一、什么是二分查找?
二分查找针对的是一个有序的数据集合,每次通过跟区间中间的元素对比,将待查找的区间缩小为之前的一半,直到找到要查找的元素,或者区间缩小为0。
二、时间复杂度分析?
1.时间复杂度
假设数据大小是n,每次查找后数据都会缩小为原来的一半,最坏的情况下,直到查找区间被缩小为空,才停止。所以,每次查找的数据大小是:n,n/2,n/4,…,n/(2^k),…,这是一个等比数列。当n/(2^k)=1时,k的值就是总共缩小的次数,也是查找的总次数。而每次缩小操作只涉及两个数据的大小比较,所以,经过k次区间缩小操作,时间复杂度就是O(k)。通过n/(2^k)=1,可求得k=log2n,所以时间复杂度是O(logn)。
2.认识O(logn)
①这是一种极其高效的时间复杂度,有时甚至比O(1)的算法还要高效。为什么?
②因为logn是一个非常“恐怖“的数量级,即便n非常大,对应的logn也很小。比如n等于2的32次方,也就是42亿,而logn才32。
③由此可见,O(logn)有时就是比O(1000),O(10000)快很多。
三、如何实现二分查找?
1.循环实现
代码实现:
public int bsearch(int[] a, int n, int value) {
int low = 0;
int high = n - 1;
while (low <= high) {
int mid = (low + high) / 2;
if (a[mid] == value) {
return mid;
} else if (a[mid] < value) {
low = mid + 1;
} else {
high = mid - 1;
}
}
return -1;
}
注意事项:
①循环退出条件是:start<=end,而不是start<end。
②mid的取值,使用mid=start + (end - start) / 2,而不用mid=(start + end)/2,因为如果start和end比较大的话,求和可能会发生int类型的值超出最大范围。为了把性能优化到极致,可以将除以2转换成位运算,即start + ((end - start) >> 1),因为相比除法运算来说,计算机处理位运算要快得多。
③start和end的更新:start = mid - 1,end = mid + 1,若直接写成start = mid,end=mid,就可能会发生死循环。
2.递归实现
// 二分查找的递归实现
public int bsearch(int[] a, int n, int val) {
return bsearchInternally(a, 0, n - 1, val);
}
private int bsearchInternally(int[] a, int low, int high, int value) {
if (low > high) return -1;
int mid = low + ((high - low) >> 1);
if (a[mid] == value) {
return mid;
} else if (a[mid] < value) {
return bsearchInternally(a, mid+1, high, value);
} else {
return bsearchInternally(a, low, mid-1, value);
}
}
四、使用条件(应用场景的局限性)
1.二分查找依赖的是顺序表结构,即数组。
2.二分查找针对的是有序数据,因此只能用在插入、删除操作不频繁,一次排序多次查找的场景中。
3.数据量太小不适合二分查找,与直接遍历相比效率提升不明显。但有一个例外,就是数据之间的比较操作非常费时,比如数组中存储的都是长度超过300的字符串,那这是还是尽量减少比较操作使用二分查找吧。
4.数据量太大也不是适合用二分查找,因为数组需要连续的空间,若数据量太大,往往找不到存储如此大规模数据的连续内存空间。
五、课后思考
1.如何在1000万个整数中快速查找某个整数?
①1000万个整数占用存储空间为40MB,占用空间不大,所以可以全部加载到内存中进行处理;
②用一个1000万个元素的数组存储,然后使用快排进行升序排序,时间复杂度为O(nlogn)
③在有序数组中使用二分查找算法进行查找,时间复杂度为O(logn)
2.如何编程实现“求一个数的平方根”?要求精确到小数点后6位?
/**
* 使用二分查找实现平方根函数,要求精确到小数点后6位
*/
public float sqrt_search(float n){
float mid = 0.0f;
if(n < -1e-6){
// 小于0,抛异常
throw new IllegalArgumentException();
}else if(Math.abs(n) >= -1e-6 && Math.abs(n) <= 1e-6){
return mid;
}else{
// 逐次逼近,默认平方根的不会超过n的一半
float high = n / 2.0f;
float low = 0.0f;
while(Math.abs(high - low) > 1e-6){
// 首先找到中间值
mid = low + (high - low) / 2;
float tmp = mid * mid;
// 比较并更新 high和low
if((tmp - n) > 1e-6){
high = mid;
}else if((tmp -n) < -1e-6){
low = mid;
}else{
return mid;
}
}
}
return mid;
}