【NOJ1001】【算法实验一】【分治算法】二分查找

本文详细介绍了二分查找算法的实现过程,通过一个具体的代码示例,展示了如何在一个已排序的整数序列中查找特定元素。算法的时间复杂度为O(log n),适用于大数据集的高效搜索。

1001.二分查找

时限:1000ms 内存限制:10000K  总时限:3000ms

描述

给定一个单调递增的整数序列,问某个整数是否在序列中。

 

输入

第一行为一个整数n,表示序列中整数的个数;第二行为n(n不超过10000)个整数;第三行为一个整数m(m不超过50000),表示查询的个数;接下来m行每行一个整数k。

 

输出

每个查询的输出占一行,如果k在序列中,输出Yes,否则输出No。

 

输入样例

5
1 3 4 7 11
3
3
6
9

 

输出样例

Yes
No
No


#include <iostream>

using namespace std;

int n;
int m;
int k;
int a[10000];

bool binarysearch(int a[],int n,int k);

int main()
{
    cin>>n;
    for(int i=0; i<n; i++)
    {
        cin>>a[i];
    }
    cin>>m;
    for(int i=0; i<m; i++)
    {
        cin>>k;
        if(binarysearch(a,n,k))
        {
            cout<<"Yes"<<endl;
        }
        else
        {
            cout<<"No"<<endl;
        }
    }
    return 0;
}

bool binarysearch(int a[],int n,int k)
{
    int st=0,ed=n-1;
    int mid;
    while(st<=ed)
    {
        mid=(st+ed)/2;
        if(a[mid]<k)
        {
            st=mid+1;
        }
        else if(a[mid]>k)
        {
            ed=mid-1;
        }
        else
        {
            return true;
        }
    }
    return false;
}

 

### 西北工业大学 NOJ 平台排序算法大作业示例题目解题报告 #### 示例题目:优化版快速排序实现 在西北工业大学 NOJ 平台上,有道关于优化版快速排序的大作业题目。该题目不仅要求学生掌握基本的快速排序原理,还强调了对不同数据分布情况下的性能优化。 #### 题目描述 给定整数数组 `arr` 和一个整数 `k` (1 ≤ k ≤ length of array),编写程序找到前 K 小的元素并按升序返回这些元素组成的列表。为了提高效率,不允许使用额外的空间来存储中间结果(即空间复杂度应尽可能低)。此外,在最坏情况下时间复杂度不应超过 O(n log n)[^1]。 #### 思路分析 此题可以通过修改传统的快速排序算法解决。传统方法会构建完整的有序序列再截取所需部分;而本题只需要获取特定位置上的若干个最小值,则可以利用分治法的思想只处理涉及目标范围内的子区间,从而减少不必要的比较次数达到加速效果。 #### Python 实现代码 ```python import random def partition(nums, low, high): pivot = nums[(low + high) // 2] i = low - 1 j = high + 1 while True: i += 1 while nums[i] < pivot: i += 1 j -= 1 while nums[j] > pivot: j -= 1 if i >= j: return j nums[i], nums[j] = nums[j], nums[i] def quick_select(nums, left, right, index): pos = partition(nums, left, right) if pos + 1 == index: return nums[pos] elif pos + 1 < index: return quick_select(nums, pos + 1, right, index) else: return quick_select(nums, left, pos - 1, index) def smallestK(arr, k): if not arr or k <= 0: return [] result = [] for _ in range(k): min_val = quick_select(arr[:], 0, len(arr)-1-_ ,len(arr)-_) arr.remove(min_val) result.append(min_val) return sorted(result) # 测试用例 print(smallestK([7, 10, 4, 3, 20, 15], 3)) ``` 上述解决方案通过调整标准快排逻辑实现了更高效的 top-k 查询功能,并且满足题目对于时间和空间复杂性的严格限制条件。
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