二分查找以及相应的优化

//[1,2,4,6,9,12,14,34]
    func twofen1(_ arr:[Int],_ key:Int, _ low:Int, _ height:Int) -> Bool {
        if low >= height{
            if arr[low] == key{
                return true
            }
            return false
        }
        let mid = (low + height)/2   // let mid = (height - low)/2 + low
        if arr[mid] < key{
             return   self.twofen(arr, key, mid + 1, height)
        }else if arr[mid] > key{
             return self.twofen(arr, key, low, mid - 1)
        }else{
            print(mid)
            return true
        }
        
    }
    
    func twofen2(_ arr:[Int],_ key:Int, _ low:Int, _ height:Int) -> Bool {
        if low >= height{
            if arr[low] == key{
                return true
            }
            return false
        }
        let mid = (height - low) * (key - arr[low]) / (arr[height] - arr[low])  + low     //均匀分布的
        if arr[mid] < key{
            return   self.twofen(arr, key, mid + 1, height)
        }else if arr[mid] > key{
            return self.twofen(arr, key, low, mid - 1)
        }else{
            print(mid)
            return true
        }
        
    }
    /*
     与拆半查找一样,也是logn。不少博客说,在处理海量数据时,拆分查找的middle = (low + hight)/2,
     除法可能会影响效率,而斐波那契的middle = low + F[k-1] -1,纯加减计算,速度要快一些。
     我觉得是扯淡,因为完全可以用middle = (loe+hight)>>2来代替,要知道相比于加减乘除而言,
     位运算的效率可是最高的哟。
    
     */
    
    func makeFBArr(_ arrCount:Int) -> [Int] {
        var i  = 1
        var arrFB :[Int] = [0]
        
        while i < arrCount {
            if i == 1{
                arrFB.append( arrFB[0] + 1)
            }else{
                arrFB.append(arrFB[i - 1] + arrFB[i - 2])
            }
            i += 1
        }
        return arrFB
    }
    
    func twofen(_ arr1:[Int],_ key:Int, _ low:Int, _ height:Int) -> Bool {
        var arr = arr1
        var Low = low
       // var Height = height
        
        
        let fpArr = self.makeFBArr(height - low + 1)
       // print(fpArr)
        var k = 0
        while arr.count > fpArr[k] {
            k += 1
        }
        for _ in arr.count..<fpArr[k] {
            arr.append(arr1[arr1.count - 1])
        }
        while Low <= height {
            let mid = fpArr[k - 1] - 1 + Low
            if arr[mid] > key{
                k = k - 1
            }else if arr[mid] < key{
                Low = mid + 1
                k = k - 2
            }else{
                return true
            }
            
        }
        return false
    }
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,732评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,496评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,264评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,807评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,806评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,675评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,029评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,683评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 41,704评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,666评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,773评论 1 332
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,413评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,016评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,978评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,204评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,083评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,503评论 2 343

推荐阅读更多精彩内容