算法图解:二分查找
截图来自《算法图解》这本书
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-x3QAfPmw-1659252948281)(https://xuemingde.com/pages/image/2022/07/16/14381657952858.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jVC0EnMz-1659252948282)(https://xuemingde.com/pages/image/2022/07/16/14591657953479.png)]
练习代码:
/**
* 需要的值是否存在
* @param ints 数组
* @param low 开始下下标
* @param height 结束下标
* @param need 基准值
* @return
*/
public static boolean searchBoo(Integer[] ints, Integer low, Integer height,Integer need) {
if (low > height){
return false;
}
int mid = low + (high - low) / 2;
if (ints[mid].equals(need)) {
return true;
}else if (ints[mid] > need) {
return searchBoo(ints, low, mid -1, need);
} else if (ints[mid] < need) {
return searchBoo(ints, mid + 1, height, need);
}else {
return false;
}
}
/**
* 需要值的下标
* @param ints 数组
* @param low 开始下下标
* @param height 结束下标
* @param need 基准值
* @return
*/
public static int searchindex(Integer[] ints, Integer low, Integer height,Integer need) {
if (low > height){
return -1;
}
int mid = low + (high - low) / 2;
if (ints[mid].equals(need)) {
return mid;
}else if (ints[mid] > need) {
return searchindex(ints, low, mid -1, need);
} else if (ints[mid] < need) {
return searchindex(ints, mid + 1, height, need);
}
return mid;
}
这是一个经典的话题,如何计算二分查找中的中值?大家一般给出了两种计算方法:
- 算法一:
mid = (low + high) / 2
- 算法二:
mid = low + (high – low)/2
乍看起来,算法一简洁,算法二提取之后,跟算法一没有什么区别。但是实际上,区别是存在的。算法一的做法,在极端情况下,(low + high)存在着溢出的风险,进而得到错误的mid结果,导致程序错误。而算法二能够保证计算出来的mid,一定大于low,小于high,不存在溢出的问题。
二分查找法的缺陷
二分查找法的O(log n)让它成为十分高效的算法。不过它的缺陷却也是那么明显的。就在它的限定之上:必须有序,我们很难保证我们的数组都是有序的。当然可以在构建数组的时候进行排序,可是又落到了第二个瓶颈上:它必须是数组。
数组读取效率是O(1),可是它的插入和删除某个元素的效率却是O(n)。因而导致构建有序数组变成低效的事情。
解决这些缺陷问题更好的方法应该是使用二叉查找树了,最好自然是自平衡二叉查找树了,既能高效的(O(n log n))构建有序元素集合,又能如同二分查找法一样快速(O(log n))的搜寻目标数。