当前位置: 首页 > news >正文

二分查找的理解及应用场景。

一、是什么

在计算机科学中,二分查找算法,也称折半搜索算法,是一种在有序数组中查找某一特定元素的搜索算法

想要应用二分查找法,则这一堆数应有如下特性:

  • 存储在数组中
  • 有序排序

搜索过程从数组的中间元素开始,如果中间元素正好是要查找的元素,则搜索过程结束

如果某一特定元素大于或者小于中间元素,则在数组大于或小于中间元素的那一半中查找,而且跟开始一样从中间元素开始比较,如果在某一步骤数组为空,则代表找不到,这种搜索算法每一次比较都使搜索范围缩小一半。

相比普通的顺序查找,除了数据量很少的情况下,二分查找会比顺序查找更快。

二、如何实现

基于二分查找的实现,如果数据是有序的,并且不存在重复项,实现代码如下:

function BinarySearch(arr, target) {if (arr.length <= 1) return -1// 低位下标let lowIndex = 0// 高位下标let highIndex = arr.length - 1while (lowIndex <= highIndex) {// 中间下标const midIndex = Math.floor((lowIndex + highIndex) / 2)if (target < arr[midIndex]) {highIndex = midIndex - 1} else if (target > arr[midIndex]) {lowIndex = midIndex + 1} else {// target === arr[midIndex]return midIndex}}return -1
}

如果数组中存在重复项,而我们需要找出第一个制定的值,实现则如下:

function BinarySearchFirst(arr, target) {if (arr.length <= 1) return -1// 低位下标let lowIndex = 0// 高位下标let highIndex = arr.length - 1while (lowIndex <= highIndex) {// 中间下标const midIndex = Math.floor((lowIndex + highIndex) / 2)if (target < arr[midIndex]) {highIndex = midIndex - 1} else if (target > arr[midIndex]) {lowIndex = midIndex + 1} else {// 当 target 与 arr[midIndex] 相等的时候,如果 midIndex 为0或者前一个数比 target 小那么就找到了第一个等于给定值的元素,直接返回if (midIndex === 0 || arr[midIndex - 1] < target) return midIndex// 否则高位下标为中间下标减1,继续查找highIndex = midIndex - 1}}return -1
}

实际上,除了有序的数组可以使用,还有一种特殊的数组可以应用,那就是轮转后的有序数组

有序数组即一个有序数字以某一个数为轴,将其之前的所有数都轮转到数组的末尾所得

例如,[4, 5, 6, 7, 0, 1, 2]就是一个轮转后的有序数组

该数组的特性是存在一个分界点用来分界两个有序数组,如下:

分界点有如下特性:

  • 分界点元素 >= 第一个元素
  • 分界点元素 < 第一个元素

代码实现如下:

function search (nums, target) {// 如果为空或者是空数组的情况if (nums == null || !nums.length) {return -1;}// 搜索区间是前闭后闭let begin = 0,end = nums.length - 1;while (begin <= end) {// 下面这样写是考虑大数情况下避免溢出let mid = begin + ((end - begin) >> 1);if (nums[mid] == target) {return mid;}// 如果左边是有序的if (nums[begin] <= nums[mid]) {//同时target在[ nums[begin],nums[mid] ]中,那么就在这段有序区间查找if (nums[begin] <= target && target <= nums[mid]) {end = mid - 1;} else {//否则去反方向查找begin = mid + 1;}//如果右侧是有序的} else {//同时target在[ nums[mid],nums[end] ]中,那么就在这段有序区间查找if (nums[mid] <= target && target <= nums[end]) {begin = mid + 1;} else {end = mid - 1;}}}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哪个部分,我们需要更多的判定条件。

三、应用场景

二分查找法的O(logn)让它成为十分高效的算法。不过它的缺陷却也是比较明显,就在它的限定之上:

  • 有序:我们很难保证我们的数组都是有序的
  • 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),并且数组的存储是需要连续的内存空间,不适合大数据的情况

关于二分查找的应用场景,主要如下:

  • 不适合数据量太小的数列;数列太小,直接顺序遍历说不定更快,也更简单
  • 每次元素与元素的比较是比较耗时的,这个比较操作耗时占整个遍历算法时间的大部分,那么使用二分查找就能有效减少元素比较的次数
  • 不适合数据量太大的数列,二分查找作用的数据结构是顺序表,也就是数组,数组是需要连续的内存空间的,系统并不一定有这么大的连续内存空间可以使用
http://www.lryc.cn/news/317023.html

相关文章:

  • 共创时代,品牌如何做好UGC营销?
  • 华为三层交换机:ACL的基本实验
  • 基于springboot+vue的旅游管理系统
  • 4. git 添加版本标签
  • 2024 PhpStorm激活,分享几个PhpStorm激活的方案
  • 2419. prufer序列(prufer编码,模板题)
  • 鸿蒙Harmony应用开发—ArkTS声明式开发(基础手势:Text)
  • 开源大数据集群部署(十五)Zookeeper集群部署
  • 服务器镜像是什么
  • JWT原理
  • 操作系统:一款纯正的“管理”软件
  • Mac笔记本聚焦SpotLight占用内存太高的 解法
  • C++中.h和.hpp文件有什么区别?
  • MongoDB聚合运算符:$derivative
  • 面试官:如果你现在有20个Spring Boot微服务,如何监视所有这些Spring Boot微服务?
  • 冯诺依曼模型
  • 高低拖延个体的任务决策及执行差异
  • 数据分析Pandas专栏---第十三章<Pandas训练题(初)>
  • Delete `␍`eslint(prettier/prettier) 错误的解决方案
  • 第3周 Python字典、集合刷题
  • 文字校对的首选——爱校对:用户真实反馈汇编
  • Llama-3即将发布:Meta公布其庞大的AI算力集群
  • 【JAVA】Date、LocalDate、LocalDateTime 详解,实践应用
  • 分布式链路追踪(一)SkyWalking(1)介绍与安装
  • 蓝桥杯历年真题省赛之 2016年 第七届 生日蜡烛
  • SCAU 8580 合并链表
  • Docker安装Gitlab
  • 浅淡 C++ 与 C++ 入门
  • 学习和认知的四个阶段,以及学习方法分享
  • Python编程从入门到实践中的一些误区