『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）
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：
#include<bits/stdc++.h> using 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<=mark[mid]) return getAns(l,mid-1); else
return getAns(mid+1,r); } int main() { cin>>temp; for(int i = 0;i<temp;i++) cin>>mark[i]; cin>>x; ans = getAns(0,temp-1); if(mark[ans] != x) ans = -1; cout<<ans<<endl; cout<<cnt<<endl; }
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。
#include<bits/stdc++.h> using 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<=mark[mid])
return getAns(l,mid-1); else
return getAns(mid+1,r); } int main() { cin>>temp>>x; for(int i = 0;i<temp;i++) cin>>mark[i]; ans = getAns(0,temp-1); if(mark[ans] != x) { if(ans == 0) cout<<"-1 0"; else cout<<ans<<" "<<ans+1; return 0; } cout<<ans<<" "<<ans<<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：
#include<iostream> using 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 < r1 && l2 < 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 << a[l1] << endl; else cout << b[l2] << endl; } int main() { cin >> n; for (int i = 0; i < n; i++) cin >> a[i]; for (int i = 0; i < n; i++) cin >> 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。
