Cours

On s’intéresse ici au problème de la recherche d’une valeur dans un tableau que l’on supposera triée dans l’ordre croissant.

1. Approche naïve

La première idée qui peut venir à l’esprit est de considérer les éléments du tableau les uns après les autres et de les comparer avec l’élément recherché.

On peut ainsi écrire une fonction recherche_naive qui prend en paramètre un tableau tàbleau et une valeur valeur et qui renvoie l’indice de la première occurrence de valeur dans tableau ou -1 si valeur n’est pas dans tableau.

def recherche_naive(tableau, valeur):
    for i in range(len(tableau)):
        if tableau[i] == valeur:
            return i
    return -1

Test de cette fonction :

recherche_naive([1, 2, 3, 4, 5], 3)

recherche_naive([1, 2, 3, 4, 5], 6)

-1

La complexité dans le pire des cas correspond ici au cas où la valeur recherchée n’est pas dans la liste. Il faut alors parcourir toutes les valeurs du tableau et faire \(n\) comparaisons, où \(n\) est la taille du tableau. L’algorithme naïf a donc une complexité linéaire en \(\mathcal{O}(n)\).

Il est possible d’être plus efficace en exploitant le fait que la liste est triée.

2. Recherche dichotomique

Le principe

De façon intuitive, la recherche dichotomique consiste à diviser par deux la zone de recherche à chaque étape.

On commence par considérer l’ensemble des éléments du tableau. On regarde ensuite la valeur de l’élément du milieu du tableau. Si cette valeur est inférieure à la valeur recherchée, alors on poursuit la recherche sur la moitié supérieure du tableau. Si la valeur est supérieure à la valeur recherchée, alors on poursuit la recherche sur la moitié inférieure. Si la valeur est égale à la valeur recherchée, on a trouvé l’élément recherché.

Principe de l’algorithme

On considère le tableau tableau trié dans l’ordre croissant dans lequel on recherche la valeur valeur.
On définit les bornes gauche et droite du tableau : indices du premier et du dernier élément de la partie du tableau dans laquelle on recherche.
Tant que gauche est inférieur ou égal à droite :
- On calcule l’indice milieu du milieu du tableau.
- Si tableau[milieu] est égal à valeur, on renvoie milieu.
- Si tableau[milieu] est inférieur à valeur, on met à jour gauche à milieu + 1. Lors de l’itération suivante, on ne considèrera donc que la partie du tableau située à droite de milieu.
- Si tableau[milieu] est supérieur à valeur, on met à jour droite à milieu - 1. Lors de l’itération suivante, on ne considèrera donc que la partie du tableau située à gauche de milieu.
On renvoie -1 si valeur n’est pas dans tableau.

Exemple

On considère le tableau [1,4,7,10,13,16,19,22,25] et on cherche la valeur 22.

On commence par considérer l’ensemble des éléments du tableau (gauche=0 et droite=8). On regarde ensuite la valeur de l’élément du milieu du tableau. Ici, il s’agit de l’élément d’indice 4 (milieu=4), qui vaut 13. La valeur recherchée est supérieure à 13, donc on ne considère que la partie du tableau située à droite de l’élément du milieu.

On répète alors l’opération sur la partie du tableau située à droite de l’élément du milieu (gauche=5 et droite=8). On obtient le tableau [16,19,22,25] et on cherche la valeur 22. L’élément du milieu de ce tableau vaut 19 (milieu=6), qui est inférieur à 22. On ne considère donc que la partie du tableau située à droite de l’élément du milieu.

On répète donc l’opération sur la partie du tableau située à droite (gauche=7 et droite=8). On obtient le tableau [22,25] et on cherche la valeur 22. L’élément du milieu de ce tableau vaut 22 (milieu=7), qui est égal à 22. On a donc trouvé la valeur recherchée et l’algorithme est terminé en trois étapes.

Programmation

Écrivons une fonction recherche_dichotomique qui prend en paramètre un tableau tableau et une valeur valeur et qui renvoie l’indice d’une occurrence de valeur dans tableau ou -1 si valeur n’est pas dans tableau.

def recherche_dichotomique(tableau, valeur):
    gauche = 0
    droite = len(tableau) - 1
    while gauche <= droite:
        milieu = (gauche + droite) // 2
        if tableau[milieu] == valeur:
            return milieu
        elif tableau[milieu] < valeur:
            gauche = milieu + 1
        else:
            droite = milieu - 1
    return -1

Test de cette fonction :

recherche_dichotomique([1, 2, 3, 4, 5], 2)

recherche_dichotomique([1, 2, 3, 4, 5], 6)

-1

Preuve de terminaison

Pour prouver que l’algorithme se termine, il faut prouver que la boucle while se termine, et donc que la condition d’arrêt gauche > droite finit par être vérifiée ou bien que la condition tableau[milieu] == valeur est vérifiée.

Choisissons comme variant de boucle la différence droite - gauche et plaçons-nous dans le cas le plus défavorable où la condition tableau[milieu] == valeur n’est jamais vérifiée. À chaque passage dans la boucle, soit gauche est incrémenté de 1, soit droite est décrémenté de 1. La différence droite - gauche est donc toujours diminuée de 1. Au bout d’un nombre fini d’itérations (au maximum égal à la taille du tableau moins un), la condition notre variant de boucle devient donc égal à zéro et la boucle se termine.

La terminaison de l’algorithme est donc prouvée.

Preuve de correction

Considérons la propriété suivante : à chaque étape de l’algorithme, la valeur recherchée est située dans la partie du tableau située entre les indices gauche et droite inclus, ou bien elle n’est pas dans le tableau.

Montrons que cette propriété est un invariant de boucle. C’est-à-dire que cette propriété est vraie avant l’exécution de la première itération de la boucle et qu’elle est vraie après l’exécution de chaque itération de la boucle.

Initialisation : avant l’exécution de la première itération de la boucle, si la valeur est dans le tableau, alors elle est située dans la partie du tableau située entre les indices gauche et droite inclus. En effet, gauche vaut 0 et droite vaut la taille du tableau moins un, donc la valeur recherchée est située dans la partie du tableau située entre les indices 0 et la taille du tableau moins un inclus (c’est le tableau entier !).

Conservation : supposons que la propriété est vraie à l’entrée dans une itération de la boucle while. Il y a trois possibilités :

tableau[milieu] == valeur est vérifiée. Dans ce cas, la propriété est vraie à la sortie de l’itération de la boucle et l’algorithme retourne l’indice attendu.
tableau[milieu] < valeur est vérifiée. Dans ce cas, gauche est incrémenté de 1. La valeur recherchée est donc située dans la partie du tableau située entre les indices gauche et droite inclus, ou bien elle est absente du tableau.
tableau[milieu] > valeur est vérifiée. Dans ce cas, droite est décrémenté de 1. La valeur recherchée est donc située dans la partie du tableau située entre les indices gauche et droite inclus, ou bien elle est absente du tableau.

Conclusion : la propriété est donc un invariant de boucle.

Deux cas sont à considérer pour conclure. Si le test tableau[milieu] == valeur est vérifié au cours des itérations, alors la valeur est trouvée dans le tableau et on retourne son indice milieu : c’est bien le comportement attendu. Si le test tableau[milieu] == valeur n’est jamais vérifié, alors l’algorithme se termine lorsque gauche > droite. D’après notre invariant de boucle, soit la valeur est alors absente du tableau, soit elle est située dans la partie du tableau située entre les indices gauche et droite inclus. Mais cette partie du tableau est un tableau vide []. La valeur est donc absente du tableau et on retourne l’indice -1 : c’est bien le comportement attendu.

L’algorithme est donc correct.

Complexité

Pour évaluer la complexité de cet algorithme, nous allons évaluer le nombre d’itérations nécessaires en fonction de la taille \(n\) du tableau, dans le pire des cas, c’est-à-dire lorsque la valeur recherchée n’est pas dans le tableau.

À chaque étape, la taille du sous-tableau contenant potentiellement la valeur recherchée est divisée par deux. Au bout de \(k\) étapes, la taille du sous-tableau est donc de \(\frac{n}{2^k}\) environ. Si la valeur recherchée n’est pas dans le tableau, alors on finit par arriver à un tableau de taille 1 et la boucle se termine au tour suivant. Soit \(k\) le nombre d’itérations nécessaires pour que la taille du sous-tableau soit de 1. On a donc \(\frac{n}{2^k}\approx 1\), et par conséquent \(n=2^k\). On en déduit que \(k=\log_2 n\).

L’algorithme de recherche dichotomique est donc en \(\mathcal{O}(\log n)\). On parle de complexité logarithmique. Cette complexité est meilleure que la complexité linéaire.

Notion de logarithme de base 2

Si \(x\) est une puissance de 2, alors \(\log_2 x\) est égal à l’exposant de cette puissance. Par exemple, \(\log_2 8 = 3\) car \(8 = 2^3\).

Pour un tableau de départ de taille \(16=2^4\) dans lequel on cherche une valeur qui n’y est pas, on effectue 4 itérations :

au premier tour, on divise le tableau en deux parties de taille \(8=2^3\) et on cherche dans la partie de gauche (par exemple) ;
au deuxième tour, on divise la partie de gauche en deux parties de taille \(4=2^2\) et on cherche dans la partie de gauche (par exemple) ;
au troisième tour, on divise la partie de gauche en deux parties de taille \(2=2^1\) et on cherche dans la partie de gauche (par exemple) ;
au quatrième tour, on divise la partie de gauche en deux parties de taille \(1=2^0\) et on cherche dans la partie de gauche (par exemple).

On retrouve bien un nombre d’itérations de l’ordre de \(\log_2 n\).

Comparaison expérimentale des deux algorithmes

import timeit
import matplotlib.pyplot as plt

tailles = [i for i in range(1, 500)]
temps_naive = []
temps_dicho = []
# on applique la recherche dans le pire des cas : valeur absente su tableau
valeur = 1000
for n in tailles:
    temps_naive.append(timeit.timeit(
        "recherche_naive([k for k in range(n)], valeur)",
        globals=globals(),
        number=100
    ))
    temps_dicho.append(timeit.timeit(
        "recherche_dichotomique([k for k in range(n)], valeur)",
        globals=globals(),
        number=100
    ))
plt.plot(tailles,temps_naive, 'b', label="Recherche naïve")
plt.plot(tailles,temps_dicho, 'r', label="Recherche dichotomique")
plt.xlabel("Taille du tableau")
plt.ylabel("Temps d'exécution (en secondes)")
plt.legend()
plt.show()