数据结构(查找)

int sequential_search(int arr[], int n, int target) 
{
    for (int i = 0; i < n; i++) 
    {
        if (arr[i] == target) 
        {
            return i; // 找到返回索引
        }
    }
    return -1; // 未找到
}

复杂度分析：

时间复杂度：O(n)
空间复杂度：O(1)
适用场景：数据无序、小规模数据集。

二、二分查找（Binary Search）

原理：

二分查找要求数据有序，通过不断缩小搜索范围（每次比较中间元素），以对数时间定位目

C语言实现（循环版）：

cs 复制代码

int binary_search(int arr[], int n, int target) 
{
    int left = 0, right = n - 1;
    while (left <= right) 
    {
        int mid = left + (right - left) / 2; // 避免整数溢出
        if (arr[mid] == target) 
        {
            return mid;
        } 
        else if (arr[mid] < target) 
        {
            left = mid + 1;
        } 
        else 
        {
            right = mid - 1;
        }
    }
    return -1;
}

递归版实现：

cs 复制代码

int binary_search_recursive(int arr[], int left, int right, int target) 
{
    if (left > right) return -1;
    int mid = left + (right - left) / 2;
    if (arr[mid] == target) 
    {
        return mid;
    } 
    else if (arr[mid] < target) 
    {
        return binary_search_recursive(arr, mid + 1, right, target);
    } 
    else 
    {
        return binary_search_recursive(arr, left, mid - 1, target);
    }
}

复杂度分析：

时间复杂度：O(log n)
空间复杂度：循环版O(1)，递归版O(log n)（栈空间）
适用场景 ：有序数组，静态数据集（无频繁插入/删除）。

三、插值查找（Interpolation Search）

原理：

基于二分查找优化，通过数据分布预测目标位置，适用于数据均匀分布的有序数组。

C语言实现：

cs 复制代码

int interpolation_search(int arr[], int n, int target) 
{
    int low = 0, high = n - 1;
    while (low <= high && target >= arr[low] && target <= arr[high]) 
    {
        int pos = low + ((target - arr[low]) * (high - low)) / (arr[high] - arr[low]);
        if (arr[pos] == target) 
        {
            return pos;
        } 
        else if (arr[pos] < target) 
        {
            low = pos + 1;
        }
         else 
        {
            high = pos - 1;
        }
    }
    return -1;
}

复杂度分析：

平均时间复杂度：O(log log n)（数据均匀分布时）
最坏时间复杂度：O(n)
适用场景 ：有序且均匀分布的大规模数据集。

四、分块查找（Block Search）

原理：

将数据分为若干块，块内无序但块间有序，通过先定位块，再块内顺序查找提高效率。

C语言实现：

cs 复制代码

typedef struct 
{
    int max_val;  // 块内最大值
    int start;    // 块起始索引
    int end;      // 块结束索引
} Block;

int block_search(int arr[], int n, int target, Block blocks[], int block_num) 
{
    // 1. 定位目标块
    int target_block = -1;
    for (int i = 0; i < block_num; i++) 
    {
        if (target <= blocks[i].max_val) 
        {
            target_block = i;
            break;
        }
    }
    if (target_block == -1) return -1;

    // 2. 块内顺序查找
    for (int i = blocks[target_block].start; i <= blocks[target_block].end; i++) 
    {
        if (arr[i] == target) 
        {
            return i;
        }
    }
    return -1;
}

复杂度分析：

时间复杂度：O(√n)（理想分块大小）
适用场景：动态数据（可灵活调整分块），如数据库索引。

五、哈希查找（Hash Search）

原理：

通过哈希函数将键值映射到存储位置，理想情况下可实现O(1)时间查找。

简单哈希表实现（开放寻址法）：

cs 复制代码

#define SIZE 10

int hash_function(int key)
{
	return key % SIZE;
}

int hash_search(int hash_table[], int key)
{
	int index = hash_function(key);
	int start = index;
	do {
		if (hash_table[index] == key)
		{
			return index;
		}
		else if (hash_table[index] == -1)
		{
			return -1; // 空位说明不存在
		}
		index = (index + 1) % SIZE;
	} while (index != start);
	return -1;
}

复杂度分析：

平均时间复杂度：O(1)
最坏时间复杂度：O(n)（哈希冲突严重时）
适用场景：需要快速查找、插入、删除的场景，如缓存系统。

六、算法对比与选择建议

七、实际应用示例

场景：学生成绩管理系统

若成绩表无序且数据量小 → 顺序查找
若成绩表按学号有序 → 二分查找
若需频繁按姓名查找 → 建立哈希表（以姓名为键）

八、总结

查找算法的选择需综合考虑数据特征 （有序性、分布情况）和操作需求 （查询频率、是否动态更新）。C语言作为贴近硬件的语言，能清晰展现算法底层逻辑，建议通过手写代码加深理解。最后，请记住：没有最好的算法，只有最适合场景的算法。

数据结构(查找)

引言

一、顺序查找（Sequential Search）

原理：

C语言实现：

复杂度分析：

二、二分查找（Binary Search）

原理：

C语言实现（循环版） ：

递归版实现：

复杂度分析：

三、插值查找（Interpolation Search）

原理：

C语言实现：

复杂度分析：

四、分块查找（Block Search）

原理：

C语言实现：

复杂度分析：

五、哈希查找（Hash Search）

原理：

简单哈希表实现（开放寻址法）：

复杂度分析：

六、算法对比与选择建议

七、实际应用示例

八、总结

C语言实现（循环版）：