Algoritmo[editar]

La búsqueda binaria funciona en arreglos ordenados. La búsqueda binaria comienza por

comparar el elemento del medio del arreglo con el valor buscado. Si el valor buscado es igual
al elemento del medio, su posición en el arreglo es retornada. Si el valor buscado es menor o
mayor que el elemento del medio, la búsqueda continua en la primera o segunda mitad,
respectivamente, dejando la otra mitad fuera de consideración.

Procedimiento[editar]
Dado un arreglo A de n elementos con valores A0 ... An−1, ordenados tal que A0 ≤ ... ≤ An−1, y
un valor buscado T, el siguiente procedimiento usa búsqueda binaria para encontrar el índice
de T en A.

1. Asignar 0 a L y a R (n − 1).
2. Si L > R, la búsqueda termina sin encontrar el valor.
3. Sea m (la posición del elemento del medio) igual a la parte entera de (L + R) / 2.
4. Si Am < T, igualar L a m + 1 e ir al paso 2.
5. Si Am > T, igualar R a m – 1 e ir al paso 2.
6. Si Am = T, la búsqueda terminó, retornar m.
Este procedimiento iterativo mantiene los límites de la búsqueda mediante dos variables.
Algunas implementaciones realizan la comparación de igualdad al final del algoritmo, como
resultando se obtiene un ciclo más rápido de comparaciones pero se aumenta en uno la
cantidad de iteraciones promedio.6

Coincidencias aproximadas[editar]
El procedimiento anterior solo realiza coincidencias exactas, encontrando la posición del valor
buscado. Sin embargo, dado el orden natural de los arreglos ordenados, es trivial extender la
búsqueda binaria para realizar coincidencias aproximadas. Por ejemplo, la búsqueda binaria
puede ser usada para computar, para un valor dado, su rank(el número de elementos
menores), antecesor(próximo elemento menor), sucesor(próximo elemento mayor), y vecinos
cercanos. Las consultas en intervalos, como por ejemplo, buscar el número de elementos
entre dos números pueden ser computadas con dos preguntas de rank.

 Las consultas de rank pueden ser realizadas usando una modificación de la búsqueda
binaria, retornando m en las búsquedas donde se encuentre el elemento, y L en donde no
se encuentre, correspondiendo este último al número de elementos menores que el valor
buscado.
 Las consultas de antecesor y sucesor pueden ser computadas con preguntas de rank
también. Una vez que el rank del valor buscado es conocido, su antecesor es el elemento
en la posición dado por su rank(el elemento mayor que es menor que el valor buscado).
Su sucesor es el elemento después del (si él está presente en el arreglo) o en la posición
siguiente al antecesor (en otro caso). El vecino más cercano del valor buscado es su
antecesor o su sucesor, de los dos el más cercano.
 Las consultas de rango son también fáciles de manipular. Una vez que los rank de ambos
valores son conocidos, el número de elementos mayores o iguales al primer valor y
menores que el segundo es la diferencia de los dos ranks. Esta cantidad puede disminuir
o aumentar de acuerdo si los extremos del intervalo deben ser considerados parte de la
pregunta en cuestión y cuando el arreglo contenga llaves que coincidan con los extremos.
Rendimiento[editar]
Un árbol que representa el algoritmo de búsqueda binaria. El arreglo en el cual se usa el algoritmos es
[20, 30, 40, 50, 90, 100], y el valor buscado es 40.

El rendimiento de la búsqueda binaria puede ser analizada reduciendo el algoritmo a un árbol

binario de búsqueda, donde la raíz es el elemento en el medio del arreglo, el elemento en el
medio de la primera parte del arreglo es el hijo izquierdo de la raíz y el elemento en el medio
de la segunda parte es el hijo derecho de la raíz. El resto del árbol se construye de forma
similar. Este modelo representa a la búsqueda binaria, comenzando desde la raíz, el subárbol
izquierdo o derecho son recorridos de acuerdo a si el valor buscado es menor o mayor que el
valor presente en el nodo actual, representando la eliminación sucesiva de los elementos.7
En el peor de los casos se realizan iteraciones (del ciclo de comparaciones), donde la
notación denota la parte entera por debajo de la función. Esta cantidad de iteraciones es
alcanzada cuando la búsqueda alcanza el nivel más profundo del árbol, equivalente a una
búsqueda binaria que se reduce a un solo elemento, y en cada iteración, siempre elimina el
arreglo más pequeño de los dos si no tienen la misma cantidad de elementos.
Como promedio, asumiendo que cada elemento es igualmente probable de ser buscado,
después que la búsqueda termine, el valor buscado será más probable de ser encontrado en
el segundo nivel del árbol. Esto es equivalente a una búsqueda binaria que completa una
iteración antes del peor de los casos, alcanzándola después de iteraciones. Sin embargo, el
árbol puede estar no balanceado, con el nivel más profundo parcialmente completo, y
equivalentemente, el arreglo pude no estar dividido perfectamente por la búsqueda en algunas
iteraciones, resultando que en la mitad de las veces el menor subarreglo es eliminado. El
promedio actual del número de iteraciones es ligeramente mayor .7 En el mejor de los casos,
donde el elemento del medio del arreglo es igual al valor buscado, su posición es retornada
después de una iteración. En términos de iteración, ningún algoritmo basado solamente en
comparaciones puede exhibir mejores promedios en su número de iteraciones que la
búsqueda binaria.
Cada iteración de la búsqueda binaria definida anteriormente realiza una o dos
comparaciones, comprobando si el elemento en el medio es igual al valor buscado en cada
iteración. Asumiendo nuevamente que cada elemento es igualmente probable de ser buscado,
cada iteración realiza como promedio 1.5 de comparaciones. Una variación del algoritmo
comprueba por la igualdad en el final de cada búsqueda, eliminando como promedio la mitad
de las comparaciones en cada iteración. En la mayoría de las computadoras el procedimiento
anterior reduce el tiempo de cada iteración muy poco, mientras que garantiza que la búsqueda
realice el mayor número de iteraciones posibles y como promedio adiciona una iteración más
a la búsqueda. Dado que el ciclo de comparaciones se realiza solamente veces en el peor de
los casos, para un n suficientemente grande, el pequeño incremento de la eficiencia producto
de las comparaciones en el ciclo no compensa la iteración extra. Knuth 1998 propuso un valor
de (más de 76 trillones) elementos para que esta variación fuese más rápida.89
Cascada fraccional puede ser usada para acelerar la búsqueda del mismo valor en múltiples
arreglos. Se requiere para buscar en cada arreglo el elemento seleccionado, cascada
fraacional lo reduce a , donde k es el número de arreglos.10

Comparación de la búsqueda binaria con otros

esquemas[editar]
La técnica de usar arreglos ordenados con búsqueda binaria es una solución muy ineficiente
cuando la inserción y la eliminación son necesarias, tomando un tiempo de
Otros algoritmos soportan más eficientemente la inserción y la eliminación, y también un
macheo más rápido y exacto.

Hashing[editar]
Para implementar arreglos asociativos, tablas hash, una estructura que mapea llaves contra
valores usando una función de hash, son generalmente más rápidas que la búsqueda binaria
en arreglos ordenados de valores; la mayoría de las implementaciones requiere como
promedio un tiempo amortizado constante. Sin embargo, hashing no es muy útil para
comparaciones aproximadas, tales como antecesor, sucesor, y vecino más cercano, dado que
la información que nos presenta en la búsqueda es si el valor está presente o no. La búsqueda
binaria es ideal para este tipo de comparaciones, realizándolas en tiempo logarítmico.11

Árboles[editar]
Un árbol binario de búsqueda es una estructura de datos que funciona basado en el principio
de la búsqueda binaria: los valores del árbol están colocados en forma ordenada, y el
recorrido del árbol es realizado usando un algoritmo muy parecido a la búsqueda binaria. La
inserción y eliminación requieren al igual que el recorrido un tiempo logarítmico. Este costo es
mucho mejor que el costo lineal de la inserción y eliminación en los arreglos ordenados, y los
árboles de búsqueda binaria poseen la habilidad de realizar todas las operaciones posibles en
los arreglos ordenados, incluyendo consultas en rangos y comparaciones aproximadas.
Sin embargo, la búsqueda binaria es usualmente más eficiente para realizar búsquedas
puesto que los árboles binarios de búsqueda estarán probablemente desbalanceados, dando
como consecuencia un costo computacional superior a la búsqueda binaria.
Los árboles binarios de búsqueda se utilizan para realizar búsquedas rápidas en dispositivos
de almacenamientos externos, donde los datos necesitan ser buscados y colocados en la
memoria principal. Dividiendo el árbol en páginas con una cantidad determinada de elementos
resultado que la búsqueda en el árbol binario tenga un menor costo computacional que los
buscadores convencionales de los discos. Note que este proceso crea un árbol multipropósito,
puesto que cada página está conectada una con otra. El árbol-B generaliza este método de la
organización en el árbol, los Arbol-B son frecuentemente utilizados para organizar largos
conjuntos de datos como las bases de datos o los sistemas de ficheros.

Búsqueda lineal[editar]
La búsqueda lineal es un simple algoritmo de búsqueda que comprueba cada elemento hasta
que encuentre el valor buscado. La búsqueda lineal puede ser implementada en una lista
enlazada, que nos permite inserciones y eliminaciones más eficientes que un arreglo. La
búsqueda binaria es más eficiente que la búsqueda lineal en los arreglos ordenados,
exceptuando los arreglos que contenga pocos elementos. Si el arreglo debe ser ordenado
primero, ese costo debe ser amortizado sobre cualquier búsqueda. Ordenar el arreglo también
nos permite comparaciones aproximadas más eficientes, entre otras operaciones.

Aproximaciones mixtas[editar]
El arreglo de Judy usa un conjunto de ideas para lograr una solución más eficiente.

Algoritmos de clasificación[editar]
Un problema relacionado con la búsqueda es la clasificación. Cualquier algoritmo que realice
búsquedas, como la búsqueda binaria, puede ser usado para clasificar también. Existen otros
algoritmos más específicos para la clasificación, un arreglo de bit es el más simple, usado
cuando el rango de los elementos es limitado, es muy rápido ya que requiere un tiempo
constante.
Para resultados aproximados, los filtros de Bloom, otra estructura de dato probabilista basada
en hashing, guarda un conjunto de valores codificando los valores con arreglos de bits y
múltiples fucnciones de hash. Los filtros de Bloomson mucho más eficaces que los arreglos de
bits en cuanto a espacio en la mayoría de los casos y mucho más lentos.12

Otras estructuras de datos[editar]

Existen estructuras de datos que pueden realizar búsqueda binaria en arreglos ordenados. Por
ejemplo, las búsquedas, las comparaciones parciales y todas las operaciones permitidas en
arreglos ordenados pueden ser realizadas de manera más eficiente que con la búsqueda
binaria con estructuras como los árboles de van Emde Boas, árboles de fusión, tries, y
arreglos de bits. Sin embargo, mientras que estas operaciones pueden ser realizadas
eficientemente en los arreglos ordenados sin importancia de cual sea el tipo de los elementos,
este tipo de estructura de datos son usualmente más eficientes porque explotan las
propiedades del conjunto de elementos del arreglo.11

Variaciones[editar]
Búsqueda binaria uniforme[editar]
La búsqueda binaria uniforme guarda el índice del elemento del medio y el número de
elementos alrededor del elemento del medio que no hemos eliminado todavía. Cada paso
reduce el tamaño del arreglo aproximadamente en la mitad. Esta variación es uniforme porque
la diferencia entre los índices de los elementos del medio y el elemento escogido en la
iteración anterior permanece constante para arreglos del mismo tamaño.

Búsqueda Fibonacci[editar]

Búsqueda Fibonacci en la funciónen el intervalo . En el ejemplo anterior el algoritmo encuentra un

intervalo que contiene el máximo de con una longitud menor o igual a . En tres iteraciones, devuelve el
intervalo , con una longitud de .

La búsqueda Fibonacci es un método similar a la búsqueda binaria que sucesivamente reduce

el tamaño del intervalo al cual el máximo de una función unimodal pertenece. Dado un
intervalo finito, una función unimodal, y la máxima longitud del intervalo resultante, la
búsqueda Fibonacci encuentra un número de Fibonacci tal que si el intervalo se divide en esta
cantidad de subintervalos de igual longitud, los subintervalos serán menores que la máxima
longitud. Después de dividido el intervalo, elimina los subintervalos a los cuales el máximo no
pertenece hasta que permanezcan uno o más subintervalos continuos.1314

Búsqueda exponencial[editar]
La búsqueda exponencial es un algoritmo para buscar principalmente en listas infinitas, pero
puede ser aplicada para seleccionar el límite superior de la búsqueda binaria. Comienza
encontrando el primer elemento que cumple que es una potencia de dos y mayor que el valor
buscado, después, fija este índice como el límite superior de la búsqueda binaria, y cambia
hacia la búsqueda binaria. La búsqueda realiza iteraciones de la búsqueda exponencial y a lo
sumo iteraciones de la búsqueda binaria, donde es la posición del valor buscado. Solamente
si el valor buscado está cerca del principio del arreglo es que esta variación es más eficiente
que seleccionar el mayor elemento como el límite superior.
Búsqueda de interpolación

hola