常见的查找算法

线性查找（Linear Search）：
- 算法思想：从数组或列表的第一个元素开始，逐个向后遍历，依次比较每个元素与目标值是否相等，直到找到目标值或遍历完整个数组。
- 示例：假设有一个整数列表 [3, 1, 4, 1, 5, 9, 2, 6, 5]，要查找目标值为 5。线性查找算法会从列表的第一个元素开始逐个比较，直到找到第一个值为 5 的元素。
二分查找（Binary Search）：
- 算法思想：适用于有序数组或列表。通过比较目标值与数组中间元素的大小关系，将搜索范围缩小为左半部分或右半部分，然后继续在缩小后的范围内进行查找，直到找到目标值或确定目标值不在数组中。
- 示例：假设有一个有序整数列表 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]，要查找目标值为 6。二分查找算法会首先将搜索范围缩小到中间元素 5，然后根据大小关系确定搜索范围为右半部分 [6, 7, 8, 9, 10]，继续在右半部分查找。
哈希表查找（Hash Table Lookup）：
- 算法思想：通过哈希函数将键映射到哈希表的一个位置（索引），在该位置处存储对应的值。在查找时，根据键的哈希值找到对应的位置，并检查该位置处是否存储了目标值。
- 示例：假设有一个哈希表存储了一些学生的成绩信息，键为学生的姓名，值为学生的分数。要查找学生名为 "Alice" 的成绩，可以通过哈希函数计算出 "Alice" 对应的哈希值，然后在哈希表中查找该哈希值对应的位置，获取对应的分数。
树搜索（Tree Search）：
- 算法思想：适用于树形数据结构，如二叉搜索树。根据树的特性，从根节点开始递归或迭代地搜索目标值。
- 示例：假设有一个二叉搜索树，要查找值为 7 的节点。从根节点开始，先比较 7 与根节点的值，根据大小关系确定继续在左子树或右子树中搜索，直到找到目标节点或确定目标节点不存在。
图搜索（Graph Search）：
- 算法思想：适用于图形数据结构，如深度优先搜索（DFS）、广度优先搜索（BFS）等算法用于在图中查找目标节点。
- 示例：假设有一个图形数据结构表示城市之间的路线图，要查找从城市 A 到城市 B 的最短路径。可以使用广度优先搜索算法在图中搜索从城市 A 到城市 B 的路径，直到找到最短路径或搜索完整个图。