二分、三分算法笔记
目录
什么是二分
假设一维数组 data 已经按升序排列,二分查找算法根据当前需要查找的区间[left,right]定义一个中间位置 middle=(left+right)/2,将待查找值 x 与数组元素 data[middle]进行比较,有三种情况:
(1)x=data[middle],则找到了该元素;
(2)x>data[middle],由于数组是按升序排列的,待寻找的值要么不在数组中,要么只可能在右半区间[middle+1,right];
(3)x<data[middle],待寻找的值要么不在数组中,要么只可能在左半区间[left,middle-1]。由于每次查找都是在原区间的一半内进行,又称为折半查找,总的时间复杂度为 Ο(logn)。
举例
以一个具体的例子来说明二分查找的工作过程。设 data[10]={1,2,3,4,5,6,7,8,9,10},待查找的值 x=7,初始时,需要查找的区间为[left=0,right=9],中间位置 middle=(left+right)/2=(0+9)/2=4,由于 data[4]=5<x=7,则应该在右半区间[left=middle+1=5,right=9]中继续查找,此时 middle=(5+9)/2=7,而 data[7]=8>x=7,应该继续在左半区间[left=5,right=middle-1=6]中查找,之后 middle=(5+6)/2=5,data[5]=6<x=7,将查找区间更新为[left=middle+1=6,right=6],最后 middle=(6+6)/2=6,data[6]=x=7。
代码模型
int erfen(int data[], int n, int x)
{
int left = 0, right = n - 1;
while (left <= right)
{
int middle = (left + right) / 2;
if (data[middle] == x) return middle;
if (data[middle] < x) left = middle + 1;
else right = middle - 1;
}
return -1;
}
不足
(1)使用 middle=(left+right)/2 的方式来获取中间值,如果 left+right 接近其声明的数据类型的表示上限,则 left+right 会溢出,从而导致错误,更为稳妥的方法是使用:middle=left+(right-left)/2,这样能最大程度的避免溢出。
(2)如果数组中包含多个相同的目标值,上述实现返回的序号并不一定是数组中第一个目标值的序号,比如极端的情况——数组中的所有元素值均相同,此时使用上述实现查找某个元素值时,要么不存在,要么返回的总是中间的固定位置。
改进代码
int erfen(int data[], int n, int x)
{
int left = -1, right = n, middle;
while ((left + 1) != right)
{
middle = left + (right - left) / 2;
if (data[middle] < x) left = middle;
else right = middle;
}
if (right >= n || data[right] != x) right = -1;
return right;
}
例题
P2249
题目描述
输入 n 个不超过 10^9 的单调不减的(就是后面的数字不小于前面的数字)非负整数a1,a2,…,an,然后进行 m 次询问。对于每次询问,给出一个整数 q,要求输出这个数字在序列中第一次出现的编号,如果没有找到的话输出 -1。
输入格式
第一行 2 个整数 n和 m,表示数字个数和询问次数。
第二行 n 个整数,表示这些待查询的数字。
第三行 m 个整数,表示询问这些数字的编号,从 1 开始编号。
输出格式
输出一行,m个整数,以空格隔开,表示答案。
AC代码:
#include<cstdio>
using namespace std;
int n,m,q,a[1000005];
int find(int x) //二分
{
int l=1,r=n;
while (l<r)
{
int mid=l+(r-l)/2;
if (a[mid]>=x) r=mid;
else l=mid+1;
}
if (a[l]==x) return l; //找都了就输出他的位置
else return -1; // 没找到输出-1
}
int main()
{
scanf("%d %d",&n,&m);
for (int i=1 ; i<=n ; i++)
scanf("%d",&a[i]);
for (int i=1 ; i<=m ; i++)
{
scanf("%d",&q);
int ans=find(q); //看看查找的结果
printf("%d ",ans); //输出
}
return 0;
}
三分搜索
在某些情形下,根据题目所得到的函数可能在定义域内并不是一个单调递增(或递减)函数,而是一个单峰函数(例如抛物线函数),此时应用二分搜索无法确定函数的极值,而应用三分搜索则能够在 O(logn)的时间内得到解
三分搜索的思路是将变量的取值范围划分为三个不同的区间,根据函数值的大小关系,使用类似于二分查找的方法来不断缩小极值可能所处的变量范围。
假设函数 f(x)为单峰函数,自变量 x 的定义域为[left,right],在定义域内有最大值。设 leftThird=left+(right-left)/3,rightThird=right-(right-left)/3,则 f(leftThird)和 f(rightThird)的大小关系为以下三种之一:f(leftThird)<f(rightThird):表明最大值不可能在左区间[left,leftThird],应该在右区间[rightThird,right]中寻找最大值,更新 left=leftThird。
f(leftThird)>f(rightThird):表明最大值不可能在右区间[rightThird,right],应该继续在左区间[left,
leftThird]中寻找最大值,更新 right=rightThird。
f(leftThird)=f(rightThird):表明最大值落在区间[leftThird,rightThird]中,此种情况可以合并在前述的任意一种情况中。持续缩小区间的范围,直到 left 和 right 之间的差值小于指定的阈值,此时变量 left 所对应的函数值 f(left)即为最大值。如果要求最小值,只需在比较函数值大小时将比较操作反向或者更改区间的选择即可。
相关文章
- 04篇 Nacos Client服务订阅机制之【核心流程】
- 信服云与产业共话绿色计算 基于ARM的云化让数据中心更环保
- 2019 年 CNCF 中国云原生调查:Kubernetes 应用率达 72%
- 推荐系统中传统模型——LightGBM + LR融合
- 05篇 Nacos Client服务订阅之事件机制剖析
- 超融合是打破边缘与混合云数据管理瓶颈的关键
- xmake v2.6.1 发布,使用 Lua5.4 运行时,Rust 和 C++ 混合编译支持
- 进行大规模云迁移的挑战和建议
- 06篇 Nacos Client本地缓存及故障转移
- 为什么IT运营需要新的指标
- 推荐系统中传统模型——LightGBM + FFM融合
- 07篇 Nacos客户端是如何实现实例获取的负载均衡呢?
- 数智洞见 | 云原生中有状态应用容器化实践,如何去状态化?
- 08篇 要给Nacos的UDP通信功能点个赞
- 分布式大气监测系统架构介绍及案例解析
- 潮办科技CTO沈泽明: 借助云开发,10元增量成本扛住双十一高并发流量
- 《跟二师兄学Nacos》02篇 Nacos的临时与持久化实例,傻傻分不清?
- 客户规模增长50倍,腾讯云星星海成企业数字化新“发动机”
- 回顾︱DeepAR 算法实现更精确的时间序列预测(二)
- Nacos中已经有Optional使用案例了,是时候慎重对待这一语法了