该篇博客主要参考：博客园-ls秦-七大查找算法（Python）；部分内容有些修改；
主要包括查找算法：顺序查找、二分查找、差值查找、分块查找；
1.查找算法——简介
查找（Searching）：就是根据给定的某个值，在查找表中确定一个关键字等于给定值的数据元素；
查找表（Search Table）：由同一类型的数据元素构成的集合；
关键字（Key）：数据元素中某个数据项的值，又称为键值；
主键（Primary Key）：可唯一的标识某个数据元素或记录的关键字；
查找表按照操作方式可分为：
1. 静态查找表（Static Search Table）： 只做操作操作的查找表，主要操作：
- 查询某个特定的数据元素是否在表中；
- 检索某个特定的苏剧元素和各种属性；
2. 动态查找表（Dynamic Search Table）：在查找的同时进行插入或删除等操作：
- 查找时插入数据；
- 查找时删除数据；
2. 顺序查找
算法简介：
顺序查找又称线性查找，是一种最简单的查找方法；适用于线性表的顺序村粗结构和链式存储结构；
算法的时间复杂度为(O(n))；
基本思路：
从第一个元素m开始逐个与需要查找的元素x进行比较，当比较到元素值相同（m=x）时，返回元素m的下标，如果比较到最后没有找到，则返回-1；
优缺点：
- 优点：对表中数据存储没有要求。另外，对于线性链表，只能进行顺序查找；
- 缺点：当n很大时，平均查找长度较大，效率低；
算法实现：
# -*- utf-8 -*-
# @Time: 2019-04-16
# @ Author: chen, lsqin
def sequential_search(li, key):
"""顺序查找
查找数组li中指定元素key，存在返回其位置，不存在返回-1
Arguement:
li: list
查找表
key: int or str...
待查找元素
Return:
index or -1:
"""
for i in range(len(li)):
if li[i] == key:
return i
return -1
if __name__ == '__main__':
LIST = [1, 5, 8, 123, 22, 54, 7, 99, 300, 222]
result = sequential_search(LIST, 123)
print(result)
3. 二分查找
算法简介：
二分查找（Binary Search），也称折半查找，是一种在有序数组中查找某一特定元素的查找算法；
查找过程从数组的中间元素开始，如果中间元素的值等于待查找元素的值，则返回其位置，查找算法结束。如果待查找元素的值大于或者小于中间元素的值，则在数组的右半部分或则左半部分继续查找；再将左/右半个部分的中间元素的值与待查找元素的值相比较，重复上述步骤，直至找到，返回其位置，否则返回-1，查找算法结束。
算法描述：
在给定的有序数组A中查找元素key；
Step 1：利用(low, high)分别表示当前查找表的下界和上届；
Step 2：如果(low > high)，返回-1，查找算法结束；
Step 3：令(mid=lfloor dfrac{low+high}{2} floor)；
Step 4：如果(A_{mid}=key)，查找成功，返回(mid)，查找算法结束；
Step 5：如果(A_{mid} > key)，令$high=mid-1 $，回到步骤Step 2；
Step 6：如果(A_{mid} < key)，令$low=mid+1 $，回到步骤Step 2；
复杂度分析：
时间复杂度：折半搜索每次把搜索区域减少一半，时间复杂度为(O(log n))；
空间复杂度为(O(1))；
算法实现：
def binary_search(li, key):
"""折半查找
在给定的有序数组中查找指定元素，
查找成功，则返回待查找元素在有序数组中的位置，以及比较次数
查找失败，则返回-1，以及比较次数
Argument:
li: list
有序数组
kye: int
待查找元素
Return:
index: int
位置索引或-1
"""
low = 0
high = len(li) - 1
time = 0 # 比较的次数
while low < high:
time += 1
mid = int((low + high) / 2)
if li[mid] == key:
print("times: %s" % time)
return mid
elif li[mid] > key:
high = mid - 1
else:
low = mid + 1
print("times: %s" % time)
return -1
if __name__ == '__main__':
LIST = [1, 5, 7, 8, 22, 54, 99, 123, 200, 222, 444]
loc = binary_search(LIST, 99)
print('loc: ', loc)
4.插值查找
算法简介：
插值查找类似于二分查找，同样对给定的查找表是有序数组；不同的是，与待查元素相比较的待查表中元素的选择方式不同；在二分查找中，待比较元素是有序数组的中间元素；在插值查找中，通过下述公式计算待比较元素在有序数组中的位置：
算法思想：
差值查找也属于有序查找，基于二分查找算法，将查找点的选择改为自适应选择，可以提高查找效率；
对于表长较大，而关键字分布比较均匀的查找表来说，差值查找算法的平均性能优于二分查找；相反，如果数组关键字分布不均匀，那么插值查找算法未必是很合适的选择。
复杂度分析：
时间复杂度：如果元素分布均匀，时间复杂度为(O(log n))；最坏情况下，**时间复杂度为(O(n))；
空间复杂度：(O(1))；
算法实现：
# -*- utf-8 -*-
# @Time: 2019-04-16
# @ Author: chen, lsqin
def binary_search(li, key):
"""插值查找
在给定的有序数组中查找指定元素，
查找成功，则返回待查找元素在有序数组中的位置，以及比较次数
查找失败，则返回-1，以及比较次数
Argument:
li: list
有序数组
kye: int
待查找元素
Return:
index: int
位置索引或-1
"""
low = 0
high = len(li) - 1
time = 0
while low < high:
time += 1
# 计算待比较元素在有序数组中的位置
loc = low + int((high - low) * (key - li[low]) / (li[high] - li[low]))
print("mid=%s, low=%s, high=%s" % (loc, low, high))
if li[loc] == key:
print("times: %s" % time)
return loc
elif li[loc] > key:
high = loc - 1
else:
low = loc + 1
print("times: %s" % time)
return -1
if __name__ == '__main__':
LIST = [1, 5, 7, 8, 22, 54, 99, 123, 200, 222, 444]
result = binary_search(LIST, 444)
print(result)
5. 斐波那契查找
算法简介：
斐波那契数列，又称黄金分割数列，该数列越往后相邻的两个数的比值越趋近于0.618；如下：
算法描述：
斐波那契查找也类似于二分查找，在给定的有序数组中查找指定元素；不同的是，斐波那契查找的拆分点的选择方式是根据斐波那契数列得来的；即采用最接近查找表长度的斐波那契数值来确定拆分点；
那么上面那句话到底是个什么意思呢？具体如下：
给定一个有序查找表A：
Step 1：确定查找表的长度为(n_1)；
Step 2：找到一个不小于(n)的最小斐波那契数(F(k))；其中，(k)表示斐波那契数列中的第(k)个值；
Step 3：对查找表扩展，使新的查找表B的长度为(n_2 = F(k)-1)；（这里不明白）
Step 4：对扩展查找表进行拆分，拆分点在扩展查找表中的索引位置为：(loc = F(k-1)-1)；
Step 5：将拆分点的值与待查找元素相比较；
Step 6：如果找到，算法结束；
- 如果(A[loc] > key)，则将(k=k-1)；
- 如果(A[loc] < key)，则将(k=k-2)；
复杂度分析：
最坏的情况下，时间复杂度为(O(log n))；
算法实现：
# -*- utf-8 -*-
# @Time: 2019-04-16
# @ Author: chen, lsqin
def fibonacci(n):
"""斐波那契数列
Argument:
n: int
Return:
斐波那契数
"""
if n == 0 or n == 1:
return n
else:
return fibonacci(n-1) + fibonacci(n-2)
def fibonacci_search(li, key):
"""斐波那契查找
在给定的有序数组中查找指定元素，
查找成功，则返回待查找元素在有序数组中的位置，以及比较次数
查找失败，则返回-1，以及比较次数
Argument:
li: list
有序数组
kye: int
待查找元素
Return:
index: int
位置索引或-1
"""
low = 0 # 查找表上界
high = len(li) - 1 # 查找表下界
# Step 1
length = high + 1 # 查找表长度
# Step 2
k = 0 # 斐波那契数索引
while True:
num_fibonacci = fibonacci(k)
if num_fibonacci > length:
break
k += 1
# Step 3: 扩展查找表
expansion_li = li
for i in range(num_fibonacci - length - 1):
expansion_li.append(li[-1])
print('new search table: ', expansion_li)
# Step 4
time = 0
while low < high:
# 防止F列表下标溢出
if k < 2:
loc = low
else:
loc = low + fibonacci(k - 1) - 1
s
time += 1
loc = low + fibonacci(k - 1) - 1 # 拆分点在扩展查找表中的索引位置
if expansion_li[loc] == key:
print("times: %s" % time)
return loc
elif expansion_li[loc] > key:
high = loc - 1
k -= 1
else:
low = loc + 1
k -= 2
print("times: %s" % time)
return -1
if __name__ == '__main__':
LIST = [1, 5, 7, 8, 22, 54, 99, 123, 200, 222, 444, 555, 666]
result = fibonacci_search(LIST, 444)
print('index:', result)
6. 分块查找
算法简介：
分块查找，又称为索引顺序查找，吸取了顺序查找和折半查找各自的优点，既有动态结构，又适于快速查找；
算法思想：
将查找表分成若干个子块：块内元素可以无序，块间元素有序；即第一个块的所有元素小于第二个块的任一元素...
构建一个索引表：索引表中含有各块的最大关键字和各块第一个元素的地址，如下图；
算法流程：
Step 1：先选取各块中的最大关键字构成一个索引表；
Step 2：查找分为两个部分：首先对索引表进行二分查找或顺序查找，以确定待查记录在哪一块中；
Step 3：其次，在已确定的块中用顺序查找算法进行查找；
复杂度分析：
时间复杂度为(O(log m + N/m))；(m)表示分块的个数；