标签：http 复杂度 一半 大小 关注 upload 就是 rac data
二分查找（Binary Search）的思想非常简单，但看似越简单的东西往往越难掌握好，想要灵活运用就更加困难。
生活中二分查找的思想无处不在。一个最常见的就是猜数游戏，我随机写一个 0 到 99 的数，然后你来猜我写的是什么。猜的过程中，我会告诉你每次是猜大了还是猜小了，直到猜中为止。假如我写的数是 23，猜数过程如下所示。
最多只需要 7 次就猜出来了，这个过程是很快的。同理，要查找某个数据是否在给定的数组中，我们同样也可以利用这个思想。
二分查找针对的是一个有序的数据集合，查找思想有点类似于分治，每次都通过和中间元素进行比较，将待查找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 为止。
我们假设数据大小为 n，每次查找数据大小都会缩小为原来的一半，最坏情况下，直到查找区间缩小为空时停止查找。
若经过 k 次区间缩小最后变为空，则 $\frac{n}{2^k} = 1, k = log_2n$，所以二分查找的时间复杂度为 $O(logn)$。
这种对数时间复杂度的算法是一种非常高效的算法，有时候甚至比时间复杂度为常量级的算法还要高效。因为常量级的时间复杂度对应的常数可能非常大，比如 O(100), O(1000)，因此这些算法有时候可能还没有 $O(logn)$ 的算法执行效率高。
循环法
float Binary_Search(float data[], int left, int right, float value)
{
while (left <= right)
{
int mid = left + (right - left) / 2;
if (value == data[mid])
{
return mid;
}
else if (value < data[mid])
{
right = mid - 1;
}
else
{
left = mid + 1;
}
}
return -1;
}递归法
float Binary_Search(float data[], int left, int right, float value)
{
if (left <= right)
{
int mid = left + (right - left) / 2;
if (value == data[mid])
{
return mid;
}
else if (value < data[mid])
{
return Binary_Search(data, left, mid-1, value);
}
else
{
return Binary_Search(data, mid+1, right, value);
}
}
return -1;
}注意事项
二分查 找依赖的是顺序表结构，也就是数组，需要能够按照下标随机访问元素。
二分查找针对的是有序数据，如果数据无序，需要先进行排序。而如果有频繁的插入、删除操作，则每次查找前都需要再次排序，这时候，二分查找将不再适用。
数据量太小可以直接遍历查找，没有必要用二分查找。但如果数据之间的比较操作非常耗时，比如数据为长度超过 300 的字符串，则不管数据量大小，都推荐使用二分查找。
而如果数据量过大，则意味着我们需要用非常大的连续内存空间来存储这些数据，内存开销可能无法满足。
获取更多精彩，请关注「seniusen」!
标签：http 复杂度 一半 大小 关注 upload 就是 rac data
原文地址：https://www.cnblogs.com/seniusen/p/9846467.html
