条目数。相比之下,当应用于已排序文件时,二分法能够提供更短的有效路径长度——大约等于 log₂(n)+1 次操作。 #### 优点 - **顺序查找** 的优势在于其实现简单直观,并且适用于未排序的数据集。它无需任何预处理步骤就能直接工作。 - **折半查找** 则以其高效著称,特别是在处理大量已经按特定顺序排列的信息时表现尤为突出。通过不断缩小可能位置区间的方式快速锁定目标对象的位置。 #### 缺点 - 对于 **顺序查找**, 明显不足之处是在面对大规模数据集合时效率低下, 需要线性增长的时间成本. - 而 **折半查找** 主要局限性体现在仅能作用于事先经过排序整理过的资料之上; 如果原始数据杂乱无章,则必须先执行耗费资源的排序过程. #### 使用情况 - 当待查项目较少或者无法保证源数据始终维持良好秩序的情况下,应该优先考虑采用 **顺序查找** 方案。 - 反之,如果应用程序允许预先对静态/动态更新频率极低的大规模数据实施一次性的排序作业,那么显然更适合运用 **折半查找** 来提高检索速度并减少响应延迟。 ```python def sequential_search(arr, target): for i in range(len(arr)): if arr[i] == target: return i return -1 def binary_search(arr, target): low, high = 0, len(arr)-1 while low <= high: mid = (low + high) // 2 if arr[mid] < target: low = mid + 1 elif arr[mid] > target: high = mid - 1 else: return mid return -1 ```
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