标签：div   不同的   浮点   display   arc   isp   存储   处理   结构   

本文索引目录：

一、PTA实验报告题1 ： 二分查找

　　1.1　　实践题目

　　1.2　　问题描述

　　1.3　　算法描述

　　1.4　　算法时间及空间复杂度分析

二、PTA实验报告题2 ： 改写二分搜索算法

　　2.1　　实践题目

　　2.2　　问题描述

　　2.3　　算法描述

　　2.4　　算法时间及空间复杂度分析

三、PTA实验报告题3 ： 两个有序序列的中位数

　　3.1　　实践题目

　　3.2　　问题描述

　　3.3　　算法描述

　　3.4　　算法时间及空间复杂度分析

四、实验心得体会（实践收获及疑惑）

一、PTA实验报告题1 ： 二分查找

　　1.1　　实践题目：

　　1.2　　问题描述：

　　　　　　这道题主要阐述，给你一段有序的数字序列（已经排好序了），并给出需要查找的数Value，利用二分查找发法找出Value所在的下标，以及查找过程中所比较的次数。

　　1.3　　算法描述：

　　　　二分查找的定义：

　　　　　　二分查找也称折半查找（Binary Search），它是一种效率较高的查找方法。

　　　　　　折半查找要求线性表必须采用顺序存储结构，而且表中元素按关键字有序排列。

　　　　二分查找的操作：

　　　　　　假如以本例的样例来说，具体操作流程如下：

　　　　　　首先得到了一段数字序列，存入空间Temp：

　　　　　　将这段Temp数组送入递归中，赋值左右指针为0和3（下标）

 　　　　　　求得left与right的中间下标mid = （ l + r） >> 1，mid结果是向下取整的，得注意一下！

　　　　　　得到中间下表mid之后，对mid所在的数，跟value值，进行比较，如果小了，那么就送入递归（mid +1 ，right）

　　　　　　如果比value值大了，那么就送入递归（left，mid）区间。

　　　　　　在此处，temp【mid】 = 2，大于题目给的value，所以，我们送入递归（0，1）中，剩下的数字就不管了。

　　　　　　此时发现mid = （0 + 1 ）/ 2 = 0， 所在的值与题干的value值 相等，从此return返回，到此总共比较2次。

　　　　　　下面是代码展示：

#includeusing namespace std;

int temp,x,ans,cnt,mark[99999999];
int getAns(int l,int r)
{
    cnt++;
    if(l >= r) 
　　　　 return l;
    int mid = (l + r) / 2;
    if(mark[mid] == x) 
　　　　 return mid;
    if(xmark[mid])     
        return getAns(l,mid-1);
    else                
　　　　 return getAns(mid+1,r);
}

int main()
{
    cin>>temp;
    for(int i = 0;i>mark[i];
    cin>>x;
    ans = getAns(0,temp-1);
    if(mark[ans] != x) ans = -1;
    coutendl;
    coutendl;
}

　　1.4　　算法时间及空间复杂度分析：

　　　　整体算法上看，二分算法是不断折半查找，不断折半，所以时间复杂度是以2为底的系数，也就是O（log2 n）的复杂度。

　　　　再加上特判的一些处理，以及输出的处理，都是在O（1）的复杂度，所以综合起来，时间复杂度是O（logn）。

　　　　空间复杂度上，使用一个与问题规模一致的Temp数组空间，并且使用了三个临时变量，整体来说没有开辟新的辅助空间。

　　　　所以空间复杂度是O（1）。

二、PTA实验报告题2 ： 改写二分搜索算法：

　　2.1　　实践题目：

　　2.2　　问题描述：

　　　　第二题是二分算法的一个小小改进，不过做了一个变化，就是不存在指定数value时，就输出小于x的最大元素位置i和大于x的最小元素位置j，如果存在这个数，就直接输出i，j，且i == j。

　　2.3　　算法描述：

　　　　首先，读题：就是不存在指定数value时，就输出小于x的最大元素位置i和大于x的最小元素位置j，其实在这里可以发现，当二分递归出来的结果l，即使找不到，也是小于x的最大元素位置i，那么求大于x的最小元素位置j只需要加1即可，对于特别的点，只需要进行一些简单的特判，就可以过了。

#includeusing namespace std;

int temp,x,ans,cnt,mark[99999999];
int getAns(int l,int r)
{
    cnt++;
    if(l >= r) 
　　　　return l;
    int mid = (l + r) / 2;
    if(mark[mid] == x) 
　　　　return mid;
    if(x　　     return getAns(l,mid-1);
    else
         return getAns(mid+1,r);
}

int main()
{
    cin>>temp>>x;
    for(int i = 0;i>mark[i];
    ans = getAns(0,temp-1);
    if(mark[ans] != x)
    {
        if(ans == 0)
            cout"-1 0";
        else
            cout" "1;
        return 0;
    }
    cout" "endl;
    return 0;
}

　　2.4　　算法时间及空间复杂度分析：

　　　　算法复杂度依旧和第一题一样，本质都是二分搜索，时间复杂度为O（log n）

　　　　空间复杂度上，依旧用了四个临时变量并使用一个与问题规模同大的Temp数组，整体来说没用使用额外的辅助空间，空间复杂度为O（1）。

三、PTA实验报告题3 ： 两个有序序列的中位数：

　　3.1　　实践题目：

　　3.2　　问题描述：

　　　　该题目为：题干给你两段有序的数字序列，想办法使用logn的算法实现找出两段合并后的序列内的中位数。

　　3.3　　算法描述：

　　　　这道题我一上来的想法思路就是用排序然后取值，但是这样的时间复杂度就会到O（nlogn），超出了题目所限制的时间复杂度，于是我们需要另外思考一个新的办法，那就是使用二分搜索，对不同的两段数学分别求解中位数：

　　　　①如果两段序列的中位数，都是相等的话，那么中位数即为该数。

　　　　②如果当第一段的中位数大于第二段的时候，那么两端合中位数一定在第一段中位数前或第二段中位数后，这时只取这两部分，再继续进行二分比较

　　　　③如果当第一段的中位数小于第二段的时候，那么两端合中位数一定在第一段中位数后面或第二段中位数前面，这时只取这两部分，再继续进行二分比较

　　　　这里我需要用一下我同伴做的一张图，我觉得做的还不错，特地分享一下:

 　　　　AC代码：

#includeusing namespace std;
int n,a[100000],b[100000];
int getAns(int a[],int b[],int n) {
    int l1 = 0, l2 = 0, r1 = n - 1, r2 = n - 1;
    while(l1  r2) {
        int mid1 = (l1 + r1) / 2;
        int mid2 = (l2 + r2) / 2;
        if (a[mid1] == b[mid2])
            return a[mid1];
        if (a[mid1]  b[mid2]) {
            if ((l1 + r1) % 2 == 0) {
                l1 = mid1;
                r2 = mid2;
            }
            else {
                l1 = mid1 + 1;
                r2 = mid2 ;
            }
        }
        else {
            if ((l1 + r1) % 2 == 0) {
                r1 = mid1;
                l2 = mid2;
            }
            else {
                r1 = mid1;
                l2 = mid2 +1;
            }
        }
    };
    if (a[l1]  b[l2])
        cout  endl;
    else
        cout  endl;
}

int main() {
    cin >> n;
    for (int i = 0; i > a[i];
    for (int i = 0; i > b[i];
    getAns(a, b, n);
    return 0;
}

　　3.4　　算法时间及空间复杂度分析：

　　　　因为采用二分查找算法来寻找中位数而不是排序，所以时间复杂度为O（logn）。

　　　　依旧用了四个临时变量并使用两个与问题规模同大的数组，没用使用其他的辅助空间，所以空间复杂度为O（1）。

四、实验心得体会（实践收获及疑惑）：

　　　　二分搜索看起来思路挺简单的，但是在执行过程中，总会有一些细节上的小错误，在这次的实验过程种也感受到了：

　　　　① 边界点的等号是否取到，中间点的位置是否可取

　　　　② 二分的对象该如何妥当处理

　　　　等等的细节问题，在我日常ACM打题时也有遇到像double浮点数，处理上可能会更麻烦一点点，除此之外，二分还只是最基础的算法，更多的还有三分，尺取法等。最核心的思想也就是，分而治之：

　　　　也在一些书籍找到一些关于分治算法的解释：

　　　　分治算法是递归的解决问题的一般步骤为：

　　　　　　（1）找出基线条件，这种条件必须尽可能简单

　　　　　　（2）不断将问题分解(或者说缩小规模)，直到符合基线条件。

　　　　　　（3）按原问题的要求，判断子问题的解是否就是原问题的解，或是需要将子问题的解逐层合并构成原问题的解。

　　　　分治法的设计思想是，将一个难以直接解决的大问题，分割成一些规模较小的相同问题，以便各个击破，分而治之。

如有错误不当之处，烦请指正。

『嗨威说』算法设计与分析 - 算法第二章上机实践报告（二分查找 / 改写二分搜索算法 / 两个有序序列的中位数）

标签：div   不同的   浮点   display   arc   isp   存储   处理   结构   

原文地址：https://www.cnblogs.com/WinniyGD/p/11565585.html