经典算法之索引查找

简介: 经典算法之索引查找

在这里插入图片描述

前言:
✌ 作者简介:游坦之 ✌
🏆 大学软件工程在读,希望学到真本领,经世致用 🏆
📫 如果文章知识点有错误的地方,请指正!和大家一起学习,一起进步👀
💬 人生格言:成好人,行好事,做儒猿💬
🔥 如果感觉博主的文章还不错的话,还请👍关注、点赞、收藏三连支持👍一下博主哦

@TOC

索引查找

在这里插入图片描述

什么是索引查找

​ 索引查找是在索引表和主表进行的查找,存储结构是线性表。索引查找是将表分成几块,并且块内无序,块间有序;先确定待查记录所在的块,再在块内查找。

算法实现

1、用数组存放待查记录,每个数据元素至少含有关键字域

2、建立索引表,每个索引表结点含有最大关键字域和指向本快第一个结点的指针,例如下图。

在这里插入图片描述

举个栗子

​ 对下图查找13,首先现在索引表(最大关键字表)里面查找,因为这个是有序的,第n+1总是比第n块里的所有元素要大。

​ 13是小于18而大于8的,所以如果13在这个表里面,他只可能存在于18该分块中。

​ 于是在18分块,也就是坐标4-8中进行顺序查找,查找了三次找到了13,也就是说总共查找了2+3次。

​ 因此,平均查找长度为ASLbc = Lb + Lc;

​ Lb:查找索引表确定所在块的平均查找长度。

​ Lc:在块中查找元素的平均查找长度。

伪代码

//用数组表示
int a[M][M] = {{8,0},{18,4},{2022,8}};
int b[M] = {8,1,4,7,18,17,13,16,2022,2019,2021,2020};
int key;
int n;//索引表的元素个数
int m;//块中的元素个数
for(int i=0;i<n;i++)
{
    if(key<a[i][0])
    {
        for(int j = a[i][1];j<a[i][1]+m;j++ )
        {
            if(b[j] == key)
            {
                cout<<j<<endl;
                break;
            }
        }
        break;
    }
    
}

实战演练

用程序实现在{8,1,4,7,18,17,13,16,2022,2019,2021,2020}里面查找13的过程。

#include <iostream>
using namespace std;
int n = 3;
int m = 4;
int a[3][2] = {{8,0},{18,4},{2022,8}};
int b[12] = {8,1,4,7,18,17,13,16,2022,2019,2021,2020};
int key = 13;
int length = 0;
int main()
{
    
    for(int i=0;i<n;i++)
    {
        if(a[i][0]>key)
        {
            for(int j=a[i][1];j<a[i][1]+m;j++)
            {
                if(b[j] == 0)
                {
                    break;
                }else{
                    if(b[j] == key)
                    {
                        length = j-a[i][1] + i + 2;
                        cout<<j<<endl;
                    }
                }
            }
            break;
        }
    }
    cout<<"平均查找长度为:"<<length<<endl; 
    return 0;
 } 

效果图:
在这里插入图片描述

✨$\textcolor{blue}{原创不易,还希望各位大佬支持一下}$ <br/>
👍 $\textcolor{green}{点赞,你的认可是我创作的动力!}$ <br/>
⭐️ $\textcolor{green}{收藏,你的青睐是我努力的方向!}$ <br/>
✏️ $\textcolor{green}{评论,你的意见是我进步的财富!}$ <br/>

在这里插入图片描述

相关文章
|
2月前
|
存储 算法 关系型数据库
深入理解InnoDB索引数据结构和算法
1. **索引定义**:索引是提升查询速度的有序数据结构,帮助数据库系统快速找到数据。 2. **索引类型**:包括普通索引、唯一索引、主键索引、空间索引和全文索引,每种有特定应用场景。 3. **数据结构**:InnoDB使用B+树作为索引结构,确保所有节点按顺序排列,降低查询时的磁盘I/O。 4. **B+树特性**:所有数据都在叶子节点,非叶子节点仅存储索引,提供高效范围查询。 5. **索引优势**:通过减少查找数据所需的磁盘I/O次数,显著提高查询性能。 **总结:**InnoDB索引通过B+树结构,优化了数据访问,使得查询速度快,尤其适合大数据量的场景。
49 0
深入理解InnoDB索引数据结构和算法
|
7月前
|
算法 索引
|
10月前
|
存储 算法 数据库
经典算法学习之-----顺序查找,折半查找,索引查找(二)
经典算法学习之-----顺序查找,折半查找,索引查找(二)
144 0
|
4月前
|
JavaScript 算法 前端开发
TypeScript算法专题 - blog2 - 单链表节点的索引、结点删除与链表反转
TypeScript算法专题 - blog2 - 单链表节点的索引、结点删除与链表反转
31 0
|
10月前
|
算法 Java 索引
经典算法学习之-----顺序查找,折半查找,索引查找(三)
经典算法学习之-----顺序查找,折半查找,索引查找(三)
33 0
|
10月前
|
算法 索引
二分查找算法&最靠左索引&最靠右索引详解与优化:图文全解+代码详注+思路分析(二)
二分查找算法&最靠左索引&最靠右索引详解与优化:图文全解+代码详注+思路分析
73 0
|
10月前
|
算法 索引
二分查找算法&最靠左索引&最靠右索引详解与优化:图文全解+代码详注+思路分析(一)
二分查找算法&最靠左索引&最靠右索引详解与优化:图文全解+代码详注+思路分析
147 0
|
5月前
|
算法 索引 Python
如何实现二分查找算法? 要求:编写一个Python函数,输入一个有序列表和一个目标值,返回目标值在列表中的索引。如果目标值不在列表中,返回-1。
如何实现二分查找算法? 要求:编写一个Python函数,输入一个有序列表和一个目标值,返回目标值在列表中的索引。如果目标值不在列表中,返回-1。
|
10月前
|
数据采集 算法 索引
转:文本索引算法在企业文档管理系统中具有的稳定性、优势和应用场景
经过多年的研究和实践,一些成熟的文本索引算法如倒排索引已经被广泛应用并被证明是稳定可靠的。这些算法经过了大量的测试和优化,并且在各种场景下都能提供一致性的性能和准确的搜索结果。此外,索引数据的备份和复制等措施可以进一步提高稳定性,确保索引数据的持久性和可恢复性。
59 1
|
10月前
|
存储 机器学习/深度学习 人工智能
经典算法学习之-----索引查找
经典算法学习之-----索引查找
29 0