【JAVA入门】Day23 - 查找算法

2024-08-21 16:36
文章标签 java 算法 入门 查找 day23

本文主要是介绍【JAVA入门】Day23 - 查找算法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

【JAVA入门】Day23 - 查找算法


文章目录

  • 【JAVA入门】Day23 - 查找算法
    • 一、基本查找
    • 二、二分查找 / 折半查找
    • 三、分块查找


        查找算法我们常用的有:

  • 基本查找
  • 二分查找 / 折半查找
  • 分块查找
  • 插值查找
  • 斐波那契查找
  • 树表查找
  • 哈希查找

        这里我们着重讲解前三种,其他查找方式除了树表查找,都是前三种的扩展。

一、基本查找

131 127 147 81 103 23 7 79

        在一堆数据中找出想要的数据,只需要将它们放入一个容器中,挨个遍历,直到找到想要的数据。

package BasciSeach;public class BasicSearchDemo1 {public static void main(String[] args) {//从0索引开始挨个往后查找//基本查找/顺序查找//数据:{131, 127, 147, 81, 103, 23, 7, 79}//需求:是否存在int[] arr = {131, 127, 147, 81, 103, 23, 7, 79};int num = 18;boolean result = basicSearch(arr, num);System.out.println(result);}//参数://一:数组//二:要查找的元素public static boolean basicSearch(int[] arr, int num) {//利用基本查找number是否在数组中存在for(int i = 0; i < arr.length; i++) {if(arr[i] == num){return true;}}return false;}
}

        利用基本查找,返回元素的索引(不考虑有无重复元素)。

package BasciSeach;public class BasicSearchDemo2 {public static void main(String[] args) {//从0索引开始挨个往后查找//基本查找/顺序查找//数据:{131, 127, 147, 81, 103, 23, 7, 79}//需求:返回索引int[] arr = {131, 127, 147, 81, 103, 23, 7, 79};int num = 7;int index = basicSearch(arr, num);if(index > 0) {System.out.println(index);}else{System.out.println("未找到元素");}}//参数://一:数组//二:要查找的元素public static int basicSearch(int[] arr, int num) {//利用基本查找number是否在数组中存在for(int i = 0; i < arr.length; i++) {if(arr[i] == num){return i;}}return -1;}
}

        利用基本查找,返回元素的所有索引(考虑有重复元素)。

package BasciSeach;import java.util.ArrayList;public class BasicSearchDemo3 {public static void main(String[] args) {//利用基本查找,返回元素的索引(考虑有重复元素)//返回所有索引int[] arr = {131, 127, 147, 81, 103, 23, 7, 81};int num = 81;ArrayList<Integer> list = basicSearch(arr, num);System.out.print("[");for(int i = 0; i < list.size(); i++) {if(i < list.size() - 1) {System.out.print(list.get(i) + ", ");}else{System.out.print(list.get(i));}}System.out.print("]" + "\n");}//心得://如果要返回多个数据的话,可以放入集合中public static ArrayList<Integer> basicSearch(int[] arr, int num) {ArrayList<Integer> list = new ArrayList<>();for(int i = 0 ; i < arr.length; i++) {if(arr[i] == num) {list.add(i);}}return list;}
}

二、二分查找 / 折半查找

        二分查找的数据有前提要求:数据必须是有序的。可以是从小到大排列,也可以是从大到小排列。
        二分查找的核心逻辑就是:每次排除一半的查找范围。因此查找效率比基本查找快很多。
        定义两个变量,min 指向 0 索引,max 指向 最大索引,(max + min)/ 2 可以得到中间的索引 mid。此时看该索引和要查找的数据大小关系,如果它比要查找的数据大,那么该数据所在的范围一定在 mid 索引的左半边,此时可以直接令 max = mid - 1,缩小索引范围;如果它比要查找的数据小,那么该数据所在范围一定在 mid 索引的右半边,此时可以直接令 min = mid + 1,缩小索引范围。重复此流程,直到max == min,此时就能找到所找的数据。如果要被查找的数据不存在,程序就会继续执行刚刚的逻辑,此时会发生 min > max,循环结束。

package BasciSeach;public class BinarySearchDemo1 {public static void main(String[] args) {//二分查找//{7, 23, 79, 81, 103, 127, 131, 147}int[] arr = {7, 23, 79, 81, 103, 127, 131, 147};int number = 81;System.out.println(binarySearch(arr, number));}public static int binarySearch(int[] arr, int number) {//1.定义两个变量记录要查找的范围int min = 0;int max = arr.length - 1;//2.利用循环不断去找要查找的数据while(true) {if(min > max) {System.out.println("要查找的数据不存在!");return -1;}//3.找到min和max的中间位置int mid = (min + max) / 2;//4.拿着mid指向的元素跟要查找的元素进行比较//4.1number在mid左边//4.2number在mid右边//4.3number跟mid指向的元素一样if(arr[mid] > number) {max = mid - 1;}else if(arr[mid] < number) {min = mid + 1;}else if(arr[mid] == number) {return mid;}}}
}

        二分查找最大的优势就是能提高查找的效率,但是它要求数据必须是有序的。
        如果数据是乱序,先排序再使用二分查找得到的索引没有任何意义,只能知道这个数据是否存在。因为排序之后,数字的位置可能就发生变化了,新的索引没有参考价值。
        二分查找的效率其实可以进一步优化,将 mid 的计算方法改进,如下公式:

mid = min + (key - arr[min]) / (arr[max] - arr[min]) * (max - min);

        其中,key 是要查找的数据。此时这种查找方式就不叫二分查找了,而是叫做插值查找
        还可以利用数学中的黄金分割点的概念进行改进:

mid = min + 黄金分割点左半边长度 - 1

        此时这种查找方法就不叫二分查找了,而是叫做斐波那契查找

三、分块查找

        如果一组数据:块间有序,块内无序。这个时候我们可以应用分块查找
        分块查找的原则在于:

  • 前一块中的最大数据,小于后一块中的所有数据(块内无序,块间有序)。
  • 块数数量一般等于数字的总个数开根号。比如:16个数字一般分为4块左右。

        块对象的定义一般如下所示:

class Block { 			//块int max;  			//块中的最大值int startIndex;		//起始索引int endIndex;		//结束索引
}

        将块对象放到一个数组中统一管理,这个数组一般叫做索引表。通过索引表,我们就能确定要查找的值存在于哪一块当中。
在这里插入图片描述
在这里插入图片描述
        比如上面的数据,我们可以轻易地发现,30就在第三个块当中(这个块级寻找的过程可以用基本查找或二分查找实现)。然后,我们再在块内使用遍历,就可以轻易找到要查找的数据30。

package BasciSeach;public class BlockedSearchDemo1 {public static void main(String[] args) {//1.创建数组blockArr存放每一个块对象的信息//2.先查找blockArr确定要查找的数据属于哪一块//3.再单独遍历这一块数据即可int[] arr = {16, 5, 9, 12, 21, 18,32, 23, 37, 26, 45, 34,50, 48, 61, 52 ,73, 66};//1.把数据分块//分几块:总数开根号 √18 = 4.24 块左右//每块里 18 / 4 = 4.5 个//创建三个块的对象Block b1 = new Block(21,0,5);Block b2 = new Block(32,6,11);Block b3 = new Block(50,12,17);//定义数组用来管理三个块的对象(索引表)Block[] blockArr = {b1, b2, b3};//定义一个变量用来记录要查找的元素int number = 32;//调用方法,传递索引表,数组,要查找的元素,返回要查找的数据索引int index = getIndex(blockArr, arr, number);//打印System.out.println(index);}//利用分块查找的原理,查询number的索引private static int getIndex(Block[] blockArr, int[] arr, int number) {//1.确定number在哪一块中,找到这一块的索引int indexBlock = findIndexBlock(blockArr, number);if(indexBlock == -1){//表示number过大,不在任何一块当中return -1;}//获取这一块的起始索引和结束索引int startIndex = blockArr[indexBlock].getStartIndex();int endIndex = blockArr[indexBlock].getEndIndex();//遍历这一部分的数组for(int i = startIndex; i <= endIndex; i++) {if(arr[i] == number) {return i;}}//遍历完整块都没找到,返回-1return -1;}//定义一个方法,用来确定number在哪一块中private static int findIndexBlock(Block[] blockArr, int number) {/*//创建三个块的对象Block b1 = new Block(21,0,5);Block b2 = new Block(32,6,11);Block b3 = new Block(50,12,17);*///从0索引开始遍历blockArr,如果number小于max,那么就表示number是在这一块当中的for (int i = 0; i < blockArr.length; i++) {if(number <= blockArr[i].getMax()) {return i;}}//当前数字过大,每一块中都找不到return -1;}
}class Block {private int max;private int startIndex;private int endIndex;public Block() {}public Block(int max, int startIndex, int endIndex) {this.max = max;this.startIndex = startIndex;this.endIndex = endIndex;}public int getMax() {return max;}public int getStartIndex() {return startIndex;}public int getEndIndex() {return endIndex;}
}

        如果数据本身没有规律。只需要保证数据间尚无交集,就可以完成分块。我们可以新增一个 min 变量,来记录每块中最小的值。
在这里插入图片描述
        如果查找的过程中还需要添加新数据呢?常见需求:在1~1000之间获取100个随机数,要求这些数据不重复,那就需要每添加一个数据就进行一次查找,查看该数据是否已经存在。这个时候就可以利用分块查找,把这100个数据分成10块,每一块规定要存储数据的范围。
在这里插入图片描述
        将要生成的数据放在相应块中,在各块中再进行遍历查找。这种查找方式作为分块查找的改进,被重新命名为哈希查找
在这里插入图片描述

这篇关于【JAVA入门】Day23 - 查找算法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1093691

相关文章

Spring AI 实现 STDIO和SSE MCP Server的过程详解

《SpringAI实现STDIO和SSEMCPServer的过程详解》STDIO方式是基于进程间通信,MCPClient和MCPServer运行在同一主机,主要用于本地集成、命令行工具等场景... 目录Spring AI 实现 STDIO和SSE MCP Server1.新建Spring Boot项目2.a

spring security 超详细使用教程及如何接入springboot、前后端分离

《springsecurity超详细使用教程及如何接入springboot、前后端分离》SpringSecurity是一个强大且可扩展的框架,用于保护Java应用程序,尤其是基于Spring的应用... 目录1、准备工作1.1 引入依赖1.2 用户认证的配置1.3 基本的配置1.4 常用配置2、加密1. 密

Spring Boot 集成 Solr 的详细示例

《SpringBoot集成Solr的详细示例》:本文主要介绍SpringBoot集成Solr的详细示例,本文通过实例代码给大家介绍的非常详细,感兴趣的朋友一起看看吧... 目录环境准备添加依赖配置 Solr 连接定义实体类编写 Repository 接口创建 Service 与 Controller示例运行

Spring Cloud GateWay搭建全过程

《SpringCloudGateWay搭建全过程》:本文主要介绍SpringCloudGateWay搭建全过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐... 目录Spring Cloud GateWay搭建1.搭建注册中心1.1添加依赖1.2 配置文件及启动类1.3 测

Java如何将文件内容转换为MD5哈希值

《Java如何将文件内容转换为MD5哈希值》:本文主要介绍Java如何将文件内容转换为MD5哈希值的实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Java文件内容转换为MD5哈希值一个完整的Java示例代码代码解释注意事项总结Java文件内容转换为MD5

Spring Boot拦截器Interceptor与过滤器Filter深度解析(区别、实现与实战指南)

《SpringBoot拦截器Interceptor与过滤器Filter深度解析(区别、实现与实战指南)》:本文主要介绍SpringBoot拦截器Interceptor与过滤器Filter深度解析... 目录Spring Boot拦截器(Interceptor)与过滤器(Filter)深度解析:区别、实现与实

解决Java异常报错:java.nio.channels.UnresolvedAddressException问题

《解决Java异常报错:java.nio.channels.UnresolvedAddressException问题》:本文主要介绍解决Java异常报错:java.nio.channels.Unr... 目录异常含义可能出现的场景1. 错误的 IP 地址格式2. DNS 解析失败3. 未初始化的地址对象解决

SpringBoot后端实现小程序微信登录功能实现

《SpringBoot后端实现小程序微信登录功能实现》微信小程序登录是开发者通过微信提供的身份验证机制,获取用户唯一标识(openid)和会话密钥(session_key)的过程,这篇文章给大家介绍S... 目录SpringBoot实现微信小程序登录简介SpringBoot后端实现微信登录SpringBoo

Java中的StringUtils.isBlank()方法解读

《Java中的StringUtils.isBlank()方法解读》:本文主要介绍Java中的StringUtils.isBlank()方法,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑... 目录所在库及依赖引入方法签名方法功能示例代码代码解释与其他方法的对比总结StringUtils.isBl

如何合理使用Spring的事务方式

《如何合理使用Spring的事务方式》:本文主要介绍如何合理使用Spring的事务方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1、介绍1.1、底层构造1.1.事务管理器1.2.事务定义信息1.3.事务状态1.4.联系1.2、特点1.3、原理2. Sprin