极客时间已完结课程限时免费阅读

15 | 二分查找(上):如何用最省内存的方式实现快速查找功能?

15 | 二分查找(上):如何用最省内存的方式实现快速查找功能?-极客时间

15 | 二分查找(上):如何用最省内存的方式实现快速查找功能?

讲述:冯永吉

时长16:26大小15.01M

今天我们讲一种针对有序数据集合的查找算法:二分查找(Binary Search)算法,也叫折半查找算法。二分查找的思想非常简单,很多非计算机专业的同学很容易就能理解,但是看似越简单的东西往往越难掌握好,想要灵活应用就更加困难。
老规矩,我们还是来看一道思考题。
假设我们有 1000 万个整数数据,每个数据占 8 个字节,如何设计数据结构和算法,快速判断某个整数是否出现在这 1000 万数据中? 我们希望这个功能不要占用太多的内存空间,最多不要超过 100MB,你会怎么做呢?带着这个问题,让我们进入今天的内容吧!

无处不在的二分思想

二分查找是一种非常简单易懂的快速查找算法,生活中到处可见。比如说,我们现在来做一个猜字游戏。我随机写一个 0 到 99 之间的数字,然后你来猜我写的是什么。猜的过程中,你每猜一次,我就会告诉你猜的大了还是小了,直到猜中为止。你来想想,如何快速猜中我写的数字呢?
假设我写的数字是 23,你可以按照下面的步骤来试一试。(如果猜测范围的数字有偶数个,中间数有两个,就选择较小的那个。)
7 次就猜出来了,是不是很快?这个例子用的就是二分思想,按照这个思想,即便我让你猜的是 0 到 999 的数字,最多也只要 10 次就能猜中。不信的话,你可以试一试。
这是一个生活中的例子,我们现在回到实际的开发场景中。假设有 1000 条订单数据,已经按照订单金额从小到大排序,每个订单金额都不同,并且最小单位是元。我们现在想知道是否存在金额等于 19 元的订单。如果存在,则返回订单数据,如果不存在则返回 null。
最简单的办法当然是从第一个订单开始,一个一个遍历这 1000 个订单,直到找到金额等于 19 元的订单为止。但这样查找会比较慢,最坏情况下,可能要遍历完这 1000 条记录才能找到。那用二分查找能不能更快速地解决呢?
为了方便讲解,我们假设只有 10 个订单,订单金额分别是:8,11,19,23,27,33,45,55,67,98。
还是利用二分思想,每次都与区间的中间数据比对大小,缩小查找区间的范围。为了更加直观,我画了一张查找过程的图。其中,low 和 high 表示待查找区间的下标,mid 表示待查找区间的中间元素下标。
看懂这两个例子,你现在对二分的思想应该掌握得妥妥的了。我这里稍微总结升华一下,二分查找针对的是一个有序的数据集合,查找思想有点类似分治思想。每次都通过跟区间的中间元素对比,将待查找的区间缩小为之前的一半,直到找到要查找的元素,或者区间被缩小为 0

O(logn) 惊人的查找速度

二分查找是一种非常高效的查找算法,高效到什么程度呢?我们来分析一下它的时间复杂度。
我们假设数据大小是 n,每次查找后数据都会缩小为原来的一半,也就是会除以 2。最坏情况下,直到查找区间被缩小为空,才停止。
可以看出来,这是一个等比数列。其中 n/2k=1 时,k 的值就是总共缩小的次数。而每一次缩小操作只涉及两个数据的大小比较,所以,经过了 k 次区间缩小操作,时间复杂度就是 O(k)。通过 n/2k=1,我们可以求得 k=log2n,所以时间复杂度就是 O(logn)。
二分查找是我们目前为止遇到的第一个时间复杂度为 O(logn) 的算法。后面章节我们还会讲堆、二叉树的操作等等,它们的时间复杂度也是 O(logn)。我这里就再深入地讲讲 O(logn) 这种对数时间复杂度。这是一种极其高效的时间复杂度,有的时候甚至比时间复杂度是常量级 O(1) 的算法还要高效。为什么这么说呢?
因为 logn 是一个非常“恐怖”的数量级,即便 n 非常非常大,对应的 logn 也很小。比如 n 等于 2 的 32 次方,这个数很大了吧?大约是 42 亿。也就是说,如果我们在 42 亿个数据中用二分查找一个数据,最多需要比较 32 次。
我们前面讲过,用大 O 标记法表示时间复杂度的时候,会省略掉常数、系数和低阶。对于常量级时间复杂度的算法来说,O(1) 有可能表示的是一个非常大的常量值,比如 O(1000)、O(10000)。所以,常量级时间复杂度的算法有时候可能还没有 O(logn) 的算法执行效率高。
反过来,对数对应的就是指数。有一个非常著名的“阿基米德与国王下棋的故事”,你可以自行搜索一下,感受一下指数的“恐怖”。这也是为什么我们说,指数时间复杂度的算法在大规模数据面前是无效的。

二分查找的递归与非递归实现

实际上,简单的二分查找并不难写,注意我这里的“简单”二字。下一节,我们会讲到二分查找的变体问题,那才是真正烧脑的。今天,我们来看如何来写最简单的二分查找。
最简单的情况就是有序数组中不存在重复元素,我们在其中用二分查找值等于给定值的数据。我用 Java 代码实现了一个最简单的二分查找算法。
public int bsearch(int[] a, int n, int value) {
int low = 0;
int high = n - 1;
while (low <= high) {
int mid = (low + high) / 2;
if (a[mid] == value) {
return mid;
} else if (a[mid] < value) {
low = mid + 1;
} else {
high = mid - 1;
}
}
return -1;
}
这个代码我稍微解释一下,low、high、mid 都是指数组下标,其中 low 和 high 表示当前查找的区间范围,初始 low=0, high=n-1。mid 表示[low, high]的中间位置。我们通过对比 a[mid]与 value 的大小,来更新接下来要查找的区间范围,直到找到或者区间缩小为 0,就退出。如果你有一些编程基础,看懂这些应该不成问题。现在,我就着重强调一下容易出错的 3 个地方

1. 循环退出条件

注意是 low<=high,而不是 low<high。

2.mid 的取值

实际上,mid=(low+high)/2 这种写法是有问题的。因为如果 low 和 high 比较大的话,两者之和就有可能会溢出。改进的方法是将 mid 的计算方式写成 low+(high-low)/2。更进一步,如果要将性能优化到极致的话,我们可以将这里的除以 2 操作转化成位运算 low+((high-low)>>1)。因为相比除法运算来说,计算机处理位运算要快得多。

3.low 和 high 的更新

low=mid+1,high=mid-1。注意这里的 +1 和 -1,如果直接写成 low=mid 或者 high=mid,就可能会发生死循环。比如,当 high=3,low=3 时,如果 a[3]不等于 value,就会导致一直循环不退出。
如果你留意我刚讲的这三点,我想一个简单的二分查找你已经可以实现了。实际上,二分查找除了用循环来实现,还可以递归来实现,过程也非常简单。
我用 Java 语言实现了一下这个过程,正好你可以借此机会回顾一下写递归代码的技巧。
// 二分查找的递归实现
public int bsearch(int[] a, int n, int val) {
return bsearchInternally(a, 0, n - 1, val);
}
private int bsearchInternally(int[] a, int low, int high, int value) {
if (low > high) return -1;
int mid = low + ((high - low) >> 1);
if (a[mid] == value) {
return mid;
} else if (a[mid] < value) {
return bsearchInternally(a, mid+1, high, value);
} else {
return bsearchInternally(a, low, mid-1, value);
}
}

二分查找应用场景的局限性

前面我们分析过,二分查找的时间复杂度是 O(logn),查找数据的效率非常高。不过,并不是什么情况下都可以用二分查找,它的应用场景是有很大局限性的。那什么情况下适合用二分查找,什么情况下不适合呢?
首先,二分查找依赖的是顺序表结构,简单点说就是数组。
那二分查找能否依赖其他数据结构呢?比如链表。答案是不可以的,主要原因是二分查找算法需要按照下标随机访问元素。我们在数组和链表那两节讲过,数组按照下标随机访问数据的时间复杂度是 O(1),而链表随机访问的时间复杂度是 O(n)。所以,如果数据使用链表存储,二分查找的时间复杂就会变得很高。
二分查找只能用在数据是通过顺序表来存储的数据结构上。如果你的数据是通过其他数据结构存储的,则无法应用二分查找。
其次,二分查找针对的是有序数据。
二分查找对这一点的要求比较苛刻,数据必须是有序的。如果数据没有序,我们需要先排序。前面章节里我们讲到,排序的时间复杂度最低是 O(nlogn)。所以,如果我们针对的是一组静态的数据,没有频繁地插入、删除,我们可以进行一次排序,多次二分查找。这样排序的成本可被均摊,二分查找的边际成本就会比较低。
但是,如果我们的数据集合有频繁的插入和删除操作,要想用二分查找,要么每次插入、删除操作之后保证数据仍然有序,要么在每次二分查找之前都先进行排序。针对这种动态数据集合,无论哪种方法,维护有序的成本都是很高的。
所以,二分查找只能用在插入、删除操作不频繁,一次排序多次查找的场景中。针对动态变化的数据集合,二分查找将不再适用。那针对动态数据集合,如何在其中快速查找某个数据呢?别急,等到二叉树那一节我会详细讲。
再次,数据量太小不适合二分查找。
如果要处理的数据量很小,完全没有必要用二分查找,顺序遍历就足够了。比如我们在一个大小为 10 的数组中查找一个元素,不管用二分查找还是顺序遍历,查找速度都差不多。只有数据量比较大的时候,二分查找的优势才会比较明显。
不过,这里有一个例外。如果数据之间的比较操作非常耗时,不管数据量大小,我都推荐使用二分查找。比如,数组中存储的都是长度超过 300 的字符串,如此长的两个字符串之间比对大小,就会非常耗时。我们需要尽可能地减少比较次数,而比较次数的减少会大大提高性能,这个时候二分查找就比顺序遍历更有优势。
最后,数据量太大也不适合二分查找。
二分查找的底层需要依赖数组这种数据结构,而数组为了支持随机访问的特性,要求内存空间连续,对内存的要求比较苛刻。比如,我们有 1GB 大小的数据,如果希望用数组来存储,那就需要 1GB 的连续内存空间。
注意这里的“连续”二字,也就是说,即便有 2GB 的内存空间剩余,但是如果这剩余的 2GB 内存空间都是零散的,没有连续的 1GB 大小的内存空间,那照样无法申请一个 1GB 大小的数组。而我们的二分查找是作用在数组这种数据结构之上的,所以太大的数据用数组存储就比较吃力了,也就不能用二分查找了。

解答开篇

二分查找的理论知识你应该已经掌握了。我们来看下开篇的思考题:如何在 1000 万个整数中快速查找某个整数?
这个问题并不难。我们的内存限制是 100MB,每个数据大小是 8 字节,最简单的办法就是将数据存储在数组中,内存占用差不多是 80MB,符合内存的限制。借助今天讲的内容,我们可以先对这 1000 万数据从小到大排序,然后再利用二分查找算法,就可以快速地查找想要的数据了。
看起来这个问题并不难,很轻松就能解决。实际上,它暗藏了“玄机”。如果你对数据结构和算法有一定了解,知道散列表、二叉树这些支持快速查找的动态数据结构。你可能会觉得,用散列表和二叉树也可以解决这个问题。实际上是不行的。
虽然大部分情况下,用二分查找可以解决的问题,用散列表、二叉树都可以解决。但是,我们后面会讲,不管是散列表还是二叉树,都会需要比较多的额外的内存空间。如果用散列表或者二叉树来存储这 1000 万的数据,用 100MB 的内存肯定是存不下的。而二分查找底层依赖的是数组,除了数据本身之外,不需要额外存储其他信息,是最省内存空间的存储方式,所以刚好能在限定的内存大小下解决这个问题。

内容小结

今天我们学习了一种针对有序数据的高效查找算法,二分查找,它的时间复杂度是 O(logn)。
二分查找的核心思想理解起来非常简单,有点类似分治思想。即每次都通过跟区间中的中间元素对比,将待查找的区间缩小为一半,直到找到要查找的元素,或者区间被缩小为 0。但是二分查找的代码实现比较容易写错。你需要着重掌握它的三个容易出错的地方:循环退出条件、mid 的取值,low 和 high 的更新。
二分查找虽然性能比较优秀,但应用场景也比较有限。底层必须依赖数组,并且还要求数据是有序的。对于较小规模的数据查找,我们直接使用顺序遍历就可以了,二分查找的优势并不明显。二分查找更适合处理静态数据,也就是没有频繁的数据插入、删除操作。

课后思考

如何编程实现“求一个数的平方根”?要求精确到小数点后 6 位。
我刚才说了,如果数据使用链表存储,二分查找的时间复杂就会变得很高,那查找的时间复杂度究竟是多少呢?如果你自己推导一下,你就会深刻地认识到,为何我们会选择用数组而不是链表来实现二分查找了。
欢迎留言和我分享,我会第一时间给你反馈。
分享给需要的人,Ta购买本课程,你将得20
生成海报并分享

赞 175

提建议

上一篇
14 | 排序优化:如何实现一个通用的、高性能的排序函数?
下一篇
16 | 二分查找(下):如何快速定位IP对应的省份地址?
unpreview
 写留言

精选留言(242)

  • Jerry银银
    置顶
    2018-10-25
    说说第二题吧,感觉争议比较大: 假设链表长度为n,二分查找每次都要找到中间点(计算中忽略奇偶数差异): 第一次查找中间点,需要移动指针n/2次; 第二次,需要移动指针n/4次; 第三次需要移动指针n/8次; ...... 以此类推,一直到1次为值 总共指针移动次数(查找次数) = n/2 + n/4 + n/8 + ...+ 1,这显然是个等比数列,根据等比数列求和公式:Sum = n - 1. 最后算法时间复杂度是:O(n-1),忽略常数,记为O(n),时间复杂度和顺序查找时间复杂度相同 但是稍微思考下,在二分查找的时候,由于要进行多余的运算,严格来说,会比顺序查找时间慢 ----------------- 以上分析,不知道是否准确,还请老师解答
    展开

    作者回复: 分析的很好 👍 同学们可以把这条顶上去了

    共 33 条评论
    1116
  • 蒋礼锐
    置顶
    2018-10-24
    因为要精确到后六位,可以先用二分查找出整数位,然后再二分查找小数第一位,第二位,到第六位。 整数查找很简单,判断当前数小于+1后大于即可找到, 小数查找举查找小数后第一位来说,从x.0到(x+1).0,查找终止条件与整数一样,当前数小于,加0.1大于, 后面的位数以此类推,可以用x*10^(-i)通项来循环或者递归,终止条件是i>6, 想了一下复杂度,每次二分是logn,包括整数位会查找7次,所以时间复杂度为7logn。空间复杂度没有开辟新的储存空间,空间复杂度为1。 没有具体用代码实现,只是思路,还请多多指正。之后会用js去实际实现。
    展开
    共 15 条评论
    117
  • Jerry银银
    2018-10-26
    个人觉得二分查找进行优化时,还个细节注意: 将mid = lo + (hi - lo) /2,将除法优化成移位运算时,得注意运算符的优先级,千万不能写成这样:mid = lo + (hi - lo) >> 1

    作者回复: 👍

    共 15 条评论
    305
  • Alexis何春光
    2018-11-12
    现在在cmu读研,正在上terry lee的data structure,惊喜的发现不少他讲的点你都涵盖了,个别他没讲到的你也涵盖了.... (当然可能因为那门课只有6学时,时间不足,但还是给这个专栏赞一个!)

    作者回复: 读cmu 太厉害了 仰慕

    共 24 条评论
    211
  • 朱凯
    2018-10-25
    二分法求一个数x的平方根y? 解答:根据x的值,判断求解值y的取值范围。假设求解值范围min < y < max。若0<x<1,则min=x,max=1;若x=1,则y=1;x>1,则min=1,max=x;在确定了求解范围之后,利用二分法在求解值的范围中取一个中间值middle=(min+max)÷2,判断middle是否是x的平方根?若(middle+0.000001)*(middle+0.000001)>x且(middle-0.000001)*(middle-0.000001)<x,根据介值定理,可知middle既是求解值;若middle*middle > x,表示middle>实际求解值,max=middle; 若middle*middle < x,表示middle<实际求解值,min =middle;之后递归求解! 备注:因为是保留6位小数,所以middle上下浮动0.000001用于介值定理的判断
    展开
    共 6 条评论
    162
  • Dwyane
    2018-12-21
    1、low=mid+1,high=mid-1 学习了比较严谨条件 2、二分法求根号5 a:折半:       5/2=2.5 b:平方校验:  2.5*2.5=6.25>5,并且得到当前上限2.5 c:再次向下折半:2.5/2=1.25 d:平方校验:1.25*1.25=1.5625<5,得到当前下限1.25 e:再次折半:2.5-(2.5-1.25)/2=1.875 f:平方校验:1.875*1.875=3.515625<5,得到当前下限1.875 每次得到当前值和5进行比较,并且记下下下限和上限,依次迭代,逐渐逼近平方根:
    展开
    共 4 条评论
    150
  • 三忌
    2018-10-24
    def sqrt(x): ''' 求平方根,精确到小数点后6位 ''' low = 0 mid = x / 2 high = x while abs(mid ** 2 - x) > 0.000001: if mid ** 2 < x: low = mid else: high = mid mid = (low + high) / 2 return mid
    展开
    共 10 条评论
    59
  • 刘伟、
    2019-06-02
    关于1000万数中快速查找某个整数,我有个想法。考虑用数组下标来存储数据,一个bit位来存储标记。第一次排序的时候能得到这组数的最大值和最小值。 假如最小是5,最大是2000万。那我们定义一个字节数组Byte arr[2000万],因为我只需要打标记,所以一个bit能存下标记,一个byte能存8个数。只需要2MB多一点就能存2000万个数的状态(存在还是不存在) 先把这1000万个数存进去,用数x/8得到下标。用数x%8得到余数,因为每8个数一组得到的数组下标相同,所以还需要通过余数来确定具体是哪一个数。之后开始设置状态,从低位到高位,每一位代表一个数的状态,case0到7,每一次设置当下号码的状态时,先用按位于计算把其他不相关位置为1,当前位置为0,然后按位或对当前位置设置状态。存在就设置位1 ,不存在就设置位0 上述操作执行完之后,就支持任意查找了。只需要输入一个数x,我就能立刻通过x/8和x%8得到当前这个数的位置,然后把这个位置的状态位数字取出来。如果是1表示存在,如果是0表示不存在。 不知道这个想法有没有什么漏洞。希望老师或者一起学习的同学能帮忙一起想想
    展开

    作者回复: 赞 不错!

    共 12 条评论
    40
  • 锐雨
    2018-10-24
    求平方根,可以参考0到99之间猜数字的思路,99换成x, 循环到误差允许内即可,注意1这个分界线。欢迎交流,Java如下 public static double sqrt(double x, double precision) { if (x < 0) { return Double.NaN; } double low = 0; double up = x; if (x < 1 && x > 0) { /** 小于1的时候*/ low = x; up = 1; } double mid = low + (up - low)/2; while(up - low > precision) { if (mid * mid > x ) {//TODO mid可能会溢出 up = mid; } else if (mid * mid < x) { low = mid; } else { return mid; } mid = low + (up - low)/2; } return mid; }
    展开
    共 5 条评论
    40
  • 姜威
    2018-10-31
    总结:二分查找(上) 一、什么是二分查找? 二分查找针对的是一个有序的数据集合,每次通过跟区间中间的元素对比,将待查找的区间缩小为之前的一半,直到找到要查找的元素,或者区间缩小为0。 二、时间复杂度分析? 1.时间复杂度 假设数据大小是n,每次查找后数据都会缩小为原来的一半,最坏的情况下,直到查找区间被缩小为空,才停止。所以,每次查找的数据大小是:n,n/2,n/4,…,n/(2^k),…,这是一个等比数列。当n/(2^k)=1时,k的值就是总共缩小的次数,也是查找的总次数。而每次缩小操作只涉及两个数据的大小比较,所以,经过k次区间缩小操作,时间复杂度就是O(k)。通过n/(2^k)=1,可求得k=log2n,所以时间复杂度是O(logn)。 2.认识O(logn) ①这是一种极其高效的时间复杂度,有时甚至比O(1)的算法还要高效。为什么? ②因为logn是一个非常“恐怖“的数量级,即便n非常大,对应的logn也很小。比如n等于2的32次方,也就是42亿,而logn才32。 ③由此可见,O(logn)有时就是比O(1000),O(10000)快很多。 三、如何实现二分查找? 1.循环实现 代码实现: public int binarySearch1(int[] a, int val){ int start = 0; int end = a.length - 1; while(start <= end){ int mid = start + (end - start) / 2; if(a[mid] > val) end = mid - 1; else if(a[mid] < val) start = mid + 1; else return mid; } return -1; } 注意事项: ①循环退出条件是:start<=end,而不是start<end。 ②mid的取值,使用mid=start + (end - start) / 2,而不用mid=(start + end)/2,因为如果start和end比较大的话,求和可能会发生int类型的值超出最大范围。为了把性能优化到极致,可以将除以2转换成位运算,即start + ((end - start) >> 1),因为相比除法运算来说,计算机处理位运算要快得多。 ③start和end的更新:start = mid - 1,end = mid + 1,若直接写成start = mid,end=mid,就可能会发生死循环。 2.递归实现 public int binarySearch(int[] a, int val){ return bSear(a, val, 0, a.length-1); } private int bSear(int[] a, int val, int start, int end) { if(start > end) return -1; int mid = start + (end - start) / 2; if(a[mid] == val) return mid; else if(a[mid] > val) end = mid - 1; else start = mid + 1; return bSear(a, val, start, end); } 四、使用条件(应用场景的局限性) 1.二分查找依赖的是顺序表结构,即数组。 2.二分查找针对的是有序数据,因此只能用在插入、删除操作不频繁,一次排序多次查找的场景中。 3.数据量太小不适合二分查找,与直接遍历相比效率提升不明显。但有一个例外,就是数据之间的比较操作非常费时,比如数组中存储的都是长度超过300的字符串,那这是还是尽量减少比较操作使用二分查找吧。 4.数据量太大也不是适合用二分查找,因为数组需要连续的空间,若数据量太大,往往找不到存储如此大规模数据的连续内存空间。 五、思考 1.如何在1000万个整数中快速查找某个整数? ①1000万个整数占用存储空间为40MB,占用空间不大,所以可以全部加载到内存中进行处理; ②用一个1000万个元素的数组存储,然后使用快排进行升序排序,时间复杂度为O(nlogn) ③在有序数组中使用二分查找算法进行查找,时间复杂度为O(logn) 2.如何编程实现“求一个数的平方根”?要求精确到小数点后6位?
    展开
    共 9 条评论
    36
  • THROW
    2018-10-24
    1000w数据查找这个,在排序的时候不就可以找到了么?

    作者回复: 如果是多次查找操作呢

    共 6 条评论
    32
  • Smallfly
    2018-10-24
    1. 求平方根可以用二分查找或牛顿迭代法; 2. 有序链表的二分查找时间复杂度为 O(n)。
    26
  • Garwen
    2018-11-21
    第一题虽说是在二分查找的这一章,还是推荐大家用牛顿弦切法求解平方根,代码如下供大家参考: double number = 15; //待求平方根的数 double xini = 10;//初始点 while(xini*xini - number > 1e-6) { xini = (number + xini*xini)/2/xini; }
    展开

    作者回复: 👍

    共 4 条评论
    22
  • 王小李
    2018-10-24
    平方根可以用牛顿迭代实现。

    作者回复: 哈哈 同学的回答超纲了 👍

    共 2 条评论
    19
  • Jerry银银
    2019-03-30
    看了留言,求平方根那题,同学的答案可能都不对。因为题目没有要求必须返回正整数,所以将有两个答案:正的和负的!所以,算法的输出应该是一个数组。😝
    共 2 条评论
    14
  • Victor
    2018-10-27
    开篇的问题:1000w 个 8字节整数的中查找某个整数是否存在,且内存占用不超过100M ? 我尝试延伸了一些解决方案: 1、由于内存限制,存储一个整数需要8字节,也就是 64 bit。此时是否可以考虑bitmap这样的数据结构,也就是每个整数就是一个索引下标,对于每一个索引bit,1 表示存在,0 表示不存在。同时考虑到整数的数据范围,8字节整数的范围太大,这是需要考虑压缩的问题,压缩方案可以参考 RoaringBitmap 的压缩方式。 2、我们要解决的问题,也就是判断某个元素是否属于某个集合的问题。这里是否可以和出题方探讨是否严格要求100%判断正确。在允许很小误差概率的情景下(比如判断是否在垃圾邮件地址黑名单中),可以考虑 BloomFilter 。 BloomFilter 存储空间更加高效。1000w数据、0.1%的误差下需要的内存仅为 17.14M 时间复杂度上,上面两种都是 hashmap的变种,因此为 o(1)。
    展开
    13
  • kaka
    2018-10-29
    关于求平方根的题,我知道一种比较巧妙的方法,那就是利用魔数,时间复杂度是 O(1),根据我测试,精度大概能精确到 5 位小数,也还不错。下面是 c 语言代码 float q_rsqrt(float number) { int i; float x2, y; const float threehalfs = 1.5; x2 = number * 0.5; y = number; i = *(int*)&y; i = 0x5f3759df - (i >> 1); y = *(float*)&i; y = y * (threehalfs - (x2 * y * y)); y = y * (threehalfs - (x2 * y * y)); y = y * (threehalfs - (x2 * y * y)); return 1.0 / y; }
    展开
    共 1 条评论
    12
  • 2019-12-16
    1.求一个数的平方根 问题咋一看与二分查找并无联系 细想思路正是利用二分查找的思路求解 public static Double squareRoot(int a){ double x = 0; double low = 0; double high = a; while(low<=high){ x = (low+high)/2; if(x*x>a){ high = x-0.000001; } if(x*x<a){ low = x+0.000001; } } return new BigDecimal(x).setScale(6, BigDecimal.ROUND_HALF_UP).doubleValue(); }
    展开
    共 1 条评论
    12
  • yu🐟
    2019-01-03
    /** * 求一个数的平方根 * * @param n:待求的数 * @param deltaThreshold 误差的阈值 * @return */ public static double getSqureRoot(int n, double deltaThreshold) { double low = 1.0; double high = (double) n; while (low <= high) { double mid = low + ((high - low) / 2); double square = mid * mid; double delta = Math.abs(square / n - 1); if (delta < deltaThreshold) { return mid; } else if (square < n) { low = mid; } else { high = mid; } } return -1.0; }
    展开
    共 2 条评论
    6
  • 啊波次的额佛哥~
    2018-10-29
    平方根C代码,precision位数,小数点后6位是0.000001 double squareRoot(double a , double precision){ double low,high,mid,tmp; if (a>1){ low = 1; high = a; }else{ low = 1; high = a; } while (low<=high) { mid = (low+high)/2.000; tmp = mid*mid; if (tmp-a <= precision && tmp-a >= precision*-1){ return mid; }else if (tmp>a){ high = mid; }else{ low = mid; } } return -1.000; } int main(int argc, const char * argv[]) { double num = squareRoot(2, 0.000001); printf("%f",num); return 0; }
    展开
    共 2 条评论
    6