二分查找(上)

也叫折半查找算法

思考

假设我们有1000万个整数数据,每个数据占8个字节,如何设计数据结构和算法,快速判断某个整数是否出现在这1000万个数据中?占用内存最多不要超过100MB。

二分思想

如果从有1000个元素的有序数组找某一个元素,每次取中间(如果是偶数个就-1)的数,判断是大于、小于或等于就直接找到,这样就确定了目标元素的范围,在缩小后的范围中按这样的方式一直找下去,
1000/2=500/2=250/2=125-1 /2=62/2=31-1 /2=15-1 /2=7-1 /2=3-1 /2=1,
这样最多不超过10次就可以找到目标元素。
这就是二分思想。

O(logn)的时间复杂度

假设数据大小为n,每次查找后数据都会缩小为原来的一半,最坏情况下,知道查找区间被缩小为空才停止。

n, n/2, n/4, n/8, ... , n/2^k, ...

当 n/2^k=1 时,k的值就是总共缩小的次数。每一次缩小操作只涉及两个数据的大小比较,所以,经过了k次区间缩小操作,时间复杂度就是O(k)。
通过 n/2^k=1,可以得到 k = ㏒(2)n,所以时间复杂度为O(logn)。

这样即使数据量很大,实际 logn 也会非常小。某些时候甚至比 O(1) 还要快。我们在用 O(1) 表示常数时间复杂度的时候,实际上是省略了常数、系数和低阶,O(1) 也有可能是一个非常大的常亮值,比如 O(1000), O(10000),这样有时候就还没有 O(logn) 时间复杂度高。

递归与非递归简单实现

非递归
def binary_search(array, value):
    low = 0
    high = len(array) - 1
    while low <= high:
        mid = low + (high-low)>>1
        if array[mid] == value:
            return mid
        elif array[mid] < value:
            low = mid + 1
        else:
            high = mid - 1

    return -1
递归
def binary_search(array, low, high, value):
    if low > high: 
        return -1
    mid = low + ((high-low)>>1)
    if array[mid] == value:
        return mid
    elif array[mid] < value:
        return bsearch(array, mid+1, high, value)
    else:
        return bsearch(array, low, mid-1, value)

二分查找的局限性

  1. 数据必须是顺序表结构,像数组这样支持随机存储,可以通过下标直接访问元素,如果是链表这样的,每次通过下标获取元素的时间复杂度都是O(n)效率就很低了。
  2. 其次必须是有序数据,如果没有序,先进行排序最低时间复杂度是O(nlogn),如果数据频繁的插入、删除,每次都要先排序的话,成本也不低,所以最好数据没有频繁的插入、删除,是一组景静态数据。
  3. 数据量太小也没有意义,直接顺序遍历就够了。
  4. 数据量太大也不行,应为要读取到数组中,而数组这样的数据结构为了支持随机访问,需要内存空间连续。如果我们有1GB的数据的话,那么读取到内存中需要1GB的内存空间,而且必须是连续的,这就非常苛刻了。

总结

二分查找通过每次取中间元素对比,缩半区间,使得性能非常优秀。但是应用场景也特别有限。

来自 https://leejnull.github.io/2020/03/03/2020-03-03-01/

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 151,688评论 1 330
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 64,559评论 1 273
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 101,749评论 0 226
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 42,581评论 0 191
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 50,741评论 3 271
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 39,684评论 1 192
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,122评论 2 292
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,847评论 0 182
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,441评论 0 228
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,939评论 2 232
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,333评论 1 242
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,783评论 2 236
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,275评论 3 220
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,830评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,444评论 0 180
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 34,553评论 2 249
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 34,618评论 2 249

推荐阅读更多精彩内容