-
Java 查找算法
1 查找算法介绍
在 java 中，我们常用的查找有四种:
1) 顺序(线性)查找
2) 二分查找/折半查找
3) 插值查找
4) 斐波那契查找
2 线性查找算法
有一个数列： {1,8, 10, 89, 1000, 1234} ，判断数列中是否包含此名称【顺序查找】 要求: 如果找到了，就提
示找到，并给出下标值。
代码实现：
package com.lin.search_0303;
public class SeqSearch {
public static void main(String[] args) {
int arr[] = {1,2,7,3,4,5,6,7,7,455,454,-1,7};
int index = seqSearch(arr, -1);
if(index == -1) {
System.out.println("没有找到该数字！");
} else {
System.out.println("找到了，下标为：" + index);
}
String find = seqSearchAll(arr, 7);
if(find.equals("kong")) {
System.out.println("没有找到！");
} else {
System.out.println(find);
}
}
// 找到一个就返回
public static int seqSearch(int[] arr, int value) {
for (int i = 0; i < arr.length; i++) {
if(value == arr[i])
return i;
}
return -1;
}
// 查找多个
public static String seqSearchAll(int[] arr, int value) {
String resString = "";
for (int i = 0; i < arr.length; i++) {
if(value == arr[i]) {
resString += i + " ";
}
}
if(!resString.isEmpty()) {
return resString;
} else {
return "kong";
}
}
}
3 二分查找算法
3.1二分查找：
请对一个有序数组进行二分查找 {1,8, 10, 89, 1000, 1234} ，输入一个数看看该数组是否存在此数，并且求出下
标，如果没有就提示"没有这个数"。
3.2二分查找算法的思路
3.3二分查找的代码
说明：增加了找到所有的满足条件的元素下标:
课后思考题： {1,8, 10, 89, 1000, 1000，1234} 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 1000
package com.lin.search_0303;
import java.util.ArrayList;
import java.util.List;
public class BinarySearch {
public static void main(String[] args) {
int arr[] = { 1, 8, 10, 89, 1000, 1234 ,1234, 1234};
int index = binarySearch(arr, 0, arr.length-1, 0);
System.out.println(index);
ArrayList<Integer> resList = binarySearchAll(arr, 0, arr.length-1, 12342);
if(resList.size()!=0) {
for (Integer integer : resList) {
System.out.println(integer);
}
} else {
System.out.println("没有找到");
}
}
/**
*
* @Description:二分查找
* @author LinZM
* @date 2021-3-3 21:38:42
* @version V1.8
* @param arr 数组
* @param left 左边索引
* @param right 右边索引
* @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，说明递归整个数组都没有找到该值
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) {
return binarySearch(arr, left, mid-1, findVal);
} else{
return mid;
}
}
// 可以找到多个相同的值，同时返回下标
public static ArrayList<Integer> binarySearchAll(int[] arr, int left, int right, int findVal) {
// 当left>right时，说明递归整个数组都没有找到该值
if(left>right) {
return new ArrayList<Integer>();
}
int mid = (left+right)/2;
int midVal = arr[mid];
if(findVal > midVal) { // 向右递归
return binarySearchAll(arr, mid+1, right, findVal);
} else if(findVal < midVal) {
return binarySearchAll(arr, left, mid-1, findVal);
} else{
ArrayList<Integer> resIndex = new ArrayList<Integer>();
int temp = mid-1;
while(true) {
if(temp < 0 || arr[temp] != findVal) {
break;
}
resIndex.add(temp);
temp -= 1;
}
resIndex.add(mid);
temp = mid+1;
while(true) {
if(temp > arr.length-1 || arr[temp] != findVal) {
break;
}
resIndex.add(temp);
temp += 1;
}
return resIndex;
}
}
}
4 插值查找算法
1) 插值查找原理介绍:
插值查找算法类似于二分查找，不同的是插值查找每次从自适应 mid 处开始查找。
2) 将折半查找中的求 mid 索引的公式 , low 表示左边索引 left, high 表示右边索引 right.
key 就是前面我们讲的 findVal
3) int mid = low + (high - low) * (key - arr[low]) / (arr[high] - arr[low]) ;/*插值索引*/
对应前面的代码公式：
int mid = left + (right – left) * (findVal – arr[left]) / (arr[right] – arr[left])
4) 举例说明插值查找算法 1-100 的数组
4.1插值查找应用案例：
请对一个有序数组进行插值查找 {1,8, 10, 89, 1000, 1234} ，输入一个数看看该数组是否存在此数，并且求出下
标，如果没有就提示"没有这个数"。
代码实现:
package com.lin.search_0303;
import java.util.Arrays;
public class InsertValueSearch {
public static void main(String[] args) {
int[] arr = new int[100];
for (int i = 0; i < arr.length; i++) {
arr[i] = i+1;
}
System.out.println(Arrays.toString(arr));
int insertValueSearch = insertValueSearch(arr, 0, arr.length-1, 1);
System.out.println(insertValueSearch);
}
// 插值查找
public static int insertValueSearch(int[] arr, int left, int right, int findVal) {
if(left > right || findVal < arr[0] || findVal > arr[arr.length-1]) {
return -1;
}
int mid = left + ( right - left ) * ( (findVal - arr[left] ) / ( arr[right] - arr[left] ) );
int midVal = arr[mid];
if(findVal > midVal) {
return insertValueSearch(arr, mid+1, right, findVal);
} else if(findVal < midVal) {
return insertValueSearch(arr, left, mid-1, findVal);
} else {
return mid;
}
}
}
4.2插值查找注意事项：
1) 对于数据量较大，关键字分布比较均匀的查找表来说，采用插值查找, 速度较快.
2) 关键字分布不均匀的情况下，该方法不一定比折半查找要好
5 斐波那契(黄金分割法)查找算法
5.1斐波那契(黄金分割法)查找基本介绍:
1) 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。
2) 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
5.2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：
1) 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
2) 类似的，每一子段也可以用相同的方式分割
3) 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，由以下代码得到,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。
while(n>fib(k)-1)
k++;
5.3斐波那契查找应用案例：
请对一个有序数组进行斐波那契查找 {1,8, 10, 89, 1000, 1234} ，输入一个数看看该数组是否存在此数，并且求
出下标，如果没有就提示"没有这个数"。
代码实现:
package com.lin.search_0303;
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(fibSearch(arr, 10));
}
// mid = low + F(k-1)-1
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;
}
// 查找算法
public static int fibSearch(int[] arr, int key) {
int low = 0;
int high = arr.length-1;
int k = 0; // 斐波那契分割数值的下标
int mid = 0;
int f[] = fib();
// 获取k
while(high > f[k] - 1) {
k++;
}
// 因为f[k]值可能大于arr的长度，因此要构造一个新的数组，并指向arr[]
// 不足的部分会使用0填充
int[] temp = Arrays.copyOf(arr, f[k]);
// 实际上需要使用arr数组最后的数填充temp
for (int i = high+1; i < temp.length; i++) {
temp[i] = arr[high];
}
while(low <= high) {
mid = low + f[k-1] - 1;
if(key < temp[mid]) {
high = mid - 1;
//f[k] = f[k-1] + f[k-2]
//前面有k-1个元素所以
// f[k-1] = f[k-2]+f[k-3]
k--;
} else if(key > temp[mid]) {
low = mid + 1;
//f[k] = f[k-1] + f[k-2]
//后面有k-2个元素所以
// f[k-1] = f[k-3]+f[k-4]
k -= 2;
} else {
if(mid <= high) {
return mid;
} else {
return high;
}
}
}
return -1;
}
}
原文：https://www.cnblogs.com/linzm14/p/14493777.html
最新更新
python爬虫及其可视化
使用python爬取豆瓣电影短评评论内容
nodejs爬虫
Python正则表达式完全指南
爬取豆瓣Top250图书数据
shp 地图文件批量添加字段
爬虫小试牛刀（爬取学校通知公告）
【python基础】函数-初识函数
【python基础】函数-返回值
HTTP请求：requests模块基础使用必知必会
SQL SERVER中递归
2个场景实例讲解GaussDB(DWS)基表统计信息估
常用的 SQL Server 关键字及其含义
动手分析SQL Server中的事务中使用的锁
openGauss内核分析：SQL by pass & 经典执行
一招教你如何高效批量导入与更新数据
天天写SQL，这些神奇的特性你知道吗？
openGauss内核分析：执行计划生成
[IM002]Navicat ODBC驱动器管理器 未发现数据
初入Sql Server 之 存储过程的简单使用
uniapp/H5 获取手机桌面壁纸 (静态壁纸）
[前端] DNS解析与优化
为什么在js中需要添加addEventListener（）？
JS模块化系统
js通过Object.defineProperty() 定义和控制对象
这是目前我见过最好的跨域解决方案！
减少回流与重绘
减少回流与重绘
如何使用KrpanoToolJS在浏览器切图
performance.now() 与 Date.now() 对比