查找（顺序，有序）总结

一、代码示例

<span style="font-size:18px;">#include <stdio.h>int Binary_Search_Recursion(int *a,int low,int high,int key);int F(int i);/*顺序查找，a为数组，len为要查找的数组个数，key为要查找的关键字*/  //代码1int Sequential_Search(int *a,int len,int key){int i;for(i=1;i<len;i++){if(a[i]==key)return i;}return -1;  /*返回-1则查找失败*/}/*有哨兵顺序查找*/   //代码2int Sequential_Search2(int *a,int len,int key){int i;a[0]=key;i=len-1;                /*循环从队尾开始*/while(a[i]!=key){i--;}return i;   /*返回0则说明查找失败*/}/*折半查找（二分法）的常规方法*/    //代码3int Binary_Search(int *a,int len,int key){if(a==0||len<=0)  /*防御性编程*/return -1;int low=1,high=len-1,mid; /*初始化*/while(low<=high){mid = low+(high-low)/2;   /*防止变量溢出*/if(key<a[mid])high=mid-1;else if(key>a[mid])low=mid+1;else return mid;}return -1;}/*折半查找--递归法*/     //代码4int Binary_Search_Recursion(int *a,int len,int key){if(a==0||len<=0)return -1;return Binary_Search_Recursion(a,0,len-1,key);}int Binary_Search_Recursion(int *a,int low,int high,int key){if (low<=high){int mid = low + (high-low)/2;if(key<a[mid])return Binary_Search_Recursion(a,low,mid-1,key);else if(key>a[mid])return Binary_Search_Recursion(a,mid+1,high,key);else return mid;}return -1;}/*插值查找*/    //代码5int Interpolation_Search(int *a,int len,int key){if(a==0||len<=0)  /*防御性编程*/return -1;int low=1,high=len-1,mid; /*初始化*/while(low<=high){mid = low+(high-low)*(key-a[low])/(a[high]-a[low]);   /*插值，折半中的1/2换成（key-a[low]）/(a[high]-a[low])*/if(key<a[mid])high=mid-1;else if(key>a[mid])low=mid+1;else return mid;}return -1;}/*斐波那契查找*/    //代码6int F(int i){if(i<2)return i==0? 0:1;return F(i-1)+F(i-2);}int Fibonacci_Search(int *a,int n,int key){int low=1,high=n,mid,i,k=0;while(n>F(k)-1)             /*计算n位于斐波那契数列的位置*/k++;for(i=n;i<F(k)-1;i++)       /*将不满的数值补全*/a[i]=a[n];while(low<=high){mid=low+F(k-1)-1;if (key<a[mid]){high=mid-1;k=k-1;}else if (key>a[mid]){low=mid+1;k=k-2;}else{if(mid<=n)return mid;elsereturn n;}}return -1;}int main(void){int a[11]={0,1,16,24,35,47,59,62,73,88,99};int len=sizeof(a)/sizeof(a[0]);int sequential_i=Sequential_Search(a,len,0);int sequential_j=Sequential_Search2(a,len,62);int binary_i=Binary_Search(a,len,62);int binary_j=Binary_Search_Recursion(a,len,62);int interpolation_i=Interpolation_Search(a,len,62);int fibonacci_i=Fibonacci_Search(a,len-1,59);printf("sequential_i=%d,sequential_j=%d,binary_i=%d,binary_j=%d,interpolation_i=%d,fibonacci_i=%d\n",sequential_i,sequential_j,binary_i,binary_j,interpolation_i,fibonacci_i);return 0;}</span>

运行结果：

二、查找概论

查找表是由同一类型是数据元素（或记录）构成的集合。关键字是数据元素中某个数据项的值，又称为键值。若此关键字可以唯一标识一个记录，则称此关键字为主关键字。查找就是根据给定的某个值，在查找表中确定一个其关键字等于给定值的数据元素（或记录）。

查找分为两类：静态查找表和动态查找表。
静态查找表：只作查找操作的查找表。主要操作：

（1）查询某个“特定的”数据元素是否在查找表中。

（2）检索某个“特定的”数据元素和各种属性。

动态查找表：在查找过程中同时插入查找表中不存在的数据元素，或者从查找表中删除已经已经存在的某个数据元素。 主要操作：

（1）查找时插入数据元素。

（2）查找时删除数据元素。

两者的区别： 静态查找表只负责查找任务，返回查找结果。而动态查找表不仅仅负责查找，而且当它发现查找不存在时会在表中插入元素（那也就意味着第二次肯定可以查找成功）。

三、顺序表

顺序表查找又称为线性查找，是最基本的查找技术。 它的查找思路是：
逐个遍历记录，用记录的关键字和给定的值比较；若相等，则查找成功，找到所查记录； 反之，则查找不成功。

代码如"代码1、代码2"，对于这种查找算法，查找成功最好就是第一个位置找到，时间复杂度为O(1)。最坏情况是最后一个位置才找到，需要n次比较，时间复杂度为O(n) 显然，n越大，效率越低下。

四、有序表

所谓有序表，是指线性表的数据有序排列。

1.折半查找

代码如“代码3、代码4”，其中代码4用了递归，使代码更简单。折半查找的时间复杂度为O(logn)。

2.插值查找

如代码5：

:

3.斐波那契

代码如6，

如果一个有序表的元素个数为n，并且n正好是某个斐波那契数-1，即n == F[k]-1时，才能用斐波那契查找法。

（1）. 如果有序表的元素个数n不等于某个斐波那契数-1，即n != F[k]-1，如何处理呢？

　这时必须要将有序表的元素个数扩展到比n大的第一个斐波那契数-1的个数才符合算法的查找条件。通俗点讲，也就是为了使用斐波那契查找法，那么要求所查找顺序表的元素个数n必须满足n == F[k]-1这样的条件才可以。因为查找表为从小到大的顺序表，所以如果数据元素个数不满足要求，只有在表末用顺序表的最大值补满。

（2）. 对于二分查找，分割点是从mid= (low+high)/2开始。

　而对于斐波那契查找，分割是从mid = low + F[k-1] - 1开始的。 为什么如此计算？

　用实例验证，比如本例中： 第一次进入查找循环时，数组元素个数准确说应该是12（包括随后补满的元素），而黄金分割点比例为0.618，那么12*0.618=7.416，此值对应12个元素应该为a[8]，观察程序运行第一次mid=1+F[7-1]-1=8，正是此原理所体现。

　key=59，a[8]=73，显然key<a[8]，可知low=1，high=7，k=7-1=6

　注意此条件意思即为7个数据元素，正好满足F[6]-1=7的再次查找客观要求。而同理，黄金分割点比例为0.618，那么7*0.618=4.326，此值对应7个元素应该为a[5]，再看第二次进入循环mid=1+F[6-1]-1=5，正是此原理所体现。

　key=59，a[5]=47，显然key>a[5]，可知low=6，high=7，k=6-2=4。

　注意此条件意思即为2个数据元素，正好满足F[4]-1=2的再次查找客观要求，而同理黄金分割点比例为0.618，那么2*0.618=1.236，此值对应2个元素中的第二个即为a[7]。key=59，a[7]=62，显然key<a[7]，可知low=6，high=6，k=4-1=3。

　同理mid=6+F[3-1]-1=6。此时a[6]=59=key。 即查找成功。

（3）. 注意紧接着下面一句代码可以改写为：return  (mid <= n) ? mid : n;

　当然这样写也没有功能错误，但是细细琢磨还是有逻辑问题：mid == n时，返回为n; mid > n时返回也是n。

　那么到底n属于那种情况下的返回值呢？是否有违背if的本质！窃以为写成if(mid < n)会合理些。

　另外，许多资料对于这步判断描述如下：

　return  (mid <= high) ? mid : n;

　其实分析至此，我认为这种写法从代码逻辑而言更为合理。

（4）. 通过上面知道：数组a现在的元素个数为F[k]-1个，即数组长为F[k]-1。

　mid把数组分成了左右两部分，左边的长度为：F[k-1]-1

　那么右边的长度就为（数组长-左边的长度-1）： （F[k]-1）-（F[k-1]-1）= F[k]-F[k-1]-1 = F[k-2] - 1

（5.） 斐波那契查找的核心是：

a: 当key == a[mid]时，查找成功；

b: 当key<a[mid]时，新的查找范围是第low个到第mid-1个，此时范围个数为F[k-1] - 1个，

　即数组左边的长度，所以要在[low, F[k - 1] - 1]范围内查找；

c: 当key>a[mid]时，新的查找范围是第mid+1个到第high个，此时范围个数为F[k-2] - 1个，

　即数组右边的长度，所以要在[F[k - 2] - 1]范围内查找。

关于斐波那契查找， 如果要查找的记录在右侧，则左侧的数据都不用再判断了，不断反复进行下去。

对处于中间的大部分数据，其工作效率要高一些。

所以尽管斐波那契查找的时间复杂度也为O(logn)，但就平均性能来说，斐波那契查找要优于折半查找。

可惜如果是最坏的情况，比如这里key=1，那么始终都处于左侧在查找，则查找效率低于折半查找。   

还有关键一点：折半查找是进行加法与除法运算的（mid=(low+high)/2），插值查找则进行更复杂的四则运算（mid = low + (high - low) * ((key - a[low]) / (a[high] - a[low]))），而斐波那契查找只进行最简单的加减法运算（mid = low + F[k-1]-1）。

在海量数据的查找过程中，这种细微的差别可能会影响最终的效率。