查找 – 二分查找(Java)
博客说明
文章所涉及的资料来自互联网整理和个人总结,意在于个人学习和经验汇总,如有什么地方侵权,请联系本人删除,谢谢!
介绍
二分查找也称折半查找(Binary Search),它是一种效率较高的查找方法。但是,折半查找要求线性表必须采用顺序存储结构,而且表中元素按关键字有序排列。
过程
首先,假设表中元素是按升序排列,将表中间位置记录的关键字与查找关键字比较,如果两者相等,则查找成功;否则利用中间位置记录将表分成前、后两个子表,如果中间位置记录的关键字大于查找关键字,则进一步查找前一子表,否则进一步查找后一子表。重复以上过程,直到找到满足条件的记录,使查找成功,或直到子表不存在为止,此时查找不成功。
代码
package cn.guizimo.search;
public class BinarySearch {public static void main(String[] args) {int[] arr = {1, 5, 26, 68, 100, 235, 667, 896, 999};
int index = binarySearch(arr, 0, arr.length - 1, 26);
if(index == -1){System.out.println("未找到");
}else {System.out.println("下标为:"+index);
}
}
public static int binarySearch(int[] arr, int left, int right, int value) {if (left > right) {return -1;}
int mid = (right + left) / 2;
int midValue = arr[mid];
if (value > midValue) {return binarySearch(arr, mid + 1, right, value);
} else if (value < midValue) {return binarySearch(arr, left, mid - 1, value);
} else {return mid;}
}
}
优化
将数列中重复的数的下标全部找到
代码
package cn.guizimo.search;
import java.util.ArrayList;
import java.util.List;
public class BinarySearch {public static void main(String[] args) {int[] arr = {1, 5, 26, 26, 26, 26, 68, 100, 235, 667, 896, 999};
List<Integer> arrayList = binarySearch(arr, 0, arr.length - 1, 25);
if (arrayList.size() == 0) {System.out.println("未找到");
} else {System.out.println("下标集为:" + arrayList);
}
}
public static List<Integer> binarySearch(int[] arr, int left, int right, int value) {if (left > right) {return new ArrayList<Integer>();
}
int mid = (left + right) / 2;
int midValue = arr[mid];
if (value > midValue) {return binarySearch(arr, mid + 1, right, value);
} else if (value < midValue) {return binarySearch(arr, left, mid - 1, value);
} else {List<Integer> resIndexList = new ArrayList<Integer>();
int temp = mid - 1;
while (true) {if (temp < 0 || arr[temp] != value) {break;}
resIndexList.add(temp);
temp -= 1;
}
resIndexList.add(mid);
temp = mid + 1;
while (true) {if (temp > arr.length - 1 || arr[temp] != value) {break;}
resIndexList.add(temp);
temp += 1;
}
return resIndexList;
}
}
}
感谢
尚硅谷
百度百科
万能的网络
以及勤劳的自己