本文是对 Swift Algorithm Club 翻译的一篇文章。
Swift Algorithm Club是 raywenderlich.com网站出品的用Swift实现算法和数据结构的开源项目，目前在GitHub上有18000+⭐️，我初略统计了一下，大概有一百左右个的算法和数据结构，基本上常见的都包含了，是iOSer学习算法和数据结构不错的资源。
🐙andyRon/swift-algorithm-club-cn是我对Swift Algorithm Club，边学习边翻译的项目。欢迎有兴趣学习算法和数据结构，有时间的小伙伴一起参与翻译，欢迎issue，或者直接提交pull request。
本文的翻译原文和代码可以查看🐙swift-algorithm-club-cn/Binary Search
Binary Search
目标：在数组中快速寻找一个元素。
假设你有一个数字数组，你想确定一个特定的数字是否在该数组中，如果在，那么获得这个数字的索引。
对于上面的情况，Swift的indexOf()函数足够完成：
let numbers = [11, 59, 3, 2, 53, 17, 31, 7, 19, 67, 47, 13, 37, 61, 29, 43, 5, 41, 23]
numbers.indexOf(43) // returns 15
内置的indexOf()函数执行的是线性搜索。代码大概是：
func linearSearch<T: Equatable>(_ a: [T], _ key: T) -> Int? {
for i in 0 ..< a.count {
if a[i] == key {
return i
}
}
return nil
}
使用如下：
linearSearch(numbers, 43) // returns 15
有什么问题呢？ linearSearch（）从头开始遍历整个数组，直到找到你正在寻找的元素。 在最坏的情况是数值不在数组中，那么之前的遍历就白费。
平均而言，线性搜索算法需要查看数组中一半的值。 如果您的数组足够大，这将会变得非常慢！
分而治之
提升速度的经典方法是使用 二分搜索。 诀窍是将数组分成两半，直到找到值。
对于大小为n的数组，性能不是线性搜索的O(n)，而是只有 O(log n)。换句话说，对具有1,000,000个元素的数组进行二分搜索只需要大约20个步骤来查找要查找的内容，因为log_2（1,000,000）= 19.9。对于具有十亿个元素的数组，它只需要30步。 （然而，你上一次使用数十亿项的数组是什么时候？）
听起来很棒，但使用二分搜索有一个缺点：数组必须被排好序的。 在实践中，这通常不是问题。
下面二分搜索的工作原理：
- 将数组分成两半，并确定您要查找的内容（称为搜索键）是在左半部分还是在右半部分。
- 您如何确定搜索键的键在哪一半呢？ 这就是首先要对数组进行排序的原因，排好序你就可以做一个简单的
<或>比较。 - 如果搜索键位于左半部分，则在那里重复该过程：将左半部分分成两个更小的部分，并查看搜索键位于哪一块。 （同样，对于右半部分同样处理。）
- 重复此操作直到找到搜索键。 如果无法进一步拆分数组，则必须遗憾地得出结论，搜索键不在数组中。
现在你知道为什么它被称为“二分”搜索：在每一步中它将数组分成两半。 分而治之 可以快速缩小搜索键所在的位置。
代码
这是Swift中二分搜索的递归实现：
func binarySearch<T: Comparable>(_ a: [T], key: T, range: Range<Int>) -> Int? {
if range.lowerBound >= range.upperBound {
// If we get here, then the search key is not present in the array.
return nil
} else {
// Calculate where to split the array.
let midIndex = range.lowerBound + (range.upperBound - range.lowerBound) / 2
// Is the search key in the left half?
if a[midIndex] > key {
return binarySearch(a, key: key, range: range.lowerBound ..< midIndex)
// Is the search key in the right half?
} else if a[midIndex] < key {
return binarySearch(a, key: key, range: midIndex + 1 ..< range.upperBound)
// If we get here, then we've found the search key!
} else {
return midIndex
}
}
}
尝试一下，将代码复制到 playground 并执行以下操作：
let numbers = [2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67]
binarySearch(numbers, key: 43, range: 0 ..< numbers.count) // gives 13
请注意，numbers数组已排序。 否则二分搜索算法不能工作！
二分搜索通过将数组分成两半来搜索，但我们实际上并没有创建两个新数组。 我们使用SwiftRange对象跟踪这些拆分。起初，此范围涵盖整个数组，0 .. <numbers.count。 当我们拆分数组时，范围变得越来越小。
注意： 需要注意的一点是
range.upperBound总是指向最后一个元素之后的元素。 在这个例子中，范围是0 .. <19，因为数组中有19个数字，所以range.lowerBound = 0和range.upperBound = 19。但是在我们的数组中，最后一个元素是在索引18而不是19，因为我们从0开始计数。在处理范围时要记住这一点：upperBound总是比最后一个元素的索引多一。
分步执行示例
查看算法的详细工作方式或许是很有用的。
上例中的数组由19个数字组成，排序后如下所示：
[ 2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67 ]
我们试图确定数字43是否在这个数组中。
将数组拆分为一半，我们需要知道中间对象的索引。 这是由这行代码确定：
let midIndex = range.lowerBound + (range.upperBound - range.lowerBound) / 2
最初，范围有lowerBound = 0和upperBound = 19。 细看，我们发现midIndex是0 +（19 - 0）/ 2 = 19/2 = 9。 它实际上是9.5，但因为我们使用的是整数，所以答案是向下舍入了。
在下图中，*处表示中间项。 如您所见，每侧的项目数相同，因此我们将在中间分开。
[ 2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67 ]
*
二分搜索将确定使用哪一半的相关代码是：
if a[midIndex] > key {
// use left half
} else if a[midIndex] < key {
// use right half
} else {
return midIndex
}
在这种情况下，a[midIndex] = 29。 这比搜索键的值小，所以我们可以得出结论，搜索键永远不会出现在数组的左半部分。毕竟，左半部分只包含小于29的数字。 因此，搜索键肯定位于右半部分（或根本不在数组中）。
现在我们可以简单地重复二分搜索，数组间距从midIndex + 1到range.upperBound：
[ x, x, x, x, x, x, x, x, x, x | 31, 37, 41, 43, 47, 53, 59, 61, 67 ]
由于我们不再需要关注数组的左半部分，我用x标记了它。 从现在开始，我们只看右半部分，从数组索引10开始。
我们计算新的中间元素的索引：midIndex = 10 +（19 - 10）/ 2 = 14，然后再将数组从中间拆分。
[ x, x, x, x, x, x, x, x, x, x | 31, 37, 41, 43, 47, 53, 59, 61, 67 ]
*
正如你所看到的，a [14]是数组右半部分的中间元素。
搜索键是大于还是小于a [14]？ 小，因为43 <47。 这次我们取左半边并忽略右边较大的数字：
[ x, x, x, x, x, x, x, x, x, x | 31, 37, 41, 43 | x, x, x, x, x ]
新的midIndex如下：
[ x, x, x, x, x, x, x, x, x, x | 31, 37, 41, 43 | x, x, x, x, x ]
*
搜索键大于37，因此继续右侧：
[ x, x, x, x, x, x, x, x, x, x | x, x | 41, 43 | x, x, x, x, x ]
*
同样，搜索键更大，因此再次拆分并采取右侧：
[ x, x, x, x, x, x, x, x, x, x | x, x | x | 43 | x, x, x, x, x ]
*
现在我们已经完成了。搜索键等于我们正在查看的数组元素，所以我们终于找到了我们要搜索的内容：数字43位于数组索引13。
这可能看起来像很多工作，但实际上只需要四个步骤就能找到数组中的搜索键，因为log_2（19）= 4.23。通过线性搜索，它将花费14个步骤。
如果我们要搜索42而不是43会发生什么？在这种情况下，最后我们不能再进一步拆分数组。 range.upperBound变得小于range.lowerBound。这告诉算法搜索键不在数组中，它返回nil。
注意： 二分搜索许多执行会计算
midIndex = (lowerBound + upperBound) / 2。这包含了一个在非常大的数组中会出现的细微bug，因为lowerBound + upperBound可能溢出一个整数可以容纳的最大数。这种情况不太可能发生在64位CPU上，但绝对可能在32位机器上发生。
迭代与递归
二分搜索本质上是递归的，因为您将相同的逻辑一遍又一遍地应用于越来越小的子数组。 但是，这并不意味着您必须将binarySearch()实现为递归函数。 将递归算法转换为迭代版本通常更有效，使用简单的循环而不是大量的递归函数调用。
这是Swift中二分搜索的迭代实现：
func binarySearch<T: Comparable>(_ a: [T], key: T) -> Int? {
var lowerBound = 0
var upperBound = a.count
while lowerBound < upperBound {
let midIndex = lowerBound + (upperBound - lowerBound) / 2
if a[midIndex] == key {
return midIndex
} else if a[midIndex] < key {
lowerBound = midIndex + 1
} else {
upperBound = midIndex
}
}
return nil
}
如您所见，代码与递归版本非常相似。 主要区别在于使用while循环。
使用迭代实现：
let numbers = [2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67]
binarySearch(numbers, key: 43) // gives 13
结束
数组必须先排序是一个问题？ 排序是需要时间的 —— 二分搜索和排序的组合可能比进行简单的线性搜索要慢。但是在您只排序一次然后进行多次搜索的情况下，二分搜索会起到大作用。
网友评论