查找与树.pptVIP

JYP 第8章 查找结构 8.1 符号表 8.2 二叉查找树 8.2.2 二叉查找树的查找、插入和删除操作 8.3 AVL树 8.4 2-3树* 8.4.2 2-3树的查找 8.4.3 2-3树的插入操作 8.4.4 2-3树的删除操作 8.6 B树 8.6.2 m叉查找树的查找 8.6.3 B树的定义和性质 8.6.4 B树的插入操作 8.6.5 B树的删除操作 8.6.6 B+树* 8.7 Trie* 8.7.2 Trie的查找 8.7.3 取样策略 8.7.4 在Trie中插入和删除元素 8.8 静态散列 8.8.2 散列函数 8.8.3 溢出处理 假设关键字的第i个字符确定第i层的分枝，在trie中的查找可如下实现： TrieNode* Trie::Search(const char* key) { TrieNode* p = root; for (int i = 0; p?NodeType == BRANCH p!= 0; i++) { if (key[i] == ‘\0’) { p = p?branch.ref; break; } p = p?branch.link[key[i] – ‘a’]; // 沿第i个字符确定的分枝 } if (p == 0 || p?data.key != key) return 0; // key不在trie中 else return p; } // Search结束 设trie（包含分枝结点和元素结点）的高度为h，则在最坏情况下的查找时间是O(h)。 如果trie存放在磁盘上，则查找最多需要h次磁盘访问。 必须注意的是，当涉及磁盘上的结点时，内存指针不再适用，需要用磁盘空间地址来模拟指针值。 对于给定的关键字集合，trie的高度将依赖于确定各层分枝的关键字取样策略。 设sample(x, i) 为关键字x中用于第i层分枝的取样，则在图8.35和trie的查找算法中，sample(x, i) = x的第i个字符。 sample(x, i)还可以有一些其它选择，如 sample(x, i) = xn-i+1 sample(x, i) = xr(x, i) 其中，x = x1x2…xn，r(x, i)是随机函数。 无论怎样选择，总可以构造一组关键字，使该取样函数的性能最好（即产生的trie层数最少）。 图8.35的trie有5层，而采用sample(x, i)=xn-i+1产生的trie只有2层，如下图所示： 选择适合于任意关键字集合的最佳取样函数十分困难。 在插入和删除都可能发生的动态情况下，由于缺少关键字集合的具体信息，可能取样函数的最好选择是sample(x, i) = xr(x, i)。 取样可不局限于单个字符，也可以根据需要采用两个或更多字符。 将元素结点设计为可容纳一个以上的关键字也可使trie的最大层数不超过限定值。 后面将假设sample(x, i) = x的第i个字符，且不限制trie的层数。 实现trie的插入操作比较简单，下面用两个例子来说明插入过程。 考虑将lemon和pearl插入图8.35的trie中。 首先，x = lemon，经查找到达结点?。由于??link[‘l’ –‘a’] = 0，所以x不在trie中，且x可插入此处，如图8.37所示。 接着，x = pearl，经查找到达元素结点?。为了区分pearl和pear，需要继续取样，直到这两个关键字有不同的取样值为止。这正好发生在第5个字符。 图8.37给出了经过上述两次插入后得到的trie。 trie的删除操作也可以用例子来说明。 首先从图8.37的trie中删除lemon，这只需将??link[‘l’ –‘a’]设置为0，释放lemon所在的元素结点即可。 接着，删除pearl。这使得?子trie只剩一个关键字，因此可将?结点删除，将结点?提升一层。 ?子trie有一个以上的关键字，所以结点?不可再提升，而??link[‘r’ –‘a’]应设置为?。 分枝结点中的num数据成员可用于判断关键字个数，且无论是插入或删除，num都应随着非空指针个数的变化而调整。 8.8.1 散列表 在trie的各个层次，实际上是将关键字的一部分直接作为地址来确定分枝。