数据结构图文解析之:二分查找及与其相关的几个问题解析

0. 数据结构图文解析系列

数据结构系列文章

数据结构图文解析之:数组、单链表、双链表介绍及C++模板实现

数据结构图文解析之:栈的简介及C++模板实现

数据结构图文解析之:队列详解与C++模板实现

数据结构图文解析之:树的简介及二叉排序树C++模板实现.

数据结构图文解析之:AVL树详解及C++模板实现

数据结构图文解析之:二叉堆详解及C++模板实现

数据结构图文解析之:哈夫曼树与哈夫曼编码详解及C++模板实现

数据结构图文解析之:直接插入排序及其优化(二分插入排序)解析及C++实现

数据结构图文解析之:二分查找及与其相关的几个问题解析

1. 二分查找简介

二分查找大家都不陌生,可以说除了最简单的顺序查找之外,我们第二个接触的查找算法就是二分查找了。顺序查找的时间复杂度是O(n),二分查找的时间复杂度为O(logn)。在面试中二分查找被考察的概率还是比较高的,上次去面试时就遇到手写二分查找的题目。二分查找不难,但我们要能做到准确、快速地写出二分查找的代码,能对二分查找的效率做出分析,还能够将二分查找的思想来解决其他的问题。

1.1 二分查找过程图解

二分查找要求序列本身是有序的。因此对于无序的序列,我们要先对其进行排序。现在我们手头有一有序序列: array[10] = {2,4,5,7,,8,9,13,23,34,45},则二分查找的过程为:

  • 设置三个索引:start指向数组待查范围的起始元素,end指向数组待查范围的最后一个元素,middle=(start+end)/2。开始时待查范围为整个数组。
  • 比较array[middle]与查找元素的大小关系:
    • 如果array[middle]等于查找元素,则查找成功
    • 如果array[middle]大于查找元素,则说明待查元素在数组的前半部分,此时缩小待查范围,令end = middle-1
    • 如果array[middle]小于查找元素,则说明待查元素在数组的后半部分,此时缩小待查范围,令start = middle +1
  • 重复执行前面两步,直到array[middle ] 等于查找元素则查找成功或start>end查找失败。

现在我们在数组{2,4,5,7,,8,9,13,23,34,45}中查找元素23,过程如图:

可见,每一次元素比较都可以把待查范围缩小1/2,因此二分查找的时间复杂度为o(logn)。

1.2 二分查找实现代码

二分查找代码简单,可以递归或迭代地实现。递归容易实现,代码简单,但待查元素数量巨大时,递归深度也随之增大(logn的关系),应考虑是否会发生栈溢出。迭代的实现也不复杂,但我们力求准确简洁。

递归实现

//查找成功时返回查找元素在数组中的下标;查找失败时返回-1
template <typename T>
int BinarySearch(const T array[], int start, int end, const T& value)
{
    if (start>end)
        return -1;
    int middle = (start + end) / 2;
    if (array[middle] == value)
        return middle;
    if (array[middle] < value)
    {
        return BinarySearch(array, middle+1, end, value);
    }
    return BinarySearch(array, start, middle-1, value);
};

迭代实现

template <typename T>
int BinarySearch(const T array[], int start, int end, const T& value)
{
    int result = -1;
    while (start <= end)
    {
        int middle = (start + end) / 2;
        if (array[middle] == value)
        {
            result = middle;
            break;
        }
        if (array[middle] < value)
        {
            start = middle + 1;
        }
        else
            end = middle - 1;
    }
    return result;
}

测试

为了方便用户使用,我们定义一个接口:

//用户使用接口
template <typename T>
int BinarySearch(const T array[], int length, const T& value)
{
    if (array == nullptr || length <= 0)
        return -1;
    return BinarySearch(array, 0, length - 1, value);
}

使用实例:

int _tmain(int argc, _TCHAR* argv[])
{
    int array[10] = { 2, 4, 5, 7, 8, 9, 13, 23, 34, 45 };
    int i;
    while (cin >> i)
    {
        cout << BinarySearch(array, 10, i) << endl;
    }
    return 0;
}

2. 二分查找的应用

2.1 二分插入排序

这是对直接插入排序的一种优化策略,能够有效减少插入排序的比较次数。 直接插入排序的思路是对于无序序列的第一个元素,从后至前进行顺序查找 扫描有序序列寻找合适的插入点。改进后的二分插入排序算法使用二分查找在有序序列中查找插入点,将插入排序的比较次数降为O(log2n)。这个思路的实现代码为:

/*二分查找函数,返回插入下标*/
template <typename T>
int BinarySearch(T array[], int start, int end, T k)
{
    while (start <= end)
    {
        int middle = (start + end) / 2;
        int middleData = array[middle];
        if (middleData > k)
        {
            end = middle - 1;
        }
        else
            start = middle + 1;
    }
    return start;
}
//二叉查找插入排序
template <typename T>
void InsertSort(T array[], int length)
{
    if (array == nullptr || length < 0)
        return;
    int i, j;
    for (i = 1; i < length; i++)
    {
        if (array[i]<array[i - 1])
        {
            int temp = array[i];
            int insertIndex = BinarySearch(array, 0,i, array[i]);//使用二分查找在有序序列中进行查找,获取插入下标
            for (j = i - 1; j>=insertIndex; j--) //移动元素
            {
                array[j + 1] = array[j];  
            }      
            array[insertIndex] = temp;    //插入元素
        }
    }
}

若对插入排序不了解,可以看数据结构图文解析之:直接插入排序及其优化(二分插入排序)解析及C++实现

2.2 旋转数组的最小数字问题

问题描述:把一个数组最开始的若干个元素搬到数组的末尾,我们称为数组的旋转,输入一个递增排序数组的一个旋转,输出旋转数组的最小元素。例如数组{4,5,6,1,2,3}为数组 {1,2,3,4,5,6}的一个旋转,最小旋转元素为1.

解决思路: 寻找数组中最小的元素,我们可以遍历数组,时间复杂度为O(n)。但是借助二分查找的思想,我们能够在O(logn)的时间复杂度内找到最小的元素。旋转数组的特点是数组中两个部分都分别是有序的,以{4,5,6,1,2,3}为例,{4,5,6}是非递减的,{1,2,3}也是非递减的:

我们可以定义两个索引:start指向第一部分的起始位置;end指向第二部分的最后一个元素,如图所示。由于数组在旋转前整体有序,故array[start]>=array[end],而中间值array[middle]满足:

  • 如果array[middle]>array[start] ,则array[middle]属于第一部分。此时令start= middle ;
  • 如果array[middle]<array[start] ,则array[middle]属于第二部分。此时令end = middle ;

循环执行上述操作,当start与end相邻时,end所指便是数组中的最小元素:

end所指元素便是最小元素。 这个寻址的过程有一个隐喻的要求:中间这个元素必须能够判断它是属于第一部分还是第二部分。在有些输入下,这个要求不能满足,例如数组:{0,1,1,1,1},它的两个选择数组为:

  • {1,0,1,1,1}
  • {1,1,1,0,1}

此时因array[middle] == array[start] == array[end] 而无法判断array[middle]属于哪一部分,我们只能进行顺序查找找出最小元素。

如图:

此时无法确定array[middle]是属于第一部分还是第二部分,这种情况下我们需要进行顺序查找。 因此,我们的代码实现为:

//顺序查找函数
int Min(int array[], int length)
{
    int result = array[0];
    for (int i = 1; i < length; i++)
    {
        if (array[i] < result)
            result = array[i];
    }
    return result;
}
 
int MinInRotation(int array[],int length)
{
    int result = -999;
    if (array == nullptr || length < 0)
        return result;
    int start = 0;
    int end = length - 1;
    int middle = start;
    while (start < end)
    {
        if (start + 1 == end)
        {
            result = array[end];
            break;
        }
        middle = (start + end)/2;
        //如果遇上特殊情况,则需要进行顺序查找
        if (array[middle] == array[start] && array[middle] == array[end])
            return Min(array,length); //调用顺序查找函数
        //否则;中间元素属于第一部分
        if (array[middle]>=array[start])
        {
            start = middle;
        }//中间元素属于第二部分
        else if (array[middle] <= array[start])
        {
            end = middle;
        }
    }
    return result;
}

测试代码:

int _tmain(int argc, _TCHAR* argv[])
{
    int array1[6] = { 4, 5, 6, 1, 2, 3 };
    int array2[5] = { 1, 0, 1, 1, 1 };
    int array3[5] = { 1, 1, 1, 0, 1 };
    cout << MinInRotation(array1, 6)<<endl;
    cout << MinInRotation(array2, 5) << endl;
    cout << MinInRotation(array3, 5) << endl;
 
    getchar();
    return 0;
}

运行结果:

1
0
0

2.3 数字在排序数组中出现次数问题

问题描述:统计一个数组在排序数组中出现的次数。例如输入排序数组{1,2,3,3,3,3,4,5}和数字3,由于3在数组中出现了4次,因此输出4.

解决思路:假设我们是统计数字k在排序数组中出现的次数,只要找出排序数组中第一个k与最后一个k的下标,就能够计算出k的出现次数。 寻找第一个k时,利用二分查找的思想,我们总是拿k与数组的中间元素进行比较。如果中间元素比k大,那么第一个k只有可能出现在数组的前半段;如果中间元素等于k,我们就需要判断k是否是前半段的第一个k,如果k前面的元素不等于k,那么说明这是第一个k;如果k前面的元素依旧是k,那么说明第一个k在数组的前半段中,我们要继续递归查找。

这个过程的代码:

int getFirstIndex(int array[], int start ,int end, int k)
{
    if (start > end)
        return -1;
    int middle = (start + end) / 2;
    int middleData = array[middle];
    if (middleData == k)
    {
        if (middle == 0 || array[middle - 1] != k)
            return middle;
        else
            end = middle - 1;
    }
    else if (middleData>k)
    {
        end = middle - 1;
    }
    else
        start = middle + 1;
    return getFirstIndex(array, start, end, k);
}

同样的思路,我们在数组中寻找最后一个k,如果中间元素比K大,那么k只能出现在数组的后半段;如果中间元素比K小,那么K只能出现在数组的前半段。如果中间元素等于k,而k后面的元素等于k,那么最后一个k只能在后半段出现;否则k为数组中最后的一个k。

代码如下:

///获取最后一个K的下标
int getLastIndex(int array[], int start,int end,int length, int k)
{
    if (start > end)
        return -1;
    int middle = (start + end) / 2;
    int middleData = array[middle];
    if (middleData == k)
    {
        if (middle == length-1 || array[middle+ 1] != k) //最后一个k
            return middle;
        else
            start = middle + 1;
    }
    else if (middleData>k)
    {
        end = middle - 1;
    }
    else
        start = middle + 1;
    return getLastIndex(array, start, end,length, k);
}

把第一个坐标与最后一个坐标算出来后,我们可以进行元素出现次数的计算:

//计算元素出现个数
int CountKInArray(int array[], int length, int k)
{
    int result=-1;
    if (array != nullptr && length > 0)
    {
        int firstPos = getFirstIndex(array, 0, length - 1, k);
        int lastPos = getLastIndex(array, 0, length - 1, length, k);
        if (firstPos != -1 && lastPos != -1)
        {
            result = lastPos - firstPos+1;
        }
    }
    return result;
}

测试:

int _tmain(int argc, _TCHAR* argv[])
{
    int array[8] = { 1, 2, 3, 3, 3, 4, 5 };
 
    cout << "数组array中数字3出现的次数为:"<<CountKInArray(array, 7, 3) << endl;
    getchar();
    return 0;
}

运行结果:

数组array中数字3出现的次数为:3

原创文章,转载请注明:http://www.cnblogs.com/QG-whz/p/5194627.html

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏lgp20151222

排序算法对比,步骤,改进,java代码实现

发现是时候总结一番算法,基本类型的增删改查的性能对比,集合的串并性能的特性,死记太傻了,所以还是写在代码里,NO BB,SHOW ME THE CODE!

622
来自专栏小詹同学

Leetcode打卡 | No.27 移除元素

欢迎和小詹一起定期刷leetcode,每周一和周五更新一题,每一题都吃透,欢迎一题多解,寻找最优解!这个记录帖哪怕只有一个读者,小詹也会坚持刷下去的!

461
来自专栏技术总结

Hybird App之选择器详解(二)

2196
来自专栏和蔼的张星的图像处理专栏

638. 字符同构哈希映射

给定两个字符串 s 和 t ,确定它们是否是同构的。 两个字符串是同构的如果 s 中的字符可以被替换得到 t。 所有出现的字符必须用另一个字符代替,同时保留...

453
来自专栏GreenLeaves

IE8下不识别indexOf的问题

1、为Array原型添加indexOf方法(如果学过面向对象,相当于给Array类添加实例方法),方法体如下: //添加数组IndexOf方法 if (!Arr...

1976
来自专栏积累沉淀

JavaScript事件

JavaScript事件 对于事件来讲,首先,我们需要了解这样几个概念:事件;事件处理程序;事件类型;事件流;事件冒泡;事件捕获;事件对象;事件模拟,事件方面的...

2076
来自专栏测试开发架构之路

堆和栈的区别

一、预备知识—程序的内存分配          一个由C/C++编译的程序占用的内存分为以下几个部分     1、栈区(stack)— 由编译器自动分配释放,存...

2688
来自专栏前端小叙

动态添加的html元素绑定事件的方法

在js中写好方法名对应的方法就可以了,如果绑定方法的元素太多,可以考虑使用方法二;

704
来自专栏Hongten

HTML DOC

HTML 文档中的所有节点组成了一个文档树(或节点树)。HTML 文档中的每个元素、属性、文本等都代表着树中的一个节点。树起始于文档节点,并由此继续伸出枝条,直...

411
来自专栏深入浅出区块链技术

智能合约语言 Solidity 教程系列5 - 数组介绍

Solidity 是以太坊智能合约编程语言,阅读本文前,你应该对以太坊、智能合约有所了解, 如果你还不了解,建议你先看以太坊是什么

893

扫码关注云+社区