- 算法设计与分析
- 家
- 算法基础知识
- DAA - 简介
- DAA - 算法分析
- DAA-分析方法
- 渐近符号和先验分析
- 时间复杂度
- 马斯特定理
- DAA - 空间复杂性
- 分而治之
- DAA-分而治之
- DAA - 最大最小问题
- DAA-归并排序
- DAA-二分查找
- 施特拉森矩阵乘法
- 唐叶算法
- 河内塔
- 贪心算法
- DAA-贪婪法
- 旅行商问题
- Prim 的最小生成树
- 克鲁斯卡尔的最小生成树
- Dijkstra 的最短路径算法
- 地图着色算法
- DAA-分数背包
- DAA - 带截止日期的作业排序
- DAA - 最佳合并模式
- 动态规划
- DAA-动态规划
- 矩阵链乘法
- 弗洛伊德·沃歇尔算法
- DAA - 0-1 背包
- 最长公共子序列
- 旅行商问题| 动态规划
- 随机算法
- 随机算法
- 随机快速排序
- 卡格的最低削减
- 费舍尔-耶茨洗牌
- 近似算法
- 近似算法
- 顶点覆盖问题
- 设置封面问题
- 旅行推销员近似算法
- 排序技巧
- DAA-快速排序
- DAA-冒泡排序
- DAA——插入排序
- DAA-选择排序
- DAA——希尔排序
- DAA-堆排序
- DAA——桶排序
- DAA——计数排序
- DAA - 基数排序
- 搜索技巧
- 搜索技术介绍
- DAA - 线性搜索
- DAA-二分查找
- DAA - 插值搜索
- DAA - 跳转搜索
- DAA - 指数搜索
- DAA - 斐波那契搜索
- DAA - 子列表搜索
- DAA-哈希表
- 图论
- DAA-最短路径
- DAA - 多级图
- 最优成本二叉搜索树
- 堆算法
- DAA-二叉堆
- DAA-插入法
- DAA-Heapify 方法
- DAA-提取方法
- 复杂性理论
- 确定性计算与非确定性计算
- DAA-最大派系
- DAA - 顶点覆盖
- DAA - P 级和 NP 级
- DAA-库克定理
- NP 硬课程和 NP 完全课程
- DAA - 爬山算法
- DAA 有用资源
- DAA - 快速指南
- DAA - 有用的资源
- DAA - 讨论
设计与分析 - 指数搜索
指数搜索算法以输入数组的一个范围为目标,其中假定所需元素必须存在于该范围内,并在该特定的小范围上执行二分搜索。该算法也称为加倍搜索或手指搜索。
它类似于跳跃搜索,将排序后的输入分成多个块并进行更小规模的搜索。然而,在执行计算以划分块以及应用的较小规模搜索的类型(跳跃搜索应用线性搜索而指数搜索应用二分搜索)时会出现差异。
因此,该算法以 2 的幂指数跳跃。简单来说,搜索是在使用 pow(2, k) 划分的块上执行的,其中 k 是大于或等于 0 的整数。一旦位置 pow( 2、n)大于关键元素,则对当前块进行二分查找。
指数搜索算法
在指数搜索算法中,跳转从数组的第一个索引开始。因此,我们手动比较第一个元素作为算法的第一步。
步骤 1 - 将数组中的第一个元素与键进行比较,如果找到匹配则返回第 0 个索引。
步骤 2 - 初始化 i = 1 并将数组的第 i 个元素与要搜索的键进行比较。如果匹配则返回索引。
步骤 3 - 如果元素不匹配,则以 2 的幂指数方式跳转数组。因此,现在算法比较增量位置中存在的元素。
步骤 4 - 如果找到匹配项,则返回索引。否则,迭代重复步骤2,直到增量位置处的元素变得大于要搜索的关键字。
步骤 5 - 由于下一个增量具有比键更高的元素并且输入已排序,因此该算法对当前块应用二分搜索算法。
步骤 6 - 如果找到匹配,则返回键所在的索引;否则判定搜索不成功。
伪代码
Begin m := pow(2, k) // m is the block size start := 1 low := 0 high := size – 1 // size is the size of input if array[0] == key return 0 while array[m] <= key AND m < size do start := start + 1 m := pow(2, start) while low <= high do: mid = low + (high - low) / 2 if array[mid] == x return mid if array[mid] < x low = mid + 1 else high = mid - 1 done return invalid location End
分析
尽管它被称为指数搜索,但它并不以指数时间复杂度执行搜索。但众所周知,在这个搜索算法中,执行的基本搜索是二分搜索。因此,指数搜索算法的时间复杂度将与二分搜索算法的时间复杂度相同,O(log n)。
例子
为了更好地、以更简单的方式理解指数搜索算法,让我们使用指数搜索算法在示例输入数组中搜索元素 -
提供给搜索算法的排序输入数组是 -
让我们搜索给定数组中元素 81 的位置。
步骤1
将数组的第一个元素与关键元素 81 进行比较。
数组第一个元素是6,但要查找的关键元素是81;因此,由于没有找到匹配项,因此跳转从第一个索引开始。
第2步
初始化 i = 1 后,将关键元素与第一个索引中的元素进行比较。这里,第一个索引中的元素与键元素不匹配。所以它再次以 2 的幂指数递增。
索引增加到 2 m = 2 1 = 将第二个索引中的元素与关键元素进行比较。
它仍然不匹配,因此再次递增。
步骤3
索引再次以 2 的幂递增。
2 2 = 4 = 将第 4个索引中的元素与关键元素进行比较,但尚未找到匹配项。
步骤4
该指数再次呈指数增长。这次将第 8 个索引中的元素与关键元素进行比较,没有找到匹配项。
但是,第 8 个索引中的元素大于键元素。因此,二分搜索算法应用于当前元素块。
步骤5
当前元素块包括索引 [4, 5, 6, 7] 中的元素。
小规模二分搜索应用于该元素块,其中 mid 被计算为第 5个元素。
步骤6
在中间元素处未找到匹配项,并且表明所需元素大于中间元素。因此,搜索发生在块的右半部分。
现在中点被设置为第 6个元素 -
步骤7
在第 6个元素处仍未找到该元素,因此它现在在中间元素的右半部分中搜索。
下一个 mid 被设置为第 7个元素。
此处,该元素位于第 7个索引处。
执行
在指数搜索算法的实现中,程序在每次指数跳跃时检查 2 的幂是否匹配。如果找到匹配,则返回元素的位置,否则程序返回不成功的搜索。
一旦指数跳跃处的元素变得大于关键元素,将对当前元素块执行二分搜索。
在本章中,我们将研究四种不同语言的指数搜索的实现。
#include <stdio.h> #include <math.h> int exponential_search(int[], int, int); int main(){ int i, n, key, pos; int arr[10] = {6, 11, 19, 24, 33, 54, 67, 81, 94, 99}; n = 10; key = 67; pos = exponential_search(arr, n, key); if(pos >= 0) printf("The element is found at %d", pos); else printf("Unsuccessful Search"); } int exponential_search(int a[], int n, int key){ int i, m, low = 0, high = n - 1, mid; i = 1; m = pow(2,i); if(a[0] == key) return 0; while(a[m] <= key && m < n) { i++; m = pow(2,i); while (low <= high) { mid = (low + high) / 2; if(a[mid] == key) return mid; else if(a[mid] < key) low = mid + 1; else high = mid - 1; } } return -1; }
输出
The element is found at 6
#include <iostream> #include <cmath> using namespace std; int exponential_search(int[], int, int); int main(){ int i, n, key, pos; int arr[10] = {6, 11, 19, 24, 33, 54, 67, 81, 94, 99}; n = 10; key = 67; pos = exponential_search(arr, n, key); if(pos >= 0) cout << "The element is found at " << pos; else cout << "Unsuccessful Search"; } int exponential_search(int a[], int n, int key){ int i, m, low = 0, high = n - 1, mid; i = 1; m = pow(2,i); if(a[0] == key) return 0; while(a[m] <= key && m < n) { i++; m = pow(2,i); while (low <= high) { mid = (low + high) / 2; if(a[mid] == key) return mid; else if(a[mid] < key) low = mid + 1; else high = mid - 1; } } return -1; }
输出
The element is found at 6
import java.io.*; import java.util.Scanner; import java.lang.Math; public class ExponentialSearch { public static void main(String args[]) { int i, n, key; int arr[] = {6, 11, 19, 24, 33, 54, 67, 81, 94, 99}; n = 10; key = 67; int pos = exponential_search(arr, n, key); if(pos >= 0) System.out.print("The element is found at " + pos); else System.out.print("Unsuccessful Search"); } static int exponential_search(int a[], int n, int key) { int i = 1; int m = (int)Math.pow(2,i); if(a[0] == key) return 0; while(a[m] <= key && m < n) { i++; m = (int)Math.pow(2,i); int low = 0; int high = n - 1; while (low <= high) { int mid = (low + high) / 2; if(a[mid] == key) return mid; else if(a[mid] < key) low = mid + 1; else high = mid - 1; } } return -1; } }
输出
The element is found at 6
import math def exponential_search(a, n, key): i = 1 m = int(math.pow(2, i)) if(a[0] == key): return 0 while(a[m] <= key and m < n): i = i + 1 m = int(math.pow(2, i)) low = 0 high = n - 1 while (low <= high): mid = (low + high) // 2 if(a[mid] == key): return mid elif(a[mid] < key): low = mid + 1 else: high = mid - 1 return -1 arr = [6, 11, 19, 24, 33, 54, 67, 81, 94, 99] n = len(arr); key = 67 index = exponential_search(arr, n, key) if(index >= 0): print("The element is found at index: ", (index)) else: print("Unsuccessful Search")
输出
The element is found at index: 6