class="topic_img" alt=""/>
英文原文：Beating the binary search algorithm
二分检索是查找有序数组最简单然而最有效的算法之一。现在的问题是，更复杂的算法能不能做的更好？我们先看一下其他方法。
有些情况下，散列整个数据集是不可行的，或者要求既查找位置，又查找数据本身。这个时候，用哈希表就不能实现O(1) 的运行时间了。但对有序数组， 采用分治法通常可以实现O(log (n))的最坏运行时间。
在下结论前，有一点值得注意，那就是可以从很多方面“击败”一个算法：所需的空间，所需的运行时间，对底层数据结构的访问需求。接下来我们做一个运行时对比实验，实验中创建多个不同的随机数组，其元素个数均在 10,000 到 81,920,000 之间，元素均为 4 字节整型数据。
二分检索
二分检索算法的每一步，搜索空间总会减半，因此保证了运行时间。在数组中查找一个特定元素，可以保证在 O(log (n))时间内完成，而且如果找的正好是中间元素就更快了。也就是说，要从 81,920,000 个元素的数组中找某个元素的位置，只需要 27 个甚至更少的迭代。
由于二分检索的随机跳跃性，该算法并非缓存友好的，因此只要搜索空间小于特定值（64 或者更少），一些微调的二分检索算法就会切换回线性检索继续查找。然而，这个最终的空间值是极其架构相关的，因此大部分框架都没有做这个优化。
快速检索；最后回归到二分检索的快速检索
如果由于某些原因，数组长度未知，快速检索可以识别初始的搜索域。这个算法从第一个元素开始，一直加倍搜索域的上界，直到这个上界已经大于待查关键字。之后，根据实现不同，或者采用标准的二分检索查找，或者开始另一轮的快速检索。前者可以保证O(log (n)) 的运行时间，后者则更接近O(n)的运行时间。
如果我们要找的元素比较接近数组的开头，快速检索就非常有效。
抽样检索
抽样检索有点类似二分检索，不过在确定主要搜索区域之前，它会先从数组中拿几个样例。最后，如果范围足够小，就采用标准的二分检索确定待查元素的准确位置。这个理论很有趣，不过在实践中执行效果并不好。
插值检索；最后回归到顺序查找的插值检索
在被测的算法中，插值检索可以说是“最聪明”的一个算法。它类似于人类使用电话簿的方法，它试图通过假设元素在数组中均匀分布，来猜测元素的位置。
首先，它抽样选择出搜索空间的开头和结尾，然后猜测元素的位置。算法一直重复这个步骤，直到找到元素。如果猜测是准确的，比较的次数大概是O(log (log (n))，运行时间大概是O(log (n))；但如果猜测的不对，运行时间就会是O(n)了。
插值检索的一个改进版本是，只要可推测我们猜测的元素位置是接近最终位置的，就开始执行顺序查找。相比二分检索，插值检索的每次迭代计算代价都很高，因此在最后一步采用顺序查找，无需猜测元素位置的复杂计算，很容易就可以从很小的区域（大概 10 个元素）中找到最终的元素位置。
围绕插值检索的一大疑问就是，O(log (log (n))的比较次数可能产生O(log (log (n))的运行时间。这并非个案，因为存储访问时间和计算下一次猜测的 CPU 时间相比，这两者之间要有所权衡。如果数据量很大，而且存储访问时间也很显著，比如在一个实际的硬盘上，插值检索轻松击败二分检索。然而，实验表明，如果访问时间很短，比如说 RAM，插值检索可能不会产生任何好处。
试验结果
试验中的源代码都是用 Java 写的；每个实验在相同的数组上运行 10 次；数组是随机产生的整型数组，存储在内存中。
在插值检索中，首先会采用抽样检索，从检索空间拿 20 个样例，以确定接下来的搜索域。如果假定的域只有 10 个或更少的元素，就开始采用线性检索。另外，如果这个搜索域元素个数小于 2000，就回退到标准的二分检索了。
作为参考，java 默认的 Arrays.binarySearch 算法也被加入实验，以同自定义的算法对比运行时间。
尽管我们对插值检索期望很高，它的实际运行时间并未击败 java 默认的二分检索算法。如果存储访问时间长，结合采用某些类型的哈希树和B+ 树可能是一个更好的选择。但值得注意的是，对均匀分布的数组，组合使用插值检索和顺序检索在比较次数上总能胜过二分检索。不过平台的二分检索已经很高效，所以很多情况下，可能不需要用更复杂的算法来代替它。
原始数据 – 每个检索的平均运行时间
原始数据 – 每个检索的平均比较次数
源代码
点此获取检索算法的完整源代码。注意，代码不是产品级别的；比如，在某些例子里，可能有过多或过少的范围检查。
翻译： 伯乐在线 - hf_cherish
译文链接： http://blog.jobbole.com/73517/
相关文章
