JavaScript：快速搜索数组中的间隔

给出了数字的排序数组

其思想是，对于任何给定的数字，代码需要在数组中找到两个封闭索引，以便：

array[a] <= query <= array[b]

数组[a]
我用一个简单的O（n）循环和两个二进制搜索变体做了一个小测试，令人惊讶的是，对于低n（~0-100？）的情况，循环速度要快得多。可在此处访问测试：

首先，这就是big-O的工作原理。在二进制搜索中，有许多操作；顺序阵列访问相对较少

但这并不完全是这里发生的事情。你的基准并不像他们所说的那样

例如，在标记为“O（n），n=50”的基准测试中，n仍然是最坏情况下的1000。你只进行了50次搜索。但是，由于数组的第十个元素是50，因此它只能进行50次比较。下面的二进制搜索不是这样的；它们都从元素500开始。简直不公平

制作一些数组

我用一个简单的O（n）循环和两个二进制搜索变体做了一个小测试，令人惊讶的是，对于低n（~0-100？）的情况，循环速度要快得多。可在此处访问测试：

当然，与直接迭代中更小的循环体相比，二进制搜索有更大的开销

描述“当参数趋向于特定值或无穷大时函数的限制行为[上限]”，并且没有提供任何证据来比较两次特定实现

然而，@minitech注意到，您的测试用例是有缺陷的，即使在n=50时，二进制搜索也比线性搜索快，它还测试n=5（其中线性搜索确实更快），并很好地描述了图中预期的
O（n）
vs
O（logn）
差异（尽管随着测试数据的指数增长（5*10n），图是指数vs线性的）

有没有比二进制搜索更优化的方法

你可以看看

此函数每秒运行数千次和上万次

为什么？您甚至可以更好地构建一个值的查找表。
比那些二进制搜索更优化的东西
为什么您需要每秒运行数千次和数万次二进制搜索功能

？当然有不同的方法吗？javascript的开销相当大。O（n）在任何情况下都会因为低n而获胜。对于低n，您必须以线性方式执行搜索，即使对于高n，您也必须以线性方式执行搜索的最新步骤（例如，就像快速排序一样，在遇到8大小的分区时停止递归以使用另一种排序，即使在asm中进行编码）。不同的方法是将状态保持在此函数之外（例如，上次的指数是多少，以及是否通过了直接检查），但我更希望在该函数之外没有状态。我曾考虑过构建一个查找表，但我不太喜欢可能需要的内存使用量。我有很多这样的时间线数组。通常情况下，性能与内存使用量总是成正比的。但是，请更具体地描述您的实际用例，可能会更好解决方案，而不是每秒运行几十次搜索…例如，您可以在一次循环中同时执行少量搜索，而不是每次用于3D动画时都执行完全搜索。搜索会从给定的时间线中查找要使用的正确关键帧。每一次搜索实际上都使用不同的时间线，并且时间线不一定具有相同的关键点（时间线基本上是一组时间=>数据映射，用于保存平移/旋转/缩放数据，以防与3D场景无关）但是对于动画，你根本不需要搜索，你只是在时间和数组中运行线性？如果有多个时间线处于活动状态，那么它们中的每一个都应该有自己的数组（最简单）或者在大数组中查找自己的索引。@minitech我认为使用相同大小的数组更具代表性，而是以一组随机选择的数字作为目标查找x索引。因此，在一组5000个数字中查找50个索引，然后再查找500个索引等。您应该随机化这些索引，因为否则您基本上就是brute force总结了这些情况下的所有概率，而不是实际的平均情况，然后突然间二进制搜索速度快了10倍以上。实际上，测试不同大小的数组非常有意义，因为整个O（n）这个想法是基于数据的大小。但是你不应该对从0到n的每个索引的结果进行汇总。这不是一个现实的结果。虽然对于一般情况来说这可能不是一个很好的测试，但实际上我的代码就是这样做的。每次我查询数组时，都有一个从0到n的计时器。