二分查找的一种改进-拉格朗日插值查找法

简介: 二分查找的一种改进-拉格朗日插值查找法

引言

二分查找算法是比较早期时候接触到的算法,这种算法有两个要求,一个是要求是顺序存储结构,其实就是数组,另一个是要查找的表要按照大小有序排列。

代码讨论

轻量级查找

我们先看下最基础的查找,基本思想就是从一个数组上面挨个找,找到了就返回:

 public static int find_v1(int[] arr, int targetValue) {
        int targetIndex = -1;
        int times = 0;
        for (int i = 0; i < arr.length; i++) {
            times++;
            if (arr[i] == targetValue) {
                targetIndex = i;
                break;
            }
        }

        if (targetIndex != -1) {
            System.out.println("find_v1找到目标值下标:arr[" + targetIndex + "]=" + targetValue + ",查找次数为:" + times);
        } else {
            System.out.println("find_v1没有找到值");
        }
        return targetIndex;
    }

二分法的引入

二分法的思想是把数据一分为二,因为数组上面的数据其实是有序的,所以可以提前判断要找的目标数据是在前半段还是后半段:

public static int find_v2(int[] arr, int targetValue) {
        int targetIndex = -1;
        int times = 0;
        int low = 0;
        int high = arr.length - 1;
        while (low <= high) {
            times++;
            int mid = low+(high - low) / 2;
            if (arr[mid] == targetValue) {
                targetIndex = mid;
                break;
            } else if(targetValue > arr[mid]){
                low = mid+1;
            }else{
                high = mid-1;
            }
        }
        if (targetIndex != -1) {
            System.out.println("find_v2找到目标值下标:arr[" + targetIndex + "]=" + targetValue + ",查找次数为:" + times);
        } else {
            System.out.println("find_v2没有找到值");
        }
        return targetIndex;
    }

二分查找中的核心就是 int mid = low+(high - low) / 2,low我们可以理解为下界,high是我们查找范围的上界,自然来说high-low其实是我们查找的范围,画图表示其实就是:

我们其实可以把mid表示为mid=low+(high - low) *1/2,在这里1/2只是一个比率,我们其实可以看到目标数据在靠后一点点,不在中间范围内。我们其实可以进一步考虑,这个切割的时候靠中间往后切一点是不是比较合适,更加极端的,我们假如就是237,500的地方,是不是比率直接变成0.8会比较合适。

这个便是我们改进算法的思想,我们求出这个分布的比率,可以进一步缩小查找的范围,关键代码如下,我们是求目标值与全局查找的范围求得我们数据的比率:

double rate=(targetValue-arr[low])*1.0/(arr[high]-arr[low]);
int mid = (int)(low+(high - low)* rate);

完整代码如下:

  public static int find_v3(int[] arr, int targetValue) {
        int targetIndex = -1;
        int times = 0;
        int low = 0;
        int high = arr.length - 1;
        while (low < high) {
            times++;
            double rate=(targetValue-arr[low])*1.0/(arr[high]-arr[low]);
            System.out.printf("rate:%.20f\n",rate);
            int mid = (int)(low+(high - low)* rate);
            System.out.println("high="+high+" low="+low+" mid="+mid);
            if (arr[mid] == targetValue) {
                targetIndex = mid;
                break;
            } else if(targetValue > arr[mid]){
                low = mid+1;
            }else{
                high = mid-1;
            }
        }

        if (targetIndex != -1) {
            System.out.println("find_v3找到目标值下标:arr[" + targetIndex + "]=" + targetValue + ",查找次数为:" + times);
        } else {
            System.out.println("find_v3没有找到值");
        }
        return targetIndex;
    }

三种情况测试对比:

public static void main(String[] args) {
        int[] array = {1, 3, 4, 6, 7, 89, 234, 235, 236, 237, 500, 501, 502, 503, 504};
        System.out.println(Arrays.toString(array));
        System.out.printf("rate:%.20f\n",501*1.0/502);
        searchAll(array,501);
        searchAll(array,502);
        searchAll(array,89);
        searchAll(array,7);

    }

    public static void searchAll(int[] array,int targetValue){
        System.out.println("searchAll begin...");
        find_v1(array, targetValue);
        find_v2(array, targetValue);
        find_v3(array, targetValue);
        System.out.println("searchAll end...");

    }
[1, 3, 4, 6, 7, 89, 234, 235, 236, 237, 500, 501, 502, 503, 504]
rate:0.99800796812749000000
searchAll begin...
find_v1找到目标值下标:arr[11]=501,查找次数为:12
find_v2找到目标值下标:arr[11]=501,查找次数为:2
rate:0.99403578528827040000
high=14 low=0 mid=13
rate:0.99800399201596800000
high=12 low=0 mid=11
find_v3找到目标值下标:arr[11]=501,查找次数为:2
searchAll end...
searchAll begin...
find_v1找到目标值下标:arr[12]=502,查找次数为:13
find_v2找到目标值下标:arr[12]=502,查找次数为:4
rate:0.99602385685884690000
high=14 low=0 mid=13
rate:1.00000000000000000000
high=12 low=0 mid=12
find_v3找到目标值下标:arr[12]=502,查找次数为:2
searchAll end...
searchAll begin...
find_v1找到目标值下标:arr[5]=89,查找次数为:6
find_v2找到目标值下标:arr[5]=89,查找次数为:3
rate:0.17495029821073560000
high=14 low=0 mid=2
rate:0.16666666666666666000
high=14 low=3 mid=4
rate:0.00000000000000000000
high=14 low=5 mid=5
find_v3找到目标值下标:arr[5]=89,查找次数为:3
searchAll end...
searchAll begin...
find_v1找到目标值下标:arr[4]=7,查找次数为:5
find_v2找到目标值下标:arr[4]=7,查找次数为:4
rate:0.01192842942345924400
high=14 low=0 mid=0
rate:0.00798403193612774400
high=14 low=1 mid=1
rate:0.00600000000000000000
high=14 low=2 mid=2
rate:0.00200803212851405600
high=14 low=3 mid=3
rate:0.00000000000000000000
high=14 low=4 mid=4
find_v3找到目标值下标:arr[4]=7,查找次数为:5
searchAll end...


目录
相关文章
|
算法
【算法专题突破】二分查找 - x 的平方根(18)
【算法专题突破】二分查找 - x 的平方根(18)
67 0
|
1月前
|
算法 开发者 索引
二分算法详解
本文介绍了二分查找及其相关问题的解决方法,包括基本的二分查找、查找元素的第一个和最后一个位置、求平方根、搜索插入位置、寻找峰值和旋转数组中的最小值等问题。通过详细分析每种情况下的二分查找策略,如循环条件、区间划分及特殊情况处理,提供了清晰的代码实现。适用于算法初学者和需要巩固二分查找技巧的开发者。
85 18
二分算法详解
|
3月前
|
算法
【算法】二分算法——x的平方根
【算法】二分算法——x的平方根
迭代法解决递推问题:数列和,sinx,ex的近似值
迭代法解决递推问题:数列和,sinx,ex的近似值
113 0
分治法求解中位数
分治法求解中位数
67 0
|
机器学习/深度学习 存储 算法
回溯法求解N皇后问题
回溯法求解N皇后问题
148 0
|
机器学习/深度学习 算法
斐波拉契数列的递推递归求解算法
斐波拉契数列的递推递归求解算法
109 0
|
人工智能 算法
【动态规划】矩阵连乘
完全加括号的矩阵连乘积可递归地定义为: • 单个矩阵是完全加括号的 • 矩阵连乘积A是完全加括号的,则A可表示为2个完全加括号的矩阵连乘积B和C 的乘积并加括号,即A=(BC) 设有四个矩阵A, B, C, D ,它们的维数分别是: A = 50*10 B = 10*40 C = 40*30 D = 30*5 总共有五种完全加括号的方式:
325 0
|
人工智能 算法
排序不等式(贪心)
复习acwing算法基础课的内容,本篇为讲解基础算法:贪心——排序不等式,关于时间复杂度:目前博主不太会计算,先鸽了,日后一定补上。
105 0
排序不等式(贪心)
|
人工智能
Letcode 53. 最大子序和 (动态规划+分治法求解)
Letcode 53. 最大子序和 (动态规划+分治法求解)
128 0