搜索對象是一個數據的集合（稱為搜索表），除了執行搜索外，還可能執行其他操作，例如添加新元素，這樣可能會改變搜索表的結構。因此，搜索表可以區分為靜態搜索表（表的結構不發生改變）和動態搜索表兩種情況。
常見的適用於靜態搜索表的搜索方法有：順序搜索、折半搜索、Fibonacci搜索等。
適用於動態搜索表的搜索方法有：二叉排序算法，平衡二叉搜索算法。
二叉排序樹搜索
二叉排序樹（Binary sort Tree,BST）又稱為二叉查找（搜索）樹（Binary Search Tree） 。其必須為二叉排序樹或者為空樹，或者滿足如下性質的二叉樹：
（1）若它的左子樹非空，則左子樹所有結點的值均小於根結點的值；
（2）若它的右子樹非空，則右子樹上所有結點的值均大於根結點的值；
（3）左、右子樹本身又各是一顆二叉排序樹。
由BST性質可得：
1）二叉排序樹中任一結點x，其左（右）子樹中任一結點y（若存在）的關鍵字必小（大）於x的關鍵字。
2）二叉排序樹，各結點關鍵字是唯一的。
實際運用中，不能保證被查找的數據集中各元素的關鍵字互不相同，所以可將二叉排序樹定義中BST性質（1）里的“小於”改為“大於等於”，或將BST性質（2）里的“大於”改為“小於等於”，甚至可同時修改這兩個性質。
3）按中序遍歷該樹所得到的中序序列是一個遞增有序序列。
二叉排序樹的存儲結構表示如下：
typedef int KeyType;//假定關鍵字類型為整數
typedef struct node {//結點類型
KeyType key;//關鍵字項
InfoType otherinfo;//其他數據域，InfoType視應用情況而定，下面不處理它
struct node *lchild,*rchild;//左右孩子指針
} BSTNode;
typedef BSTNode *BSTree;//BSTree是二叉排序樹的類型
B-樹
當查找文件較大，且存放在磁盤等直接存取設備中時，為了減少查找過程中對磁盤的讀寫次數，提高查找效率，基於直接存取設備的讀寫操作以“頁”為單位的特征。1972年提出了一種稱之為B-樹的多路平衡查找樹。它適合在磁盤等直接存取設備上組織動態的查找表。一顆m（m>=3）階的B-樹是滿足如下性質的m叉樹：
（1）每個節點至少包含下列數據域：（j,P0,K1,P1,k2,……，Ki,Pi）。其中：
j為關鍵字總數，
Ki（1<=i<=j）是關鍵字，關鍵字序列遞增有序：K1<K2<……<Ki。
Pi（0<=i<=j）是孩子指針。對於葉節點，每個Pi為空指針。
注意：
實際運用中沒結束空間，葉節點可省去指針域Pi，但必須在每個結點中增加一個標志域leaf，其值為真時表示葉節點，否則為內部結點。
在每個內部結點中，假設用keys(Pi)來表示子樹Pi中的所有關鍵字，則有keys(P0)<K1<keys(P1)<K2<……<Ki<keys(Pi),即關鍵字是分界點，任一關鍵字Ki左邊子樹中的所有關鍵字均小於Ki，右邊子樹中的所有關鍵字均大於Ki。
（2）所有葉子是在同一層，葉子層數位樹的高度h。
（3）每個非根結點中所包含的關鍵字個數j滿足：m/2-1<=j<=m-1,m為階數。
即每個非根結點至少應該有m/2-1個關鍵字，至多有m-1個關鍵字。因為每個內部結點的個數正好是關鍵字總數加1，故每個非根的內部結點至少有m/2棵子樹，至多有m棵子樹。
（4）若樹非空，則根至少有1個關鍵字，故若根不是葉子，則它至少有2棵子樹。根至多有m-1個關鍵字，故至多有m棵子樹。
B-樹的結點規模
B-樹的算法執行時間主要是由讀寫磁盤的次數來決定的，每次讀寫盡可能多的信息可提高算法的執行速度。
B-樹的結點規模一般是一個磁盤頁，而結點中的所包含的關鍵字及其孩子的數目取決於磁盤頁的大小。
注意：
1）對於磁盤上一顆較大B-樹，通常每個結點擁有的孩子數目（即結點的度數）m為50至2000不等。
2）一顆度為m的B-樹稱為m階B-樹。
3）選取較大的結點度數可降低樹的高度，以及減少查找任意關鍵字所需的磁盤訪問次數。
B-樹的存儲結構
#define Max 1000 //結點中關鍵字的最大數目：Max=m-1，m是B-樹的階
#define Min 500 // 非根結點中關鍵字的最小數目：Min=m/2-1
typedef int KeyType;//KeyType應由用戶定義
typedef struct node {//結點定義中省略了指向關鍵字代表的記錄的指針
int keynum;//結點中當前擁有的關鍵字的個數，keynum<<Max
KeyType key[Max+1];//關鍵字向量為key[1……keynum]，key[0]不用
struct node *parent; //指向雙親結點
struct node *son[Max+1];//孩子指針向量為son[0……keynum]
}BTreeNode;
typedef BTreeNode *BTree;
廣度優先搜索
搜索圖常用方法有深度優先搜索和廣度優先搜索兩種。它們對無向圖和有向圖都適用。
廣度優先搜索（BFS）類似於樹按層次遍歷的過程。廣泛應用於求解問題的最短路徑、最少步驟、最優方法等方面。
廣度優先搜索遍歷圖的過程中以V為起始點，由近及遠，依次訪問和V右路徑相通且路徑長度為1,2……的頂點。
BFS(圖g，頂點s)
{
隊列Q；
for(頂點u in g.所有頂點) u.狀態=未訪問;
s.狀態=准備訪問;
s.訪問深度=0;
Q.入隊(s);
while( Q.非空() )
{
頂點u=Q.出隊();
for(頂點v in u.所有鄰接點)
{
if(v.狀態==未訪問)
{
v.狀態=准備訪問;
v.訪問深度=v.訪問深度+1;
v.前趨點=u;
Q.入隊(v);
}
}
u.狀態=已訪問;
}
}
深度優先搜索
DFS類似於樹的先根遍歷，是樹的先根遍歷的推廣。常用於游戲軟件開發中。深度優先搜索的核心思想是在搜索到盡頭時，用棧記住下一步的走向。
DFS(圖g,頂點s)
{
s.狀態=正在訪問;
for(頂點v in s.所有鄰接點)
{
if(s.狀態 == 未訪問)
DFS(g,v);
}
s.狀態=已訪問;
}
在遍歷圖的時候，對圖中每個頂點至多調用一次深度優先搜索，遍歷圖的過程實質上是對每個頂點查找其鄰接點的過程，其耗費的時間取決於所采用的數據結構。當用鄰接矩陣存儲圖時，查找一個頂點的鄰接點所需時間為O(n)(n表示圖中頂點數目)，則總的時間復雜度為T(n)=O(n^2).
---------------------------------------------------------------------------------
參考文獻《算法分析與設計》 （C++描述） 清華大學出版社 石志國