【摩天大楼平地起】基础篇 09 简述N种查找算法
nontracey 人气:0引言
在开始之前首先可以先思考一下假如没有查找算法会是什么情况？所有数据结构都需要全部遍历一遍，每次都一遍又一遍的查，从本质而言查找算法就是为了提高效率。
经过前人一代又一代的努力，目前的查找算法大致可以分为静态查找和动态查找。从名字上就很容易理解，静态查找通俗而言就是查找的时候数据不变，而动态查找也可以理解为查找的时候数据发生了改变。
所以这就衍生了个推论，即静态查找和动态查找算法不能通用，或者说在静态算法中使用动态算法不划算。
还可以从顺序的维度来划分，可以划分为无序查找和有序查找。当然其中的顺序是相对的，也就是说是依据某个参照物来比是有序或者无序。
平时大多数开发人员所编写的代码基本都是顺序查找，也就是说O(n)操作。
接下去就让我们站在前人的肩膀上，改进一下我们的思路吧。
二分查找
二分查找，平时在工作中应该或多或少都有听说过，这也算是除了顺序查找以外，最容易想到的查找算法了。
核心思路就是不断的除2，直到找到为止，就类似于以前电视节目里面的猜价格，每次猜中间的值。
但是这个算法前提就是给定的数据必须是有序的，如果无序的话，就没有办法决定是选上半截的中间值或是选下半截的中间值了。
在这里贴上一张与顺序查找的对比图：
代码实现：
1 public class BinarySearch
2 {
3 public static int Demo(List<int> data, int key)
4 {
5 int low = 0, mid = 0;
6 int high = data.Count - 1;
7 while (low <= high)
8 {
9 mid = (low + high) / 2;
10 if (data[mid] == key)
11 {
12 return mid;
13 }
14 else if (data[mid] > key)
15 {
16 high = mid - 1;
17 }
18 else if (data[mid] < key)
19 {
20 low = mid + 1;
21 }
22 }
23 return -1;
24 }
25 }
使用场景：
.net已经提供的二分实现：BinarySearch
二分法适用于数据较为连续较为均匀的，如内存地址，索引等
算法复杂度 O(logn)
斐波那契查找
提到斐波那契，具有大学经历的小伙伴一定不会陌生，第一反应肯定就是斐波那契数列，而斐波那契查找可能有些小伙伴就没有听过了。
其实这个查找就是利用了斐波那契的黄金比例来减少分的次数。可以理解为是二分法的一个优化。
ps:没有找到gif，来个png先顶上（捂脸）
从图中可以看到斐波那契查找改变的是如何切分数据的问题。
代码如下：
1 public class FibonacciSearch
2 {
3 public static int Demo(List<int> data, int key)
4 {
5 int low = 0;
6 int high = data.Count - 1;
7
8
9 var myFibonacciSearch = new List<int>(new int[40]);
10 myFibonacciSearch[0] = 0;
11 myFibonacciSearch[1] = 1;
12 for (int i = 2; i < myFibonacciSearch.Count; ++i)
13 {
14 myFibonacciSearch[i] = myFibonacciSearch[i - 1] + myFibonacciSearch[i - 2];
15 }
16
17 int relativePosition = 0;
18 while (data.Count > myFibonacciSearch[relativePosition] - 1)
19 {
20 ++relativePosition;
21 }
22 int[] temp = new int[myFibonacciSearch[relativePosition] - 1];
23 data.CopyTo(temp);
24
25 for (int i = data.Count; i < myFibonacciSearch[relativePosition] - 1; ++i)
26 {
27 temp[i] = data[data.Count - 1];
28 }
29
30 while (low <= high)
31 {
32 int mid = low + myFibonacciSearch[relativePosition - 1] - 1;
33 if (key < temp[mid])
34 {
35 high = mid - 1;
36 relativePosition -= 1;
37 }
38 else if (key > temp[mid])
39 {
40 low = mid + 1;
41 relativePosition -= 2;
42 }
43 else
44 {
45 if (mid < data.Count)
46 {
47 return mid;
48 }
49 else
50 {
51 return data.Count - 1;
52 }
53 }
54 }
55 return -1;
56 }
57 }
算法复杂度 O(logn)
插值查找
这个可能一般的小伙伴没有听过这个查找算法，其实这个算法也是定义了如何去找。
可以类比为查找字典的时候我们找X开头的单词总是会从后面开始找而找B开头的则会从头开始找。
插值查找就是定义了这么一个规则，通过公式 搜索键值 = left + parseInt( ( key - data[left] ) / ( data[right] - data[left] ) )*( right - left ) )
然后不停的切分，直到找到所需要的内容。
下面附上维基百科里提供的JS程序段，感兴趣的可以翻译为自己常用的语言。
1 var interpolationSearch = function(data, key){
2 var left = 0;
3 var right = data.length - 1;
4 var m = 0;
5 while(left <= right){
6 var m = parseInt((right - left)*(key - data[left])/(data[right] - data[left])) + left;
7 if( m < left || m > right)
8 break;
9 if(key < data[m])
10 right = m - 1;
11 else if(key > data[m])
12 left = m + 1;
13 else
14 return m;
15 }
16 return -1;
17 };
18
19 //執行
20 var data = getRandomData();
21 quickSort(data, 0, data.length-1);
22 interpolationSearch(data, 5); // (data, key)
分块查找
顺序查找的增强版，有点桶排序的味道。
分开查找的要求就是分成N块每块内部可以无序但是块与块之间必须有序。
这个就可以利用cpu的并行并发进行查找加速。
如下图所示：
哈希查找
哈希对于各位开发小伙伴一定不陌生，哈希查找目的也很简单就是用空间来换时间。
1) 用给定的哈希函数构造哈希表；
2) 根据选择的冲突处理方法解决地址冲突；
3) 在哈希表的基础上执行哈希查找。
实用场景也很多：
1.文件查找
比如百度网盘秒传功能，适用诸如sha256等哈希算法就可以快速的找到文件是否存在（md5冲突率相对较高，不适合用做文件判重）
2.网络通信（微信消息算法）
数据中组装一个随机的int值然后再组装所需要的参数如id 组装成long，即后半截有序前半截随机，再使用基数对比法，只对比后部分。最终实现数据不重复的情况下查找id
用图解释就是
有点类似于雪花算法的感觉。
树查找
.net提供了教科书式的用法 感兴趣可以自行查看core源码中的SortedDictionary
二叉树的查询性能还行，平均查询是O(Logn),但是最坏的情况会退化为O(n),在二叉树的基础上,
又出来什么AVL,2-3-4,2-3(就是红黑,准确说 红黑树是2-3树的简单高效的实现)等等.
而B/B+平衡树其实是2-3查找树的扩展,在文件系统中好用. 所以树而言,只管用,你自己的实现根本跟不上大佬们的性能.
加载全部内容