本文共 7594 字,大约阅读时间需要 25 分钟。
本人是个新手,写下博客用于自我复习、自我总结。 如有错误之处,请各位大佬指出。 学习资料来源于:尚硅谷
在java中,我们常用的查找有四种:
顺序查找很简单,就是一个一个比较,直接看代码。
所以也很容易看出,这种最简单的方式,在面对很多数据的情况下,效率忽高忽低,也许一次查出,也许最后一次查出。当然需要其他方法。
public class SeqSearch { public static void main(String[] args) { int arr[] = { 1, 9, 11, -1, 34, 89 };// 没有顺序的数组 int index = seqSearch(arr, -11); if(index == -1) { System.out.println("没有找到"); } else { System.out.println("找到,下标为=" + index); } } public static int seqSearch(int[] arr, int value) { // 线性查找是逐一比对,发现有相同值,就返回下标 for (int i = 0; i < arr.length; i++) { if(arr[i] == value) { return i; } } return -1; }}
二分查找的思路分析
//什么时候我们需要结束递归.
也就是说,使用二分查找的前提是 该数组是有序的。
import java.util.ArrayList;import java.util.List;//注意:使用二分查找的前提是 该数组是有序的.public class BinarySearch { public static void main(String[] args) { int arr[] = { 1, 2, 3, 4, 10, 10, 11, 20 }; // int resIndex = binarySearch(arr, 0, arr.length - 1, 1000); // System.out.println("resIndex=" + resIndex); ListresIndexList = binarySearch2(arr, 0, arr.length - 1, 10); System.out.println("resIndexList=" + resIndexList); } /** * @param arr * 数组 * @param left * 左边的索引 * @param right * 右边的索引 * @param findVal * 要查找的值 * @return 如果找到就返回下标,如果没有找到,就返回 -1 */ public static int binarySearch(int[] arr, int left, int right, int findVal) { // 当 left > right 时,说明递归整个数组,但是没有找到 if (left > right) { return -1; } int mid = (left + right) / 2; int midVal = arr[mid]; if (findVal > midVal) { // 向 右递归 return binarySearch(arr, mid + 1, right, findVal); } else if (findVal < midVal) { // 向左递归 return binarySearch(arr, left, mid - 1, findVal); } else { return mid; } } /* * 上面的方法只能找到满足条件的第一个值 * 当一个有序数组中,有多个相同的数值时,如何将所有的数值都查找到?比如这里的 10 * * 思路分析 * 1. 在找到mid 索引值后,不要马上返回 * 2. 向mid 索引值的左边扫描,将所有满足 10 的元素的下标,加入到集合ArrayList * 3. 向mid 索引值的右边扫描,将所有满足 10 的元素的下标,加入到集合ArrayList * 4. 将Arraylist返回 */ public static List binarySearch2(int[] arr, int left, int right, int findVal) { // 当 left > right 时,说明递归整个数组,但是没有找到 if (left > right) { return new ArrayList (); } int mid = (left + right) / 2; int midVal = arr[mid]; if (findVal > midVal) { // 向 右递归 return binarySearch2(arr, mid + 1, right, findVal); } else if (findVal < midVal) { // 向左递归 return binarySearch2(arr, left, mid - 1, findVal); } else { List resIndexlist = new ArrayList (); // 向mid 索引值的左边扫描,将所有满足 10 的元素的下标,加入到集合ArrayList int temp = mid - 1; while (true) { if (temp < 0 || arr[temp] != findVal) { // 退出 break; } // 否则,就temp 放入到 resIndexlist resIndexlist.add(temp); temp -= 1; // temp左移 } resIndexlist.add(mid); // 向mid 索引值的右边扫描,将所有满足 10 的元素的下标,加入到集合ArrayList temp = mid + 1; while (true) { if (temp > arr.length - 1 || arr[temp] != findVal) { // 退出 break; } // 否则,就temp 放入到 resIndexlist resIndexlist.add(temp); temp += 1; // temp右移 } return resIndexlist; } }}
原理介绍:
注意事项:
插值查找算法的 举例说明:
数组 arr = [1, 2, 3, …, 100]
假如需要查找的值是 1
使用二分查找的话,我们需要多次递归,才能找到 1
而使用插值查找算法
int mid = left + (right – left) * (findVal – arr[left]) / (arr[right] – arr[left])即:int mid = 0 + (99 - 0) * (1 - 1)/ (100 - 1) = 0 + 99 * 0 / 99 = 0
比如我们查找的值 100
int mid = 0 + (99 - 0) * (100 - 1) / (100 - 1) = 0 + 99 * 99 / 99 = 0 + 99 = 99
public class InsertValueSearch { public static void main(String[] args) { int arr[] = { 1, 8, 10, 89, 1000, 1000, 1234 }; int index = insertValueSearch(arr, 0, arr.length - 1, 1234); System.out.println("index = " + index); } // 说明:插值查找算法,也要求数组是有序的 /** * @param arr * 数组 * @param left * 左边索引 * @param right * 右边索引 * @param findVal * 查找值 * @return 如果找到,就返回对应的下标,如果没有找到,返回-1 */ public static int insertValueSearch(int[] arr, int left, int right, int findVal) { // 注意:findVal < arr[0] 和 findVal > arr[arr.length - 1] 必须需要 // 否则我们得到的 mid 可能越界 if (left > right || findVal < arr[0] || findVal > arr[arr.length - 1]) { return -1; } // 求出mid, 自适应 int mid = left + (right - left) * (findVal - arr[left]) / (arr[right] - arr[left]); int midVal = arr[mid]; if (findVal > midVal) { // 说明应该向右边递归 return insertValueSearch(arr, mid + 1, right, findVal); } else if (findVal < midVal) { // 说明向左递归查找 return insertValueSearch(arr, left, mid - 1, findVal); } else { return mid; } }}
斐波那契(黄金分割法)查找基本介绍:
黄金分割点是指把一条线段分割为两部分,使其中一部分与全长之比等于另一部分与这部分之比。取其前三位数字的近似值是0.618。由于按此比例设计的造型十分美丽,因此称为黄金分割,也称为中外比。这是一个神奇的数字,会带来意向不大的效果。
斐波那契数列 {1, 1, 2, 3, 5, 8, 13, 21, 34, 55 } 发现斐波那契数列的两个相邻数 的比例,无限接近 黄金分割值0.618
斐波那契(黄金分割法)原理:
斐波那契查找原理与前两种相似,仅仅改变了中间结点(mid)的位置,mid不再是中间或插值得到,而是位于黄金分割点附近,即mid=low+F(k-1)-1(F代表斐波那契数列),如下图所示
对F(k-1)-1的理解:
由斐波那契数列 F[k]=F[k-1]+F[k-2] 的性质,可以得到 (F[k]-1)=(F[k-1]-1)+(F[k-2]-1)+1 。
该式说明:只要顺序表的长度为F[k]-1,则可以将该表分成长度为F[k-1]-1和F[k-2]-1的两段,即如上图所示。从而中间位置为mid=low+F(k-1)-1类似的,每一子段也可以用相同的方式分割
但顺序表长度n不一定刚好等于F[k]-1,所以需要将原来的顺序表长度n增加至F[k]-1。这里的k值只要能使得F[k]-1恰好大于或等于n即可。顺序表长度增加后,新增的位置(从n+1到F[k]-1位置),都赋为n位置的值即可。
import java.util.Arrays;public class FibonacciSearch { public static int maxSize = 20; public static void main(String[] args) { int[] arr = { 1, 8, 10, 89, 1000, 1234 }; System.out.println("index=" + fibSearch(arr, 1000)); } // 因为后面我们mid=low+F(k-1)-1,需要使用到斐波那契数列,因此我们需要先获取到一个斐波那契数列 public static int[] fib() { int[] f = new int[maxSize]; f[0] = 1; f[1] = 1; for (int i = 2; i < maxSize; i++) { f[i] = f[i - 1] + f[i - 2]; } return f; } // 使用非递归的方式编写算法 /** * @param a * 数组 * @param key * 我们需要查找的关键码(值) * @return 返回对应的下标,如果没有-1 */ public static int fibSearch(int[] a, int key) { int low = 0; int high = a.length - 1; int k = 0; // 表示斐波那契分割数值的下标 int mid = 0; // 存放mid值 int f[] = fib(); // 获取到斐波那契数列 // 获取到斐波那契分割数值的下标 while (high > f[k] - 1) { k++; } // 因为 f[k] 值 可能大于 a 的 长度,因此我们需要使用Arrays类,构造一个新的数组,并指向temp[] // 不足的部分会使用0填充 int[] temp = Arrays.copyOf(a, f[k]); // 实际上需求使用a数组最后的数填充 temp // 举例: // temp = {1,8, 10, 89, 1000, 1234, 0, 0} // => // {1,8, 10, 89, 1000, 1234,1234, 1234,} for (int i = high + 1; i < temp.length; i++) { temp[i] = a[high]; } // 使用while来循环处理,找到数 key while (low <= high) { // 只要这个条件满足,就可以找 mid = low + f[k - 1] - 1; if (key < temp[mid]) { // 我们应该继续向数组的前面查找(左边) high = mid - 1; // 为什么是 k-- // 说明 // 1. 全部元素 = 前面的元素 + 后边元素 // 2. f[k] = f[k-1] + f[k-2] // 因为 前面有 f[k-1]个元素,所以可以继续拆分 f[k-1] = f[k-2] + f[k-3] // 即 在 f[k-1] 的前面继续查找 k-- // 即下次循环 mid = f[k-1-1]-1 k--; } else if (key > temp[mid]) { // 我们应该继续向数组的后面查找(右边) low = mid + 1; // 为什么是k -=2 // 说明 // 1. 全部元素 = 前面的元素 + 后边元素 // 2. f[k] = f[k-1] + f[k-2] // 3. 因为后面我们有f[k-2] 所以可以继续拆分 f[k-1] = f[k-3] + f[k-4] // 4. 即在f[k-2] 的前面进行查找 k -=2 // 5. 即下次循环 mid = f[k - 1 - 2] - 1 k -= 2; } else { // 找到 // 需要确定,返回的是哪个下标 if (mid <= high) { return mid; } else { return high; } } } return -1; }}
转载地址:http://aayki.baihongyu.com/