在腳本中搜索算法

　　通常，當我們需要從任何數據存儲中查找數據時，有三種類型的搜索算法。它們是線性搜索、二進制搜索和哈希搜索。搜索意味著從數據集中查找數據記錄，該數據集可以是任何地圖或項目列表。每種搜索算法在使用它甚至將其應用于程序之前都有某些要求：

　　線性搜索 — 線性搜索需要應用于未排序的 Array，并且根據將每個元素與要搜索的目標進行比較來查找

　　二進制搜索 — 如果數組從相同的鍵或相同的方向排序，則二進制搜索是從數組中搜索元素的優(yōu)化方法

　　如果我們想在 Hashmap 上進行搜索，我們將使用哈希算法來存儲哈希的鍵并直接將其與值映射，而不是在 Array 中搜索。此算法的時間復雜度為 O(1)，因為程序已經知道具有相同鍵的值的哈?；蛩饕?/p>

　　線性搜索

　　在 JavaScript 中，我們在數組原型中有一個方法，該方法使用線性搜索來查找元素。讓我們創(chuàng)建 find 的定義，以了解線性算法的工作原理find

　　下面是線性搜索的示例，其中我們首先在 Array 上創(chuàng)建了原型方法，并在運行提供的回調方法時迭代到所有元素，如果回調成功，則返回完整的對象

　　此算法的最壞情況是，目標元素將位于最后一個索引上，使其在 N 次時運行。因此，時間復雜度為 O(N)，其中 N 是數組中的項數

　　二進制搜索

　　接下來是二進制搜索，但請記住，二進制搜索僅適用于排序的數組，因此首先，我們需要確保數組已排序

　　對象數組的注釋：

　　在 JavaScript 中處理對象數組時，應使用要搜索的鍵對數組進行排序。例如，如果要在數組的對象中將名稱作為屬性之一進行搜索，則數組應僅根據名稱字段進行格式化，而不是使用對象數組中的任何其他字段進行格式化

　　算法

　　在二進制搜索中，由于數組是按某種順序排序的，我們可以使用這意味著我們知道應該去哪個路徑來搜索目標元素。讓我們舉個例子來了解更多

　　如您所見，數組按 ASC 順序對奇數進行排序。因此，為了慷慨，我們首先取一個中間元素(你可以取任何數字，但為了獲得最準確的結果，你應該總是選擇中間元素)

　　下一步是將目標元素與中間元素進行比較

　　我們也可以使用 end + start / 2，但如果數組大小很大，這將引發(fā)內存錯誤，因此最好使用上述方法來計算中間索引

　　如果我們找到元素，我們將返回中間元素，否則我們將檢查

　　現在，您將基于上述條件獲得一個新數組，然后我們需要重新執(zhí)行相同的邏輯，直到數組大小變?yōu)橐唬⑶椅覀冋业皆?/p>

　　程序

　　討論夠了，讓我們寫一些代碼，看看我們如何使它工作

　　我們將使用此集合來創(chuàng)建程序并觀察數組是否按分數參數排序，我也想使用相同的參數進行搜索

　　在這里，我們維護數組的開始和結束，我們正在操作開始和結束以創(chuàng)建替代數組，同時檢查目標是否匹配。

　　就是這樣。您的二進制搜索已準備好滿足您的目的。

　　二進制搜索的時間復雜度為 O(log n)。讓我簡要介紹如何計算其時間復雜度

　　計算時間復雜度

　　在計算之前，讓我們看看需要對變量運行特定語句的次數

　　首先，執(zhí)行的語句數在 2^n 部分中減少

　　現在，讓我們?yōu)槎M制搜索設計公式，因為它們中的每一個都是2的乘數，我們可以很容易地說

　　讓我們在兩邊采取對賬單

　　我們有一個對數公式

　　所以新的等式將是

　　這就是您計算二進制搜索的時間復雜度的方式。計算時間復雜度本身就是一個需要討論的龐大話題，但我們只用了其中的一小部分來展示它是如何完成的。

　　散列法

　　哈希算法非常干凈，僅特定于哈希映射。由于哈希圖以知道條目鍵的模式存儲數據，因此從中搜索是一個單一的調用。一個簡單的例子是

　　哈希的時間復雜度為 O(1)，因為響應操作不受哈希保存的項目數的影響