————— 第二天 —————
如何进行二分查找呢？
首先根据数组下标，定位到数组的中间元素：
由于要查找的元素20，
大于
中间元素12，再次定位到数组
右
半部分的中间元素：
这一次定位到的元素正好是20，查找成功。
如果数组的长度是n，二分查找的时间复杂度是
O（logn）
，比起从左到右逐个遍历元素进行查找的方式，大大提升了查找性能。
如上图所示，想要定位到链表的中间结点9，是无法直接定位的，需要从头结点开始，顺着next指针，逐个访问下一个结点。
因此，链表这种数据结构并不适用于二分查找。
————————————
常见的图书目录，就像下面这样：
第5章对应的页码是170，因此我们直接翻到书的第170页，就是第5章的内容。
如图所示，在原始链表的基础上，我们增加了一个索引链表。原始链表的每两个结点，有一个结点也在索引链表当中。
这样做有什么好处呢？当我们想要定位到结点20，我们不需要在原始链表中一个一个结点访问，而是首先访问索引链表：
在索引链表找到结点20之后，我们顺着索引链表的结点向下，找到原始链表的结点20：
这个过程，就像是先查阅了图书的目录，再翻到章节所对应的页码。
由于索引链表的结点个数是原始链表的一半，查找结点所需的访问次数也相应减少了一半。
多层次的图书目录，就像下面这样：
如图所示，我们基于原始链表的第1层索引，抽出了第2层更为稀疏的索引，结点数量是第1层索引的一半。
这样的多层索引可以进一步提升查询效率，假如仍然要查找结点20，让我们来演示一下过程：
首先，我们从最上层的索引开始查找，找到该层中仅小于结点20的前置索引结点12：
接下来，我们顺着结点12访问下一层索引，在该层中找到结点20：
最后，我们顺着第1层索引的结点20向下，找到原始链表的结点20：
在这个例子中，由于原始链表的结点数量较少，仅仅需要2层索引。如果链表的结点数量非常多，我们就可以抽出更多的索引层级，每一层索引的结点数量都是低层索引的一半。
假设原始链表有n个结点，那么索引的层级就是log(n)-1，在每一层的访问次数是常量，因此查找结点的平均时间复杂度是
O（logn）
。这
比起常规的查找方式，也就是线性依次访问链表节点的方式，效率要高得多。
但相应的，这种基于链表的优化增加了额外的空间开销。假设原始链表有n个结点，那么各层索引的结点总数是n/2+n/4+n/8+n/16+......2，约等
于n。
也就是说，
优化之后的数
据结构所占空间，是原来的2倍。这是典型的以空间换时间的做法。
假设我们要插入的结点是10，首先我们按照跳表查找结点的方法，找到待插入结点的前置结点（仅小于待插入结点）：
接下来，按照一般链表的插入方式，把结点10插入到结点9的下一个位置：
这样是不是插入工作就完成了呢？并不是。随着原始链表的新结点越来越多，索引会渐渐变得不够用了，因此索引结点也需要相应作出调整。
如何调整索引呢？我们让新插入的结点随机“晋升”，也就是成为索引结点。新结点晋升成功的几率是50%。
假设第一次随机的结果是晋升成功，那么我们把结点10作为索引结点，插入到第1层索引的对应位置，并且向下指向原始链表的结点10：
新结点在成功晋升之后，仍然有机会继续向上一层索引晋升。我们再进行一次随机，假设随机的结果是晋升失败，那么插入操作就告一段落了。
小灰说的是什么意思呢？让我们看看下图，
新结点10已经晋升到第2层索
引，下一次随机的结果仍然是晋升成功，这时候该怎么办呢？
假设我们要从跳表中删除结点10，首先我们按照跳表查找结点的方法，找到待删除的结点：
接下来，按照一般链表的删除方式，把结点10从原始链表当中删除：
这样是不是删除工作就完成了呢？
并不是。
我们需要顺藤摸瓜，把索引当中的对应结点也一一删除：
刚才的例子当中，第3层索引的结点已经没有了，因此我们把整个第3层删去：
最终的删除结果如下：
1. 程序中跳表采用的是双向链表，无论前后结点还是上下结点，都各有两个指针相互指向彼此。
2.
程序中跳表的每一层首位各有一个空结点，左侧的空节点是负无穷大，右侧的空节点是正无穷大。
之所以这样设计，是为了方便代码实现。代码中的跳表就像下图这样：
public class SkipList{
//结点“晋升”的概率
private static final double PROMOTE_RATE = 0.5;
private Node head,tail;
private int maxLevel;
public SkipList() {
head = new Node(Integer.MIN_VALUE);
tail = new Node(Integer.MAX_VALUE);
head.right = tail;
tail.left = head;
}
//查找结点
public Node search(int data){
Node p= findNode(data);
if(p.data == data){
System.out.println("找到结点：" + data);
return p;
}
System.out.println("未找到结点：" + data);
return null;
}
//找到值对应的前置结点
private Node findNode(int data){
Node node = head;
while(true){
while (node.right.data!=Integer.MAX_VALUE && node.right.data<=data) {
node = node.right;
}
if (node.down == null) {
break;
}
node = node.down;
}
return node;
}
//插入结点
public void insert(int data){
Node preNode= findNode(data);
//如果data相同，直接返回
if (preNode.data == data) {
return;
}
Node node=new Node(data);
appendNode(preNode, node);
int currentLevel=0;
//随机决定结点是否“晋升”
Random random = new Random();
while (random.nextDouble() //如果当前层已经是最高层，需要增加一层
if (currentLevel == maxLevel) {
addLevel();
}
//找到上一层的前置节点
while (preNode.up==null) {
preNode=preNode.left;
}
preNode=preNode.up;
//把“晋升”的新结点插入到上一层
Node upperNode = new Node(data);
appendNode(preNode, upperNode);
upperNode.down = node;
node.up = upperNode;
node = upperNode;
currentLevel++;
}
}
//在前置结点后面添加新结点
private void appendNode(Node preNode, Node newNode){
newNode.left=preNode;
newNode.right=preNode.right;
preNode.right.left=newNode;
preNode.right=newNode;
}
//增加一层
private void addLevel(){
maxLevel++;
Node p1=new Node(Integer.MIN_VALUE);
Node p2=new Node(Integer.MAX_VALUE);
p1.right=p2;
p2.left=p1;
p1.down=head;
head.up=p1;
p2.down=tail;
tail.up=p2;
head=p1;
tail=p2;
}
//删除结点
public
