标签：frac lo mi Rank 查找 hi 数据结构 向量
有序向量的查找
查找
- 接口：tempalte
static Rank search(T* a,T const& e, Rank lo, Rank hi) - 语义规定：在有序向量的区间[lo, hi)内，确定不大于e的最后一个节点的秩
- 复杂度：若采用最朴素的二分策略，那么每次都将问题规模缩小一半左右，这样经过至多\(log_2(hi-lo)\)次迭代，复杂度不超过\(O(logn)\)，而改进基本上是线性因子。
- 查找长度：查找算法执行元素大小比较操作的次数
二分查找
语义规定：在有序向量的区间[lo, hi)内，返回e的秩，若有多个相同值则返回最大的秩，若查询失败则返回-1
原理：每次取lo与hi的终点，不停调整区间，经过至多两次比较可以完成一次迭代。
直到最后lo>=hi时(其实就是lo=hi)，此时的区间宽度为0，表示查询失败了。
// 二分查找算法（版本A）：在有序向量的区间[lo, hi)内查找元素e，0 <= lo <= hi <= _size
template <typename T> static Rank binSearch ( T* S, T const& e, Rank lo, Rank hi ) {
while ( lo < hi ) { //每步迭代可能要做两次比较判断，有三个分支
Rank mi = ( lo + hi ) >> 1; //以中点为轴点（区间宽度的折半，等效于宽度之数值表示的右移）
if ( e < S[mi] ) hi = mi; //深入前半段[lo, mi)继续查找
else if ( S[mi] < e ) lo = mi + 1; //深入后半段(mi, hi)继续查找
else return mi; //在mi处命中
} //成功查找可以提前终止
return -1; //查找失败
} //有多个命中元素时，不能保证返回秩最大者；查找失败时，简单地返回-1，而不能指示失败的位置
查询长度分析：
为了评定各个查询的细微差距，我们考察查询长度，同样有最好最坏和平均。
这里我们依旧考察平均查询长度:\(C_{average}(k)\)
设在长度为\(n=2^k-1\)的有序向量中进行查询
1、成功查询长度
递推基：
\(C_{average}(k)=C(1)=2\)
递推分析：对于成功查询，总共有三种情况
1.经过1次比较，问题转化为2^{k-1}-1的新问题;
2.经过2次比较，问题转化为2^{k-1}-1的新问题;
3.经过2次比较，在mid处命中，查询成功.
那么则有递推公式
令
\[F(k)=C(k)-3k*2^{k-1}-1 \]则有
\[F(1)=2;F(k)=2F(k-1)=2^2F(k-2)=\dots=2^{k-1}F(1)=-2^k \]于是
\[C(k) = F(k)+3k*2^{k-1}+1=(\frac{3}{2}k-1)*(2^k-1)+ \frac{3}{2}k \]进而得到
\[C_{average}=\frac{C(k)}{2^k-1}=\frac{3}{2}k-1+\frac{3}{2}k*\frac{1}{2^k-1}=\frac{3}{2}k-1+O(\varepsilon) \]n趋于无穷时忽略末尾收敛的无穷小量平均查找长度为：
\[O(1.5k)=O(1.5\cdot log_{2}n) \]Fibonacci查找
二分查找·改
// 二分查找算法（版本B）：在有序向量的区间[lo, hi)内查找元素e，0 <= lo < hi <= _size
template <typename T> static Rank binSearch ( T* S, T const& e, Rank lo, Rank hi ) {
while ( 1 < hi - lo ) { //每步迭代仅需做一次比较判断，有两个分支；成功查找不能提前终止
Rank mi = ( lo + hi ) >> 1; //以中点为轴点（区间宽度的折半，等效于宽度之数值表示的右移）
( e < S[mi] ) ? hi = mi : lo = mi; //经比较后确定深入[lo, mi)或[mi, hi)
} //出口时hi = lo + 1，查找区间仅含一个元素A[lo]
return e < S[lo] ? lo - 1 : lo; //返回位置，总是不超过e的最大者
} //有多个命中元素时，返回秩最大者；查找失败时，简单地返回-1，而不能指示失败的位置
二分查找·改二
template <typename T> static Rank binSearch ( T* S, T const& e, Rank lo, Rank hi ) {
while ( lo < hi ) { //每步迭代仅需做一次比较判断，有两个分支
Rank mi = ( lo + hi ) >> 1; //以中点为轴点（区间宽度的折半，等效于宽度之数值表示的右移）
( e < S[mi] ) ? hi = mi : lo = mi + 1; //经比较后确定深入[lo, mi)或(mi, hi)
} //成功查找不能提前终止
return lo - 1; //循环结束时，lo为大于e的元素的最小秩，故lo - 1即不大于e的元素的最大秩
} //有多个命中元素时，返回秩最大者；查找失败时，能够返回失败的位置
标签：frac,lo,mi,Rank,查找,hi,数据结构,向量 来源： https://www.cnblogs.com/artlesbol/p/15856215.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。