对未知数量的项目进行二分搜索

Question

假设您不知道要搜索的元素数量，并且给定一个接受索引的 API，如果您超出范围，将返回 null（如此处使用 getWordFromDictionary 方法实现的），您如何执行二分搜索并实现客户端程序的 isWordInDictionary() 方法？

该解决方案有效，但我最终在找到初始高索引值的级别之上进行了串行搜索。对较低范围值的搜索受到此答案的启发。我还查看了 Reflector（C# 反编译器）中的 BinarySearch，但它的列表长度已知，因此仍在寻找填补空白。

private static string[] dictionary;

static void Main(string[] args)
{
    dictionary = System.IO.File.ReadAllLines(@"C:\tmp\dictionary.txt");

    Console.WriteLine(isWordInDictionary("aardvark", 0));
    Console.WriteLine(isWordInDictionary("bee", 0));
    Console.WriteLine(isWordInDictionary("zebra", 0));
    Console.WriteLine(isWordInDictionaryBinary("aardvark"));
    Console.WriteLine(isWordInDictionaryBinary("bee"));
    Console.WriteLine(isWordInDictionaryBinary("zebra"));
    Console.ReadLine();
}

static bool isWordInDictionaryBinary(string word)
{
    // assume the size of the dictionary is unknown

    // quick check for empty dictionary
    string w = getWordFromDictionary(0);
    if (w == null)
        return false;

    // assume that the length is very big.
    int low = 0;
    int hi = int.MaxValue;

    while (low <= hi)
    {
        int mid = (low + ((hi - low) >> 1));
        w = getWordFromDictionary(mid);

        // If the middle element m you select at each step is outside 
        // the array bounds (you need a way to tell this), then limit
        // the search to those elements with indexes small than m.
        if (w == null)
        {
            hi = mid;
            continue;
        }

        int compare = String.Compare(w, word);
        if (compare == 0)
            return true;

        if (compare < 0)
            low = mid + 1;
        else
            hi = mid - 1;
    }

    // punting on the search above the current value of hi 
    // to the (still unknown) upper limit
    return isWordInDictionary(word, hi);
}


// serial search, works good for small number of items
static bool isWordInDictionary(string word, int startIndex) 
{
    // assume the size of the dictionary is unknown
    int i = startIndex;
    while (getWordFromDictionary(i) != null)
    {
        if (getWordFromDictionary(i).Equals(word, StringComparison.OrdinalIgnoreCase))
            return true;
        i++;
    }

    return false;
}

private static string getWordFromDictionary(int index)
{
    try
    {
        return dictionary[index];
    }
    catch (IndexOutOfRangeException)
    {
        return null;
    }
}

答案后的最终代码

static bool isWordInDictionaryBinary(string word)
{
    // assume the size of the dictionary is unknown

    // quick check for empty dictionary
    string w = getWordFromDictionary(0);
    if (w == null)
        return false;

    // assume that the number of elements is very big
    int low = 0;
    int hi = int.MaxValue;

    while (low <= hi)
    {
        int mid = (low + ((hi - low) >> 1));
        w = getWordFromDictionary(mid);

        // treat null the same as finding a string that comes 
        // after the string you are looking for
        if (w == null)
        {
            hi = mid - 1;
            continue;
        }

        int compare = String.Compare(w, word);
        if (compare == 0)
            return true;

        if (compare < 0)
            low = mid + 1;
        else
            hi = mid - 1;
    }

    return false;
}

Answer 1

您可以分两个阶段实施二分搜索。在第一阶段，您增加要搜索的区间的大小。一旦检测到超出范围，您就可以在找到的最新区间中进行正常的二分搜索。像这样的东西：

bool isPresentPhase1(string word)
{
  int l = 0, d = 1;
  while( true ) // you should eventually reach an index out of bounds
  {
    w = getWord(l + d);
    if( w == null )
      return isPresentPhase2(word, l, l + d - 1);
    int c = String.Compare(w, word);
    if( c == 0 )
      return true;
    else if( c < 0 )
      isPresentPhase2(value, l, l + d - 1);
    else
    {
      l = d + 1;
      d *= 2;
    } 
  }
}

bool isPresentPhase2(string word, int lo, int hi)
{
    // normal binary search in the interval [lo, hi]
}

Answer 2

当然可以。从索引一开始，将查询索引加倍，直到遇到按字典顺序大于查询单词的内容（编辑：或 null）。然后你可以再次缩小搜索范围，直到找到索引，或者返回 false。

编辑：请注意，这不会增加您的渐近运行时间，并且它仍然是 O(logN)，其中 N 是系列中的项目数。

Answer 3

因此，我不确定我是否完全理解您的描述中的问题，但我假设您正在尝试搜索未知长度的排序数组以查找特定字符串。我还假设实际数组中没有空值；如果您请求超出范围的索引，则该数组仅返回 null。

如果这些情况属实，那么解决方案应该只是标准的二分搜索，尽管您在整个整数空间中进行搜索，并且您只需将 null 视为查找位于您要查找的字符串之后的字符串即可。本质上，想象一下您的 N 个字符串的排序数组实际上是一个 INT_MAX 字符串的排序数组，最后以空值排序。

我不太明白的是，你似乎基本上已经做到了这一点（至少从粗略地看一下代码），所以我想我可能无法完全理解你的问题。