标签：思路 min search 组合 思想 \n 索引 范围 一个
递归排序大家都不陌生，递归简单的说就是自己在没有达到目的的同时在此调用本身，把一个大问题层层转化为和原问题相似的小问题解决，递归需要有边界条件、递归前进段和递归返回段。当边界条件不满足时，递归前进；当边界条件满足时，递归返回。
二分查找也称折半查找（Binary Search），它是一种效率较高的查找方法。但是，折半查找要求线性表必须采用顺序存储结构，而且表中元素按关键字有序排列。
归并排序（MERGE-SORT）是建立在归并操作上的一种有效的排序算法,该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。若将两个有序表合并成一个有序表，称为二路归并。
如果想了解更多可以去百度百科查阅即可。下面是简单例子
二分法就是把一个数组折半查找，再折半直到找到数据位置，或者无数据位置。比如说1-100，你选的值是23，那么范围写法就是(索引写法类似)
第一次折半是1-50，51-100，经过查找23<50,是在1-50里。
第二次是1-25，26-50，经过查找23<25，是在1-25里。
..........
/**
* 方法描述：二分查找方法
* **/
public static int twoQueryMethod(int[] data,int query){
int start=0; //开始角标
int end=data.length-1; //结束角标
int moddle;
while(true){
moddle=(end+start)/2;
if(data[moddle] == query){
return moddle;
}
//起始角标 > 最后角标 没有找到
else if(start > end){
return data.length;
}
else{
//中间值大于查找值
if(data[moddle] > query){
end = moddle-1;
}else{
start = moddle + 1;
}
}
}
}
上面是用平常的while循环写的，下面用递归的写法。
使用递归可以取消while的循环使用
/**
* 递归取代while循环
*
* **/
//降序查找
public static int diGuiMethod(int[] data,int search,int start,int end){
//获取中间值角标
int moddle=(start+end)/2;
if(data[moddle] == search){
return moddle;
}else if(start > end){
return data.length;
}else{
//下面是降序
if(data[moddle]< search){
return diGuiMethod(data,search,start,moddle-1);
}else{
return diGuiMethod(data, search, moddle+1, end);
}
}
}
//升序查找
public static int binarySearch(int[] arr, int data, int beginIndex, int endIndex) {
int midIndex = (beginIndex + endIndex) / 2;
if (data < arr[beginIndex] || data > arr[endIndex] || beginIndex > endIndex) {
return -1;
}
if (data < arr[midIndex]) {
return binarySearch(arr, data, beginIndex, midIndex - 1);
} else if (data > arr[midIndex]) {
return binarySearch(arr, data, midIndex + 1, endIndex);
} else {
return midIndex;
}
}
普通二分查找法和递归二分查找都是 O（logN） 但是资料显示 递归二分查找简介但稍微慢一点。
分治算法的基本思想是将一个规模为N的问题分解为K个规模较小的子问题，这些子问题相互独立且与原问题性质相同。求出子问题的解，就可得到原问题的解。即一种分目标完成程序算法，简单问题可用二分法完成。
当我们求解某些问题时，由于这些问题要处理的数据相当多，或求解过程相当复杂，使得直接求解法在时间上相当长，或者根本无法直接求出。对于这类问题，我们往往先把它分解成几个子问题，找到求出这几个子问题的解法后，再找到合适的方法，把它们组合成求整个问题的解法。如果这些子问题还较大，难以解决，可以再把它们分成几个更小的子问题，以此类推，直至可以直接求出解为止。这就是分治策略的基本思想。
归并排序（MERGE-SORT）是建立在归并操作上的一种有效的排序算法,该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。若将两个有序表合并成一个有序表，称为二路归并。
public static void mergeTwo(int[] arr1,int[] arr2,int[] mergeArr){
int aIndex=0,bIndex=0,mIndex=0;
//两个数组都有数据时
while(aIndex < arr1.length && bIndex < arr2.length){
if(arr1[aIndex]<arr2[bIndex]){
mergeArr[mIndex++] = arr1[aIndex++];
}else{
mergeArr[mIndex++] = arr2[bIndex++];
}
}
//如果两个数组长度相等，则下方方法就不会执行，如果A长度大于B，则会走第一个while。
//两个数组其中一个无数据时
while(aIndex < arr1.length){
mergeArr[mIndex++] = arr1[aIndex++];
}
while(bIndex < arr2.length){
mergeArr[mIndex++]=arr2[bIndex++];
}
//遍历结果
for(int i=0;i<mergeArr.length;i++){
System.out.println(mergeArr[i]);
}
}
使用
//main方法中使用
int[] arr1={12,14,15,16};
int[] arr2={8,22,56,90,100};
int [] merge=new int[9];
mergeTwo(arr1, arr2, merge);
/**
* 一个数组内部进行排序
*
* **/
public static void mergeOne(int arr[],int startInt,int stopInt,int[] cArr){
//如果范围是1则直接返回。
if(stopInt==startInt){
return;
}
else{
int middle=(startInt+stopInt)/2;
//开始把数组分开---二分法
mergeOne(arr, startInt, middle,cArr);
mergeOne(arr, middle+1, stopInt,cArr);
mergeTwoSort(arr,startInt,middle,stopInt,cArr);
}
}
public static void mergeTwoSort(int arr[],int start,int mid,int end,int[] cArr){
int left=start;//左序列开始角标
int right=mid+1;//右序列开始角标
int cIndex=0;//临时数组
//当两边都有值时执行
while(left <= mid&& end>=right){
//比较两个数组的元素大小，如：A：left=0开始到3，长度为4，B：right=4开始，长度为4，
if(arr[left]<arr[right])
{
cArr[cIndex++]=arr[left++];
}else{
cArr[cIndex++]=arr[right++];
}
}
//当右边数组无元素时执行
while(left<=mid){
cArr[cIndex++]=arr[left++];
}
//当左边数组无元素时执行
while(right<=end){
cArr[cIndex++]=arr[right++];
}
//将临时数组全部添加进原数组
cIndex=0;//指针修改为0
while(start<=end){
arr[start++]=cArr[cIndex++];
}
}
使用
//mian方法使用
//一个数组内部排序
int[] arr3={12,4,34,5,6,45,9};
int[] cArr=new int[7];
mergeOne(arr3, 0, 6, cArr);
System.out.println("一个数组内部排序");
for(int i=0;i<cArr.length;i++){
System.out.println(cArr[i]);
O（log2\N）以2为底N的对数。
标签：思路 min search 组合 思想 \n 索引 范围 一个
原文地址：https://www.cnblogs.com/cmusketeer/p/9384452.html
