第 6 章 字典及检索.ppt

b) 运算： 检索： 类似二叉排序树。给定值key，在根结点的关键字集合中进行检索（顺序或折半），如key=Ki，则检索成功；否则，key必定在某Ki和Ki+1之间（即：如果存在必定在Pi指向的子树中），进入Pi继续检索，重复上述检索过程，直到检索成功或Pi为空为止（检索失败）。 6阶B树 插入： 若该结点中关键码个数小于m-1，则直接插入即可。 若该结点中关键码个数等于m-1，则将引起结点的分裂。 以中间关键码为界将结点一分为二，产生一个新结点，并 把中间关键码插入到父结点中； 若父结点中关键码数也为m-1，则需要再次分裂。 最坏情况一直分裂到根结点，建立一个新的根结点，整个B树增加一层。 (a) 插入200后的B树 (b) 插入460后的B树 删除: 若结点在第h层（B树深度为h），且结点中关键码个数大于? m/2?－1 ，直接删除即可。 若结点在第h层，且关键码个数等于? m/2? －1，结点左(或右)兄弟结点的关键码个数大于? m/2? －1 ，则把左(或右)兄弟结点中最大(或最小)的关键码移到父结点中，并将父结点中大于(或小于)其值的关键码移到被删除关键码所在的结点中。 若结点在第h层，且关键码个数及结点左、右兄弟中的关键码个数都等于? m/2?－1 ，则需要合并该结点、其兄弟结点及父结点中的一个关键码。 若结点的层数小于h，设删除的关键码为结点中的第i个关键码ki，则用pi所指的子树中的最小关键码k代替ki，然后再删除关键码k。 (a) 3阶B树 (b) 从图a中删除关键码66 (c) 从图b中删除关键码42 (d) 从图c中删除关键码35 (e) 从图d中删除关键码56 (2) B+树 a) B+树的定义 一个m阶的B+树满足下列条件∶ 每个结点至多有m棵子树。 除根结点外，其它每个分支至少有? m/2?棵子树。 根结点至少有两棵子树。 有n棵子树的结点有n个关键码 叶结点中存放数据文件中记录的关键码及指向该记录的指针，且叶子结点本身依关键字从小到大顺序链接。 分支结点中仅包含它的各个子结点中最大(或最小)关键码及指向子结点的指针。 所有信息存放在叶结点，中间结点实质上是索引。 b) 运算 检索（2种方法）： A. 直接从最小关键码开始顺序检索[叶结点构成链表]； B. 从B+树的根结点开始随机检索； 插入：与B树的插入操作相似，但总是插在叶结点上。 删除：仅在叶子结点删除关键码。 B+树示例 B树和B+树的比较: B+树是B树的变形，每个结点存贮在外存储器的一个页块上，对于相同大小的页块，同一字典分别采用B+树或B树进行存贮时，B+树的阶数要比B树的阶数多。因此，在同等条件下，B+树的检索速度快。 小结： ASL：平均检索长度，基本运算为比较。 静态：只有检索。 顺序（顺序、折半、分块）、 散列（散列函数、碰撞处理） 各种检索的思想、算法、时间复杂度分析（ASL）。 散列检索效率分析，为什么仍然用ASL衡量？ 动态：除检索外，还有插入、删除。 二叉排序树（定义、性质、检索、插入、删除，中序遍历） 等概率时：先排序，再折半构造 不等概率时：构造最优二叉排序树 (麻烦，通常用次优查找树代替) AVL树，B树、B+树（用于外部存储检索） 目前学过的二叉树种类总结： 1）一般二叉树(二叉链表、三叉链表、线索链表) 满二叉树、完全二叉树、扩充二叉树 二叉树的7个重要性质 2）Huffman树（特点，Huffman编码与译码） 3）缩小搜索区间检索（如折半检索）的二叉判定树 （检索过程，特点） 4）二叉排序树（特点、插入与构造、删除、检索） 查找概率不同时：最优查找树、次优查找树； 查找概率相同时：保持平衡、提高检索效率的AVL树。 折半检索的二叉判定树是AVL树？ 5）下一章要学习的“堆”排序中二叉树 上机作业 ： 1）实现分块检索算法 要求：块间采用折半检索，块内采用顺序检索。 采用数据文件方式输入记录序列。 格式： 36，6 10， 30， 20， 15， 25， 5 100， 200，150，250，300，50 500， 550，510，450，580，400