二分查找是一种查询效率非常高的查找算法。又称折半查找。
起初在数据结构中学习递归时实现二分查找，实际上不用递归也可以实现，毕竟递归是需要开辟额外的空间的来辅助查询。本文就介绍两种方法
二分查找算法思想
有序的序列，每次都是以序列的中间位置的数来与待查找的关键字进行比较，每次缩小一半的查找范围，直到匹配成功。
一个情景：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。
比如说有一个1-100的数字，我随机的选择其中一个数字（假设为60），你需要以最少的次数猜到我所选择的数字，每次猜测后，我会告诉你大了，小了，对了。
假设你第一次从1开始猜，小了
第二次：2 小了
第三次：3 小了
……
第五十九次：59 小了
第六十次：60 对了
这是简单的查找，每次猜测只能排除一个数字，如果我想的数字是100，那么你可能需要从1猜到100了！
那么有没有更好的查找方式呢？
答案当然是有的。
如果我选的数字是60
第一次：你从50开始猜，那么我告诉你小了，就排除了接近一半的数字，因为你至少知道1-50都小了
第二次：你猜75，那么我告诉你大了，这样剩下的数字又少了一半！或许你已经想到了，我们每次猜测都是选择了中间的那个数字，从而使得每次都将余下的数字排除了一半。
第三次：接下来，很明显应该猜测63，大了
第四次：然后你猜56，小了
第五次：然后你猜59 小了
第六次：猜测61，大了
第七次，你就能很明确的告诉我，答案是60！
这样的查找方式，很明显比第一种要高效很多。第一种需要猜测60次才能猜出正确答案，而使用第二种方式，只需要七次就能猜出正确答案
或许看到这里你已经明白了，这就是二分查找的方法。为什么二分查找要求有序，从这里也可以看出来。一般而言，对于包含n个元素的列表，用二分查找最多需要logn步，而简单查找最多需要n步。
二分查找优缺点
优点是比较次数少，查找速度快，平均性能好；
其缺点是要求待查表为有序表，且插入删除困难。
因此，折半查找方法适用于不经常变动而查找频繁的有序列表。
使用条件：查找序列是顺序结构，有序。
java代码实现
使用递归实现
/** * 使用递归的二分查找 * title:recursionBinarySearch * * @param arr 有序数组 * @param key 待查找关键字 * @return 找到的位置 */ public static int recursionBinarySearch(int[] arr, int key, int low, int high) { if (key < arr[low] || key > arr[high] || low > high) { return -1; } int middle = (low + high) / 2; //初始中间位置 if (arr[middle] > key) { //比关键字大则关键字在左区域 return recursionBinarySearch(arr, key, low, middle - 1); } else if (arr[middle] < key) { //比关键字小则关键字在右区域 return recursionBinarySearch(arr, key, middle + 1, high); } else { return middle; } }
不使用递归实现（while循环）
/** * 不使用递归的二分查找 * title:commonBinarySearch * * @param arr * @param key * @return 关键字位置 */ public static int commonBinarySearch(int[] arr, int key) { int low = 0; int high = arr.length - 1; int middle = 0; //定义middle if (key < arr[low] || key > arr[high] || low > high) { return -1; } while (low <= high) { middle = (low + high) / 2; if (arr[middle] > key) { //比关键字大则关键字在左区域 high = middle - 1; } else if (arr[middle] < key) { //比关键字小则关键字在右区域 low = middle + 1; } else { return middle; } } return -1; //最后仍然没有找到，则返回-1 }
测试
测试代码：
public static void main(String[] args){ int[]arr={1,3,5,7,9,11}; int key=4; //int position = recursionBinarySearch(arr,key,0,arr.length - 1); int position=commonBinarySearch(arr,key); if(position==-1){ System.out.println("查找的是"+key+",序列中没有该数！"); }else{ System.out.println("查找的是"+key+",找到位置为："+position); } }
recursionBinarySearch()的测试：key分别为0，9，10，15的查找结果
查找的是0,序列中没有该数！
查找的是9,找到位置为：4
查找的是10,序列中没有该数！
查找的是15,序列中没有该数！
commonBinarySearch()的测试：key分别为-1，5，6，20的查找结果
查找的是-1,序列中没有该数！
查找的是5,找到位置为：2
查找的是6,序列中没有该数！
查找的是20,序列中没有该数！
时间复杂度
采用的是分治策略
最坏的情况下两种方式时间复杂度一样：O(log2 N)
最好情况下为O（1）
空间复杂度
算法的空间复杂度并不是计算实际占用的空间，而是计算整个算法的辅助空间单元的个数
非递归方式：
由于辅助空间是常数级别的所以：
空间复杂度是O(1);
递归方式：
递归的次数和深度都是log2 N,每次所需要的辅助空间都是常数级别的：
空间复杂度：O(log2N )
————————————————
参考：
https://blog.csdn.net/zmeilin/article/details/81139814
https://blog.csdn.net/maoyuanming0806/article/details/78176957