三分查找

我们都知道 二分查找 适用于单调函数中逼近求解某点的值。

如果遇到凸性或凹形函数时,可以用三分查找求那个凸点或凹点。

下面的方法应该是三分查找的一个变形。

如图所示,已知左右端点L、R,要求找到白点的位置。

思路:通过不断缩小 [L,R] 的范围,无限逼近白点。

做法:先取 [L,R] 的中点 mid,再取 [mid,R] 的中点 mmid,通过比较 f(mid) 与 f(mmid) 的大小来缩小范围。

           当最后 L=R-1 时,再比较下这两个点的值,我们就找到了答案。

1、当 f(mid) > f(mmid) 的时候,我们可以断定 mmid 一定在白点的右边。

反证法:假设 mmid 在白点的左边,则 mid 也一定在白点的左边,又由 f(mid) > f(mmid) 可推出 mmid < mid,与已知矛盾,故假设不成立。

所以,此时可以将 R = mmid 来缩小范围。

2、当 f(mid) < f(mmid) 的时候,我们可以断定 mid 一定在白点的左边。

反证法:假设 mid 在白点的右边,则 mmid 也一定在白点的右边,又由 f(mid) < f(mmid) 可推出 mid > mmid,与已知矛盾,故假设不成立。

同理,此时可以将 L = mid 来缩小范围。

int SanFen(int l,int r) //找凸点  
{  
    while(l < r-1)  
    {  
        int mid  = (l+r)/2;  
        int mmid = (mid+r)/2;  
        if( f(mid) > f(mmid) )  
            r = mmid;  
        else  
            l = mid;  
    }  
    return f(l) > f(r) ? l : r;  
}  

 

<think>嗯,用户想了解三分查找的时间复杂度分析。首先,我需要回忆一下三分查找的基本原理。三分查找通常用于单峰函数的极值查找,比如在凸函数或者凹函数中找到最大值或最小值。与二分查找每次将区间分成两部分不同,三分查找每次将区间分成三个部分,然后根据中间两个点的函数值来缩小搜索范围。 接下来,我得考虑如何分析时间复杂度。根据二分查找的时间复杂度是$O(\log n)$,而三分查找每次将区间分成三部分,所以可能更快。不过,具体怎么计算呢?假设每次将区间长度减少到原来的三分之二,比如每次比较后保留两个子区间中的一个,那么每次的区间长度变为原来的2/3。这样的话,时间复杂度应该是$\log_{3/2} n$,也就是$O(\log n)$,因为对数换底公式可以转换,底数不同但复杂度级别相同。 不过,这里可能有误区。例如,用户提供的引用[1]提到三分查找的时间复杂度是$O(\log_3 n)$,而二分是$O(\log_2 n)$,但因为常数因素在大O表示法中被忽略,所以两者的复杂度都被视为$O(\log n)$。但实际应用中,三分查找可能需要更多的比较次数,导致实际运行时间可能比二分查找稍慢,尽管复杂度级别相同。 另外,需要注意三分查找的应用场景,它主要用于单峰函数,而二分查找适用于单调序列。用户提到的引用[1]也指出,三分查找的近似三等分可能因为精度问题导致错误,所以实际实现时需要注意。此外,引用[3]和[4]中的二分查找分析是否对三分查找有参考价值?例如,二分查找每次将区间减半,而三分查找每次减少到三分之一,但可能需要两次比较,所以每一步的操作次数可能更多,但整体复杂度还是对数级别。 总结一下,三分查找的时间复杂度计算方式:每次将问题规模减少到原来的2/3(因为每次比较后舍弃掉1/3的区间),那么总的次数k满足$(2/3)^k \cdot n = 1$,解得$k = \log_{3/2} n$,转换为以2为底的对数,是$\log_2 n / \log_2 (3/2) ≈ 1.7095 \log_2 n$,所以时间复杂度还是$O(\log n)$。但因为系数更大,实际可能比二分查找慢一些,但大O表示法下两者相同。 用户提供的引用[1]提到三分查找的复杂度是$O(\log_3 n)$,但严格来说,每次减少的是三分之二还是三分之一?需要确认正确的递推公式。如果每次将区间分成三部分,舍弃其中两部分,那么每次减少到原来的1/3,这时候时间复杂度是$\log_3 n$,但实际情况通常是每次比较后舍弃1/3,保留2/3,这样时间复杂度应该是$\log_{3/2} n$。需要明确这一点。 根据三分查找的标准分析,每次迭代将区间长度减少约三分之一,即每次比较后剩下的区间是原来的2/3,因此时间复杂度为$O(\log_{3/2} n)$,即$O(\log n)$,因为常数底数在大O中被忽略。因此,尽管具体的对数底数不同,但复杂度级别与二分查找相同。 此外,用户可能混淆了三分查找和三进制搜索,但这里讨论的是三分查找用于单峰函数的情况。因此,需要明确应用场景和具体步骤对复杂度的影响。 最后,要确保回答中引用了用户提供的参考资料,特别是引用[1]中提到的关于三分查找和二分查找的复杂度比较,指出它们的复杂度属于同一级别,但实际系数不同,可能影响实际性能。</think>三分查找的时间复杂度分析如下: ### 时间复杂度推导 1. **基本思路** 三分查找每次将区间分成三个近似相等的部分,并通过比较两个中间点处的函数值来排除其中一个区间段。假设初始区间长度为$n$,每次迭代后区间长度缩小为原来的**2/3**(舍弃其中一个1/3的区间段)。 2. **递推关系** 设总查找次数为$k$,则剩余区间长度满足: $$n \cdot \left(\frac{2}{3}\right)^k \leq 1$$ 取对数后解得: $$k \geq \log_{\frac{3}{2}} n = \frac{\log_2 n}{\log_2 \frac{3}{2}} \approx 1.7095 \log_2 n$$ 因此时间复杂度为$O(\log n)$[^1]。 3. **与二分查找对比** - 二分查找:每次区间减半,时间复杂度$O(\log_2 n)$ - 三分查找:系数更大(约1.71倍),但渐进复杂度仍为$O(\log n)$ ### 关键差异 - **适用场景**:三分查找针对**单峰函数极值**问题,二分查找适用于**单调序列**。 - **实际效率**:三分查找单次迭代需**两次比较**(两个中间点),而二分查找只需一次比较,因此实际运行可能更慢。
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