数据结构方法之二分查找法

一、什么是二分查找法?(略)
二、二分查找法的性能分析。
二分查找法的平均查找长度是ASL=log2(n+1)-1 (n>50)
例题:
    对长度为12的有序表(a1,a2,...a12)(其中ai<aj当i<j时),进行折半查找,在假
定查找不成功时,关键字x<a1,x>a12以及ai<x<aj(i=1,2,..12)等情况发生的概率相等
,求查找不成功的平均查找长度是多少?
解答:一、查找不成功事件的分布律为
....──┬──┬────┬────┬──┬──
.... §.│x<a1│<a1,a2>.│<a2,a3>.│。。│x>a12
....──┼──┼────┼────┼──┼──
.... P..│1/13│1/13....│1/13....│。。│1/13
....──┴──┴────┴────┴──┴──
故查找不成功的数学期望为∑PiCi
其中断定x<a1需查找3次
<a1,a2>...4次
<a2,a3>...4次
<a5,a6>...4次
<a4,a5>...4次
<a3,a4>...3次
<a6,a7>...3次
<a7,a8>...4次
<a8,a9>...4次
<a10,a11>..4次
<a9,a10>...4次
<a11,a12>..4次
x>a12......4次
故E=49/13=3.77次
上面的解法看起来很完备。但是本题很可能以填空题的形式出现,如果按上面的解法,
则显得太笨拙了。在叙述最佳解法之前,再看一道例题。
假定有序表A[1..20]上进行二分查找,则比较一次查找成功的结点数为__①__,比较三
次成功的结点数为__②__,比较5次成功的结点数为__③__,平均查找长度为__④__。
....解:先给出正确答案:①1,..②4..,③5..④3.7 。其中平均查找长度可由下求得:

....设折半查找的判定树树深为n,则1→(n-1)都为满二叉树,故有
....depth=1→count=1
....depth=2→count=2
....depth=3→count=4
....depth=4→count=8
....depth=5→count=20-①-②-③-④=5(此句理解为结点总数减去以上各层结点数)。

....因此,第一层有一个结点,只需要查找一次即可找到,第二层有两个结点,各需要
查找二次才能找到;第三层有4个结点,各需要查找3次;....因此总共查找次数为1*1+
2*2+3*4+4*8+5*5=74,从而平均查找长度为3.7次。
◆以上是两个具有一般性的例子,它的一般性在于,我们没有给出具体的序列。仅就有
序表中元素个数已知这一个条件进行了讨论。这就提示我们,二分查找法进行查找时,
查找结果与所给序列具体值无关,只与其元素个数有关;具体到查找某个元素的结果,
则只与该元素在序列中的位置有关。我们拿两个序列为例:
例题:今有有序表A和有序表B,分别是:
.....A: 1,3,5,20,21,32,57,58,60
.....B: 1,2,3,4,7,8,18,23,26,30
.....要查找表A中的关键字32和表B中的关键字18,需要查找几次?
.....在上面的题中,查找次数只与它们所处的位置有关,所以结果应该是一致的。这里
我们不给出答案。
下面我们讨论解二分法查找有关问题的最佳解法——利用二分法查找判定树求解。
三、二分法查找判定树
⒈定义见书。
⒉二分查找判定树的画法。
....设表A[l,h]是一个有序表。
◆一棵二分查找判定树的树形由以下步骤确定:
....①取m=(l+h)/2,以m为根,画出该结点;
....②取(l,m',m-1)为新有序表,画出m的左子树;取(m+1,m*,h)为新序列,画出右子树
;前述m'和m*由下式求得:
....m'=(l+m-1)/2;m*=(m+1+h)/2,即公式与最初求m的相同,类似递归定义。
....③若l=m,则该结点无左子树;若m=h则该结点无右子树;
....④重复上述步骤直到完成。
....下面给出一个有11个元素的有序表作二分法查找判树
的示例:
①:m=(1+11)/2=6,画出根结点:.................................⑥
............................................................/...\
②:取(1,m',5),画出左子树,此时m'=3,即左子树根......(1,3,5)/.....\...L,m*,H
结点号为3:..............................................③.......⑨(7,9,11)
......................................................../..\...../..\
③:取(7,m*,11),画出右子树,此时m*=9,即右.(1,1,2)./....\.../....\
子树根结点号为9.........   ...........................①(445)④.⑦(778)⑩(10,10,11).....
........................................................\......\..\......\
④:取(1,m',2),画出结点3的左子树,此时m'=1,.........②.....⑤.⑧.....⑾.........
即左子树根结点号为1(略去对其它结点的讨论);由于此
时在(L,m,h)元组中,L=h=1,故此分支作图结束。
....在实际作图中,请参考右图中的标记方法,我曾经戏称
它为关氏标注。它可以使用脱掉上面的步骤。
...→(445)属结点④,(778)属结点⑦
⒊二分查找判定树的应用
→求ASL
→求查找失败时的平均查找长度
→求查找某结点的查找长度
⒋二分查找判定树树形的讨论
若一棵二分查找判定树树深为H层,则1-(h-1)为满二叉树,第h层上第一个结点为空,
最后一个结点为满(为什么?请读者思考)。
——————————————————————————————————————
——————————
作者注:为帮助读者深入理解二分法查找,我在这里列出了一些基本概念,由于这些基
本概念书上已讲得很详细,所以从略。列出来是帮读者形成一个完整轮廓,以免断章取
义。
视时间和反响而定,这是我数据结构解题方法第一篇,以后可能不定期推出续篇,也可
能这是最后一篇。这个系列致力于找出一切可能的最简解题方法。
作者声明保留一切权利。不保证全部观点正确及演算无误。
===============================================================================================

在学习算法的过程中,我们除了要了解某个算法的基本原理、实现方式,更重要的一个环节是利用big-O理论来分析算法的复杂度。在时间复杂度和空间复杂度之间,我们又会更注重时间复杂度。

时间复杂度按优劣排差不多集中在:

O(1), O(log n), O(n), O(n log n), O(n2), O(nk), O(2n)

到目前位置,似乎我学到的算法中,时间复杂度是O(log n),好像就数二分查找法,其他的诸如排序算法都是 O(n log n)或者O(n2)。但是也正是因为有二分的 O(log n), 才让很多 O(n2)缩减到只要O(n log n)。

 

关于二分查找法

二分查找法主要是解决在“一堆数中找出指定的数”这类问题。

而想要应用二分查找法,这“一堆数”必须有一下特征:

  • 存储在数组中
  • 有序排列

所以如果是用链表存储的,就无法在其上应用二分查找法了。(曽在面试被问二分查找法可以什么数据结构上使用:数组?链表?)

至于是顺序递增排列还是递减排列,数组中是否存在相同的元素都不要紧。不过一般情况,我们还是希望并假设数组是递增排列,数组中的元素互不相同

 

二分查找法的基本实现

二分查找法在算法家族大类中属于“分治法”,分治法基本都可以用递归来实现的,二分查找法的递归实现如下:

int bsearch(int array[], int low, int high, int target)
{
if (low > high) return -1;

int mid = (low + high)/2;
if (array[mid]> target)
return binarysearch(array, low, mid -1, target);
if (array[mid]< target)
return binarysearch(array, mid+1, high, target);

//if (midValue =http://www.cnblogs.com/ider/archive/2012/04/01/= target)
return mid;
}

 

不过所有的递归都可以自行定义stack来解递归,所以二分查找法也可以不用递归实现,而且它的非递归实现甚至可以不用栈,因为二分的递归其实是尾递归,它不关心递归前的所有信息。

int bsearchWithoutRecursion(int array[], int low, int high, int target)
{
while(low <= high)
{
int mid = (low + high)/2;
if (array[mid] > target)
high = mid - 1;
else if (array[mid] < target)
low = mid + 1;
else //find the target
return mid;
}
//the array does not contain the target
return -1;
}

 

只用小于比较(<)实现二分查找法

在前面的二分查找实现中,我们既用到了小于比较(<)也用到了大于比较(>),也可能还需要相等比较(==)。

而实际上我们只需要一个小于比较(<)就可以。因为错逻辑上讲a>b和b<a应该是有相当的逻辑值;而a==b则是等价于 !((a<b)||(b<a)),也就是说a既不小于b,也不大于b。

当然在程序的世界里, 这种关系逻辑其实并不是完全正确。另外,C++还允许对对象进行运算符的重载,因此开发人员完全可以随意设计和实现这些关系运算符的逻辑值。

不过在整型数据面前,这些关系运算符之间的逻辑关系还是成立的,而且在开发过程中,我们还是会遵循这些逻辑等价关系来重载关系运算符。

干嘛要搞得那么羞涩,只用一个关系运算符呢?因为这样可以为二分查找法写一个template,又能减少对目标对象的要求。模板会是这样的:

 

template <typename T, typename V>
inline int BSearch(T& array, int low, int high, V& target)
{
while(!(high < low))
{
int mid = (low + high)/2;
if (target < array[mid])
high = mid - 1;
else if (array[mid] < target)
low = mid + 1;
else //find the target
return mid;
}
//the array does not contain the target
return -1;
}

我们只需要求target的类型V有重载小于运算符就可以。而对于V的集合类型T,则需要有[]运算符的重载。当然其内部实现必须是O(1)的复杂度,否则也就失去了二分查找的效率。

 

用二分查找法找寻边界值

之前的都是在数组中找到一个数要与目标相等,如果不存在则返回-1。我们也可以用二分查找法找寻边界值,也就是说在有序数组中找到“正好大于(小于)目标数”的那个数。

用数学的表述方式就是:

     在集合中找到一个大于(小于)目标数t的数x,使得集合中的任意数要么大于(小于)等于x,要么小于(大于)等于t。

 

举例来说:

给予数组和目标数

int array = {
   2, 3, 5, 7, 11, 13, 17};
int target = 7;

那么上界值应该是11,因为它“刚刚好”大于7;下届值则是5,因为它“刚刚好”小于7。

用二分查找法找寻上届

//Find the fisrt element, whose value is larger than target, in a sorted array 
int BSearchUpperBound(int array[], int low, int high, int target)
{
//Array is empty or target is larger than any every element in array
if(low > high || target >= array[high]) return -1;

int mid = (low + high) / 2;
while (high > low)
{
if (array[mid] > target)
high = mid;
else
low = mid + 1;

mid = (low + high) / 2;
}

return mid;
}

与精确查找不同之处在于,精确查找分成三类:大于小于等于(目标数)。而界限查找则分成了两类:大于不大于

如果当前找到的数大于目标数时,它可能就是我们要找的数,所以需要保留这个索引,也因此if (array[mid] > target)时 high=mid; 而没有减1。

用二分查找法找寻下届

//Find the last element, whose value is less than target, in a sorted array 
int BSearchLowerBound(int array[], int low, int high, int target)
{
//Array is empty or target is less than any every element in array
if(high < low || target <= array[low]) return -1;

int mid = (low + high + 1) / 2; //make mid lean to large side
while (low < high)
{
if (array[mid] < target)
low = mid;
else
high = mid - 1;

mid = (low + high + 1) / 2;
}

return mid;
}

下届寻找基本与上届相同,需要注意的是在取中间索引时,使用了向上取整。若同之前一样使用向下取整,那么当low == high-1,而array[low] 又小于 target时就会形成死循环。因为low无法往上爬超过high。

 

这两个实现都是找严格界限,也就是要大于或者小于。如果要找松散界限,也就是找到大于等于或者小于等于的值(即包含自身),只要对代码稍作修改就好了:

去掉判断数组边界的等号:

target >= array[high]改为 target > array[high]

在与中间值的比较中加上等号:

array[mid] > target改为array[mid] >= target

 

用二分查找法找寻区域

之前我们使用二分查找法时,都是基于数组中的元素各不相同。假如存在重复数据,而数组依然有序,那么我们还是可以用二分查找法判别目标数是否存在。不过,返回的index就只能是随机的重复数据中的某一个。

此时,我们会希望知道有多少个目标数存在。或者说我们希望数组的区域。

结合前面的界限查找,我们只要找到目标数的严格上届和严格下届,那么界限之间(不包括界限)的数据就是目标数的区域了。

 

//return type: pair<int, int>
//the fisrt value indicate the begining of range,
//the second value indicate the end of range.
//If target is not find, (-1,-1) will be returned
pair<int, int> SearchRange(int A[], int n, int target)
{
pair<int, int> r(-1, -1);
if (n <= 0) return r;

int lower = BSearchLowerBound(A, 0, n-1, target);
lower = lower + 1; //move to next element

if(A[lower] == target)
r.first = lower;
else //target is not in the array
return r;

int upper = BSearchUpperBound(A, 0, n-1, target);
upper = upper < 0? (n-1):(upper - 1); //move to previous element

//since in previous search we had check whether the target is
//in the array or not, we do not need to check it here again
r.second = upper;

return r;
}

它的时间复杂度是两次二分查找所用时间的和,也就是O(log n) + O(log n),最后还是O(log n)。

 

在轮转后的有序数组上应用二分查找法

之前我们说过二分法是要应用在有序的数组上,如果是无序的,那么比较和二分就没有意义了。

不过还有一种特殊的数组上也同样可以应用,那就是“轮转后的有序数组(Rotated Sorted Array)”。它是有序数组,取期中某一个数为轴,将其之前的所有数都轮转到数组的末尾所得。比如{7, 11, 13, 17, 2, 3, 5}就是一个轮转后的有序数组。非严格意义上讲,有序数组也属于轮转后的有序数组——我们取首元素作为轴进行轮转。

下边就是二分查找法在轮转后的有序数组上的实现(假设数组中不存在相同的元素)

 

int SearchInRotatedSortedArray(int array[], int low, int high, int target) 
{
while(low <= high)
{
int mid = (low + high) / 2;
if (target < array[mid])
if (array[mid] < array[high])//the higher part is sorted
high = mid - 1; //the target would only be in lower part
else //the lower part is sorted
if(target < array[low])//the target is less than all elements in low part
low = mid + 1;
else
high = mid - 1;

else if(array[mid] < target)
if (array[low] < array[mid])// the lower part is sorted
low = mid + 1; //the target would only be in higher part
else //the higher part is sorted
if (array[high] < target)//the target is larger than all elements in higher part
high = mid - 1;
else
low = mid + 1;
else //if(array[mid] == target)
return mid;
}

return -1;
}

对比普通的二分查找法,为了确定目标数会落在二分后的那个部分,我们需要更多的判定条件。但是我们还是实现了O(log n)的目标。

 

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效率却是O(n2)。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,自能高效的(O(log n))构建有序元素集合,又能如同二分查找法一样快速的搜寻目标数。

    原文作者:与你相约
    原文地址: https://blog.csdn.net/jinhongdu/article/details/8067121
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞