数据结构—动态查找表

news2024/11/25 22:44:53

动态查找介绍

1. 动态查找的引入:当查找表以线性表的形式组织时,若对查找表进行插入、删除或排序操作,就必须移动大量的记录,当记录数很多时,这种移动的代价很大。

2. 动态查找表的设计思想:表结构本身是在查找过程中动态生成的

若表中存在其关键字等于给定值key的记录,表明查找成功;否则插入关键字等于key的记录。

利用树的形式组织查找表,可以对查找表进行动态高效的查找。

二叉排序树

1. 动态查找表的典型数据结构是二叉排序树,又称二叉查找树,其中序遍历输出为有序序列

    二叉排序树是空树或者是具有如下特性的二叉树:

若它的左子树不空,则左子树上所有结点的值均小于根结点的值

若它的右子树不空,则右子树上所有结点的值均大于根结点的值

它的左、右子树也都分别是二叉排序树。

 

2. 二叉排序树的查找

给定值与根结点比较:

①.若相等,查找成功

②.若小于,查找左子树

③.若大于,查找右子树

                实现代码

BSTNode *BST_Serach(BSTNode *T , KeyType key)
{  if (T==NULL)  return(NULL) ;
   else 
   {  if  (EQ(T->key, key) ) 
	   return(T) ;
      else if ( LT(key, T->key) )
        	   return(BST_Serach(T->Lchild, key)) ;
      else  
	   return(BST_Serach(T->Rchild, key)) ;
    }
}

 

3. 二叉排序树的插入

二叉排序树是一种动态树表

当树中不存在查找的结点时,作插入操作

新插入的结点一定是叶子结点,只需改动一个结点的指针

该叶子结点是查找不成功时路径上访问的最后一个结点左孩子或右孩子(新结点值小于或大于该结点值)

实现代码

void  Insert_BST (BSTNode *T , KeyType  key)
{ BSTNode *x ;
  x=(BSTNode *)malloc(sizeof(BSTNode)) ;
  x->key=key; 
  x->Lchild=x->Rchild=NULL ; 
  if (T==NULL)  
     T=x ;
  else
  {  if (EQ(T->key, x->key) )     return  ;/*  已有结点  */
     else if (LT(x->key, T->key) )
         Insert_BST(T->Lchild, key) ;
     else   
         Insert_BST(T->Rchild, key) ;   
  }
}

 

4. 性能分析

        在最好的情况下,二叉排序树为一近似完全二叉树时,其查找深度为log2n量级,即其时间复杂性为O(log2n)

        在最坏的情况下,二叉排序树为近似线性表时(如以升序或降序输入结点时),其查找深度为n量级,即其时间复杂性为O(n)

5. 其他

        一个无序序列可以通过构造一棵二叉排序树而变成一个有序序列(通过中序遍历)

        插入新记录时,只需改变一个结点的指针,相当于在有序序列中插入一个记录而不需要移动其它记录

        二叉排序树既拥有类似于折半查找的特性O(log2n),又采用了链表作存储结构

        当插入记录的次序不当时(如升序或降序),则二叉排序树深度很深O(n),增加了查找的时间

 

6. 实现代码 

#include<iostream>

using namespace std;

class node {
public:
    int data;
    node *left, *right;

    node(int value) {
        data = value;
        left = right = nullptr;
    }
};

class bitree {
private:
    bool flag = false;
    int l;
    node *root;
public:
    bitree() {
        cin >> l;
        root = nullptr;
        for (int i = 0; i < l; i++) {
            int tmp;
            cin >> tmp;
            root = insert(root, tmp);
        }
        pre_order(root);
        cout << endl;
    }

    //二叉树的创建和插入
    node *insert(node *q, int t) {
        if (q == nullptr) {
            q = new node(t);
            return q;
        }
        if (q->data <= t)
            q->right = insert(q->right, t);
        else
            q->left = insert(q->left, t);
        return q;
    }

    //独立插入
    void insert_More() {
        int t;
        cin >> t;
        while (t--) {
            int tmp;
            cin >> tmp;
            insert(root, tmp);
            pre_order(root);
            cout << endl;
        }
    }

    //二叉排序树之查找
    void search_start() {
        int t;
        cin >> t;
        while (t--) {
            flag = false;
            int tmp;
            cin >> tmp;
            int num = 0;
            search(root, tmp, num);
            if (flag)
                cout << num << endl;
            else
                cout << -1 << endl;
        }
    }

    void search(node *p, int tmp, int &num) {
        if (p == nullptr)
            return;
        num++;
        if (p->data == tmp) {
            flag = true;
            return;
        }
        if (tmp > p->data)
            search(p->right, tmp, num);
        else
            search(p->left, tmp, num);
    }

    //先序遍历
    void pre_order(node *p) {
        if (p == nullptr)
            return;
        pre_order(p->left);
        cout << p->data << " ";
        pre_order(p->right);
    }

};

平衡二叉树

1. 为解决而擦汗排序树的插入记录次序不当问题, 我们引入了二叉排序(查找)树的另一种形式—平衡二叉树,又被称为AVL树,其特点在于树中每个结点的左右子树深度之差的绝对值不大于1 

2. 平衡因子

每个结点附加一个数字, 给出该结点左子树的高度减去右子树的高度所得的高度差,这个数字即为结点的平衡因子balance

AVL树任一结点平衡因子只能取 -1, 0, 1

3. 平衡化旋转,又称为平衡化处理,如果在一棵平衡的二叉查找树中插入一个新结点或者删除一个旧结点,造成了不平衡,此时必须调整树的结构,使之平衡化

    平衡化旋转的操作:

每插入一个新结点时, AVL树中相关结点的平衡状态会发生改变

在插入一个新结点后,需要从插入位置沿通向根的路径回溯,检查各结点的平衡因子

如果在某一结点发现高度不平衡,停止回溯。

从发生不平衡的结点起,沿刚才回溯的路径取下两层的结点。对这三个结点进行平衡化处理

    平衡化旋转有四种:

单向右旋,LL型,LL是指不平衡的三结点是双亲-左孩子-左孩子

单向左旋,RR型,RR是指不平衡的三结点是双亲-右孩子-右孩子

先左后右双向旋转,LR型,LR是指不平衡的三结点是双亲-左孩子-右孩子

先右后左双向旋转,RL型,RL是指不平衡的三结点是双亲-右孩子-左孩子

注意:英文类型简称是指不平衡状态,不是指旋转方向

注意:中文旋转名称是指旋转方向

B树 

B树是一种多路平衡查找树,应用内存和磁盘间的查找

B树又分B-树、B+树,一般把B-树称为B树

B-树

1. m阶B-树规定:

                ⑴ 根结点或者是叶子,或者至少有两棵子树,至多有m棵子树;

                ⑵ 除根结点外,所有非终端结点至少有ém/2ù棵子树,至多有m棵子树

                ⑶ 所有叶子结点都在树的同一层上;        

                ⑷ 每个结点应包含如下信息:

               (n,A0,K1,A1,K2,A2,… ,Kn,An)

  n是n个关键字,A是孩子指针,K是关键字

                 (5) Ki<Ki+1 且Ai所指向的子树中所有结点的关键字都在Ki和Ki+1之间

2. B-树的特点

m阶B-树即m叉树,m是树的度

m是指树结点最多包含m个孩子指针

每个树结点中,关键字的数量比孩子指针数量少1

根结点可以有2到m个孩子指针

叶子结点的关键字数量不受限制,孩子指针都是空指针,数量无意义

中间结点包含ém/2ù到m个孩子指针,即包含ém/2ù-1到m-1个关键字

B+树 

1. 基本概念

在实际的文件系统中,基本上不使用B-树,而是使用B-树的一种变体,称为m阶B+树。

B+树与B-树的主要不同是叶子结点中存储记录。

在B+树中,所有的非叶子结点可以看成是索引,而其中的关键字是作为“分界关键字”,用来界定某一关键字的记录所在的子树。

即B+树中,所有结果信息都在叶子,查找结束必定在叶子

2. B+树的特点

与B-树相比,对B+树不仅可以从根结点开始按关键字随机查找,而且可以从最小关键字起,按叶子结点的链接顺序进行顺序查找。

在B+树上进行随机查找、插入、删除的过程基本上和B-树类似。

在B+树上进行随机查找时,若非叶子结点的关键字等于给定的K值,并不终止,而是继续向下直到叶子结点(只有叶子结点才存储记录), 即无论查找成功与否,都走了一条从根结点到叶子结点的路径。

平衡二叉树AVL-Tree的改进——红黑树RB-Tree

红黑树是一种不那么严格的平衡二叉树

它允许不平衡达到一倍,即左右子树高度差可以达到一倍

RBT是用非严格的平衡来换取增删结点时候旋转次数的降低,任何不平衡都会在三次旋转之内解决

AVL是严格平衡树,因此在增加或者删除结点的时候,根据不同情况,旋转的次数比红黑树要多。所以红黑树的插入效率更高!!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1426390.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

亚信安慧的AntDB数据库:稳定可靠的保障

亚信安慧AntDB数据库在运营商自主可控替换项目中的成功应用&#xff0c;具有极其重要的意义。该数据库的落地&#xff0c;不仅为这一项目注入了强大的支持力量&#xff0c;还在更大程度上提升了整体的运营效能。作为一种高效可靠的数据库解决方案&#xff0c;AntDB引入了先进的…

k8s存储之PV、PVC

在k8s集群中&#xff0c;资源存储会散落到各个工作节点上&#xff0c;这样对用资源调用很不方便&#xff0c;那么k8s是如何实现存储资源共享的呢&#xff0c;本文浅尝辄止的探讨一下&#xff0c;k8s是通过pv、pvc实现的。 一、PV、PVC的概念 1、持久卷(PV&#xff09; pv是Pe…

防火墙用户认证、NAT、策略路由、DNS透明代理以及双机热备笔记

用户认证 防火墙管理员登录认证 --- 检验身份的合法性&#xff0c;划分身份权限 用户认证 --- 上网行为管理的一部分 用户&#xff0c;行为&#xff0c;流量 --- 上网行为管理三要素 用户认证的分类 上网用户认证 --- 三层认证 --- 所有的跨网段的通信都可以属于上网行为。…

【演讲比赛流程管理系统(C++版)】

一、演讲比赛程序需求 1.1、比赛规则 学校举行一场演讲比赛&#xff0c;共有12个人参加。比赛共两轮&#xff0c;第一轮为淘汰赛&#xff0c;第二轮为决赛 每名选手都有对应的编号&#xff0c;如10001~10012 比赛方式:分组比赛&#xff0c;每组6个人 第一轮分为两个小组&a…

Unity SRP 管线【第九讲:URP 点光源与聚光灯】

文章目录 CPU数据搜集GPU数据使用光照计算 CPU数据搜集 我们只能支持有限数量的其他灯。并将这些灯光数据&#xff08;位置、颜色、阴影强度、方向光光源、灯光遮蔽Probe、灯光层级Mask&#xff09;发送到GPU以供场景中所有物体渲染使用。 //ForwardLights.cs 额外光源数量与…

HarmonyOS4.0系统性深入开发33相对布局(RelativeContainer)

相对布局&#xff08;RelativeContainer&#xff09; 概述 RelativeContainer为采用相对布局的容器&#xff0c;支持容器内部的子元素设置相对位置关系。子元素支持指定兄弟元素作为锚点&#xff0c;也支持指定父容器作为锚点&#xff0c;基于锚点做相对位置布局。下图是一个…

postgresql|数据库|pg_repack插件的部署和使用

一&#xff0c; 表和索引的膨胀现象 Postgres SQL 实现的MVCC的机制不同于 oracle &#xff0c; mysql innodb 的 undo tablespace 的机制。 表上所用的更新和删除等操作的行为&#xff0c;都不会实际的删除或修改&#xff0c;而是标记为死元祖 &#xff08;dead rows or dead…

强化学习原理python篇08——actor-critic

强化学习原理python篇08——actor-critic 前置知识TD ErrorREINFORCEQACAdvantage actor-critic (A2C) torch实现步骤第一步第二步第三步训练结果 Ref 本章全篇参考赵世钰老师的教材 Mathmatical-Foundation-of-Reinforcement-Learning Actor-Critic Methods 章节&#xff0c;请…

灵伴科技(Rokid)借助 Knative 实现 AI 应用云原生 Serverless 化

作者&#xff1a;朱炜栋、元毅、子白 公司介绍 Rokid 创立于 2014 年&#xff0c;是一家专注于人机交互技术的产品平台公司&#xff0c;2018 年即被评为国家高新技术企业。Rokid 作为行业的探索者、领跑者&#xff0c;目前致力于 AR 眼镜等软硬件产品的研发及以 YodaOS 操作系…

【SpringBoot3】Spring 请求处理流程,自定义返回类型处理(HttpMessageConverter)

一、Spring Boot 请求处理 1、请求处理流程 Spring Boot 的接口请求处理流程主要基于 Spring MVC 架构&#xff0c;以下是详细的请求处理流程&#xff1a; 客户端发送请求&#xff1a;客户端发送HTTP请求到Spring Boot应用的URL。 DispatcherServlet 接收请求&#xff1a;Sp…

《C程序设计》上机实验报告(五)之一维数组二维数组与字符数组

实验内容&#xff1a; 1.运行程序 #include <stdio.h> void main( ) { int i,j,iRow0,iCol0,m; int x[3][4]{{1,11,22,33},{2,28,98,38},{3,85,20,89}}; mx[0][0]; for(i0;i<3;i) for(j0;j<4;j) if (x[i][j]>m) { mx[i][j]; iRowi…

QT学习日记 | 信号与槽

目录 前言 一、初始信号与槽 1、信号与槽的本质 2、信号与槽的使用 3、内置信号、内置槽函数与自定义信号、自定义槽函数 &#xff08;1&#xff09;文档查询 &#xff08;2&#xff09;自定义信号与内置槽函数的使用 4、信号与槽函数关联关系 5、带参数的信号与槽函数…

17- OpenCV:图像矩(Image Moments)和点多边形测试

目录 一、图像矩 1、矩的概念介绍 2、相关的API 3、代码演示 二、点多边形测试 1、概念介绍-点多边形测试 2、cv::pointPolygonTest 3、代码演示 一、图像矩 引言 在数字图像处理、计算机视觉与相关领域中&#xff0c;图像矩(Image moments)是指图像的某些特定像素灰…

如何搭建良好的软件测试环境?有什么作用?

在软件开发过程中&#xff0c;测试环境是非常重要的一环。它为软件测试提供了一个模拟真实生产环境的平台&#xff0c;以确保软件的质量和稳定性。那么如何搭建良好的测试环境呢?测试环境又有什么作用呢?卓码软件测评小编将进行以下解答。 软件测试环境是指在软件测试过程中…

Windows10更新失败 错误 0x80070643、KB5034441的解决方法之二

Windows10更新失败 错误 0x80070643、KB5034441 在知乎Windows10更新失败 错误 0x80070643、KB5034441的原因分析和几个解决方法 - 知乎 参考文章进行操作&#xff0c;更详细信息自己看上面链接。 我电脑的硬盘是mbr格式&#xff0c;而且没有划分恢复分区。 Microsoft Windo…

HDFS HA 之 HA 原理

1 ZKFC解析 HA(High Availability)是HDFS支持的一个重要特性,可以有效解决Active Namenode遇到故障时,将可用的Standby节点变成新的Active状态的问题,使集群能够正常工作。目前支持冷切换和热切换两种方式。冷切换通过手动触发,缺点是不能够及时恢复集群。实际生产中以应用…

【数据结构与算法】之排序系列-20240201

【数据结构与算法】之排序系列-20240201 一、88. 合并两个有序数组二、169. 多数元素三、217. 存在重复元素四、242. 有效的字母异位词五、268. 丢失的数字六、349. 两个数组的交集七、350. 两个数组的交集 II 一、88. 合并两个有序数组 简单 给你两个按 非递减顺序 排列的整数…

Linux网络状态查看与防火墙管理

网络状态查看 netstat [选项] Netstat是一款命令行工具&#xff0c;用于显示Linux系统中网络的状态信息&#xff0c;可以显示网络连接、路由表、连接的数据统计等信息。 使用 选项 -a&#xff1a;显示所有选项&#xff0c;包括监听和未监听的端口。 -t&#xff1a;仅显示tc…

C++(17)——list的模拟实现

前面的文章中&#xff0c;介绍了&#xff0c;的模拟实现&#xff0c;本篇文章将介绍对于的模拟实现。 目录 1. list的基本结构&#xff1a; 2. list功能实现&#xff1a;尾部插入元素&#xff1a; 3. list迭代器的实现&#xff1a; 4. list功能实现&#xff1a;在任意位置前…

从零开始训练 RT-DETR模型最新版本教程说明(包含Mac、Windows、Linux端 )同之前的项目版本代码有区别

从零开始训练 RT-DETR- 最新8.1版本教程说明 本文适用Windows/Linux/Mac:从零开始使用Windows/Linux/Mac训练 RT-DETR 算法项目 《芒果 RT-DETR 目标检测算法 改进》 适用于芒果专栏改进 RT-DETR 算法 文章目录 U版 RT-DETR 算法第一步 配置环境1.1 系列配置1.2 代码执行第…