查找算法:

标签: 算法 | 发表时间:2012-03-14 10:28 | 作者:qq1712088151
出处:http://blog.csdn.net

1.线性查找

从数组的第一个元素开始查找,并将其与查找值比较,如果相等则停止,否则继续下一个元素查找,直到找到匹配值。

注意:要求被查找的数组中的元素是无序的、随机的。

比如,对一个整型数组的线性查找代码:

static boolean linearSearch(int target, int[] array)	{
		// 遍历整个数组,并分别将每个遍历元素与查找值对比
		for (int i = 0; i < array.length; i++){
			if (array[i] == target){
				return true;
			}
		}
		
		return false;
	}

分析该算法的三种情况:

a.最佳情况

要查找的值在数组的第一个位置。也就是说只需比较一次就可达到目的,因此最佳情况的大O表达式为:O(1)

b.最差情况

要查找的值在数组的末尾或者不存在,则对大小为n的数组必须比较n次,大O表达式为:O(n)

c.平均情况

估计会执行:(n + (n - 1) + (n - 2) + ….. + 1)/n = (n + 1) / 2次比较,复杂度为O(n)

2.二分查找

假设被查找数组中的元素是升序排列的,那我们查找值时,首先会直接到数组的中间位置(数组长度/2),并将中间值和查找值比较,如果相等则返回,否则,如果当前元素值小于查找值,则继续在数组的后面一半查找(重复上面过程);如果当前元素值大于查找值,则继续在数组的前面一半查找,直到找到目标值或者无法再二分数组时停止。

注意:二分查找只是针对有序排列的各种数组或集合

代码:

static boolean binarySearch(int target, int[] array){
	int front = 0;
	int tail = array.length - 1;
	
	// 判断子数组是否能再次二分
	while (front <= tail){
		// 获取子数组的中间位置,并依据此中间位置进行二分
		int middle = (front + tail) / 2;
		
		if (array[middle] == target){
			return true;
		}
		else if (array[middle] > target){
			tail = middle - 1;
		}
		else{
			front = middle + 1;
		}
	}
	
	return false;
}

最佳情况:

中间值为查找值,只需比较一次,复杂度为O(1)

最差、平均:

当我们对一个数组执行二分查找时,最多的查找次数是满足n < 2^k的最小整数k,比如:当数组长度为20时,那么使用二分法的查找次数最多为5次,即:2^5 > 20因此可以得出二分法的最差及平均情况的复杂度为O(logn)。

分析:1,2,3,4,5,6,7,8,9

在上面数组中查找7需要比较多少次?

查找2.5需要比较多少次?(假设存储的数值都是双精度数据类型)

显然,对于一个有序数组或集合,使用二分查找会比线性查找更加有效!但是注意,虽然二分法效率更高,但使用的同时系统也会增加额外的开销,为什么?


作者:qq1712088151 发表于2012-3-14 10:28:59 原文链接
阅读:1 评论:0 查看评论

相关 [算法] 推荐:

缓存算法

- lostsnow - 小彰
没有人能说清哪种缓存算法由于其他的缓存算法. (以下的几种缓存算法,有的我也理解不好,如果感兴趣,你可以Google一下  ). 大家好,我是 LFU,我会计算为每个缓存对象计算他们被使用的频率. 我是LRU缓存算法,我把最近最少使用的缓存对象给踢走. 我总是需要去了解在什么时候,用了哪个缓存对象.

BFPRT算法

- zii - 小彰
BFPRT算法的作者是5位真正的大牛(Blum 、 Floyd 、 Pratt 、 Rivest 、 Tarjan),该算法入选了在StackExchange上进行的当今世界十大经典算法,而算法的简单和巧妙颇有我们需要借鉴学习之处. BFPRT解决的问题十分经典,即从某n个元素的序列中选出第k大(第k小)的元素,通过巧妙的分析,BFPRT可以保证在最坏情况下仍为线性时间复杂度.

贪心算法

- Shan - 博客园-首页原创精华区
顾名思义,贪心算法总是作出在当前看来最好的选择. 也就是说贪心算法并不从整体最优考虑,它所作出的选择只是在某种意义上的局部最优选择. 当然,希望贪心算法得到的最终结果也是整体最优的. 虽然贪心算法不能对所有问题都得到整体最优解,但对许多问题它能产生整体最优解. 如单源最短路经问题,最小生成树问题等.

缓存算法

- 成 - FeedzShare
来自: 小彰 - FeedzShare  . 发布时间:2011年09月25日,  已有 2 人推荐. 没有人能说清哪种缓存算法由于其他的缓存算法. (以下的几种缓存算法,有的我也理解不好,如果感兴趣,你可以Google一下  ). 大家好,我是 LFU,我会计算为每个缓存对象计算他们被使用的频率.

K-Means 算法

- - 酷壳 - CoolShell.cn
最近在学习一些数据挖掘的算法,看到了这个算法,也许这个算法对你来说很简单,但对我来说,我是一个初学者,我在网上翻看了很多资料,发现中文社区没有把这个问题讲得很全面很清楚的文章,所以,把我的学习笔记记录下来,分享给大家. k-Means 算法是一种  cluster analysis 的算法,其主要是来计算数据聚集的算法,主要通过不断地取离种子点最近均值的算法.

查找算法:

- - CSDN博客推荐文章
从数组的第一个元素开始查找,并将其与查找值比较,如果相等则停止,否则继续下一个元素查找,直到找到匹配值. 注意:要求被查找的数组中的元素是无序的、随机的. 比如,对一个整型数组的线性查找代码:. // 遍历整个数组,并分别将每个遍历元素与查找值对比. 要查找的值在数组的第一个位置. 也就是说只需比较一次就可达到目的,因此最佳情况的大O表达式为:O(1).

排序算法

- - 互联网 - ITeye博客
排序算法有很多,所以在特定情景中使用哪一种算法很重要. 为了选择合适的算法,可以按照建议的顺序考虑以下标准: .     对于数据量较小的情形,(1)(2)差别不大,主要考虑(3);而对于数据量大的,(1)为首要.  一、冒泡(Bubble)排序——相邻交换 .  二、选择排序——每次最小/大排在相应的位置 .

联接算法

- - CSDN博客数据库推荐文章
本文摘自《锋利的SQL》: http://item.jd.com/10380652.html. 在Microsoft SQLServer Management Studio中执行查询时,如果选定工具栏中的 按钮,可以看到为查询生成的执行计划. 执行计划以图形方式显示了SQL Server查询优化器选择的数据检索方法,如表扫描、排序、哈希匹配等.

理解EM算法

- Chin - 我爱自然语言处理
EM(Expectation-Maximization)算法在机器学习和自然语言处理应用非常广泛,典型的像是聚类算法K-means和高斯混合模型以及HMM(Hidden Markov Model). 笔者觉得讲EM算法最好的就是斯坦福大学Andrew Ng机器学习课的讲课笔记和视频. 本文总结性的给出普遍的EM算法的推导和证明,希望能够帮助接触过EM算法但对它不是很明白的人更好地理解这一算法.

Memcached的LRU算法

- Eric - 平凡的世界
最近计划对Memcached做一些尝试性的改造,主要是针对Memcached在处理过期数据的时候进行改造,以实现在一个缓存的过期时间达到的时候,可以对该缓存的数据进行一个验证和存储的处理. 这个需求,主要是为了解决MySQL的写入瓶颈,通过延期、合并写入请求来减少MySQL的并发写入量. 现在逐渐记录出来和有需要的朋友一起讨论.