2分探索法

整列済みデータの中央値と目的の値を比較し、探索範囲を半分に絞り込みながら探索するアルゴリズム。データ量が多い場合でも高速に探索できるが、データが事前にソートされている必要がある。

整列済みデータの中央値と目的の値を比較し、探索範囲を半分に絞り込む操作を繰り返す探索アルゴリズム。計算量はO(log n)で効率的。データが事前に整列されている必要がある。

整列済みデータの中央要素と目標値を比較し、探索範囲を半分に絞り込む操作を繰り返す探索アルゴリズム。計算量はO(log n)。データが整列されている前提が必要で、配列に対して適用される。

整列済みのデータの列の中央の値と目的の値を比べ、探す範囲を半分ずつに絞り込んでいく探索方法。比較の回数は最大でもおよそlog₂n回、計算量はO(log n)と高速だが、データがあらかじめ整列されている必要がある。

問題を解くための手順を、有限個の明確な操作の組合せとして定めたもの。同じ問題でも手順によって処理時間や必要な記憶領域が異なるため、計算量（オーダー記法）で効率を比べる。整列や探索などの代表的なアルゴリズムがあり、流れ図や擬似言語で表す。なお、アルゴリズム（解法）そのものは著作権法の保護の対象にならない。

ハイパーパラメータの探索で、指定した範囲や分布から値の組合せを無作為に選び、決めた回数だけ試して最もよいものを選ぶ方法。性能に効くハイパーパラメータが一部に限られる場合、同じ試行回数でもグリッドサーチより効率よくよい値を見つけやすい。試行回数で計算コストを管理できる。

推論の途中の考え（思考）を木構造で扱い、各段階で複数の候補を生成して見込みを評価し、有望なものを探索して行き詰まれば別の枝に戻る手法。1本の道筋で考えるCoTに比べ、試行錯誤や先読みが必要なパズルや計画の問題で正答率が上がるが、多くの候補を生成・評価するので計算の費用がかさむ。

それぞれ整列済みの2つの列を、先頭どうしを比較して小さい方を取り出すことを繰り返し、1つの整列済みの列にまとめるアルゴリズム。マージともいい、要素数がm、nのときO(m＋n)で処理できる。マージソートの統合の段階や、キーの順に並んだ複数の順編成ファイル（マスタファイルとトランザクションファイルなど）をまとめる処理に使われる。

データの先頭から順に1つずつ目的の値と比較していく探索の方法で、逐次探索ともいう。データが整列していなくても使え、データ数nに対して平均の比較回数はn/2、計算量はO(n)である。末尾に探す値を置いて終了判定を省く番兵法で処理を速くできる。

隣り合う要素を比較して、順序が逆なら交換する操作を列の端から端まで繰り返し、大きい（または小さい）値を泡が浮かぶように端へ移していく整列のアルゴリズム。計算量は平均・最悪ともO(n²)と遅いが、仕組みが単純で、同じキーの要素の順序が保たれる安定な整列である。