package com.yc.tree;
import java.util.ArrayDeque;
import java.util.ArrayList;
import java.util.Deque;
import java.util.List;
/**
* @author wb
* @param <T>
*
* 替罪羊树的定义：
* 1.是一种二叉排序树
* 2.根节点存储了树的节点总数n和上次重建后的节点个数n上次；
* 3.总能保持宽松的α高度平衡，即h<= hα + 1;
*
* 对于排序二叉树的根节点：
* α的高度平衡 :h <= hα (其中 hα = log（1/α）n = -(logn/logα))，也就是（AVL，红黑树）
* 宽松α的高度平衡 :h <= hα + 1(其中hα = log（1/α）n = -(logn/logα))
* α权重平衡：(n左 <= α*n) && (n右 <= α*n)
*
* 当n一定时：
* α越小，树越稠密，插入效率越低，查询效率越高
* α越大，树越稀疏，插入效率越高，查询效率越低
*
* 从上面的三个式子可以看出：
* 满足 α权重平衡的树一定满足 α的高度平衡；满足 α的高度平衡的树一定满足宽松 α的高度平衡；
*/
public class ScapegoatTree <T extends Comparable<T>>{
private class Node{
T data;
Node parent;
Node left;
Node right;
public Node(T data, Node parent, Node left, Node right){
this.data = data;
this.parent = parent;
this.left = left;
this.right = right;
}
public String toString(){
return "[data="+data+"]";
}
}
//根节点
private Node root;
//上次修改的节点数
private int lastModifyNodeCount = 0;
//节点总数好像也要记
private int NodeCount = 0;
//阀值α
private static final double threshold = 0.57;
public ScapegoatTree(){
root = null;
}
public ScapegoatTree(T data){
root = new Node(data, null, null, null);
NodeCount ++;
}
public Node root(){
return this.root;
}
/**
* 将指定数据元素data添加到该替罪羊树
* @param data：指定数据元素
*/
public void add(T data){
if(root == null){
root = new Node(data, null, null, null);
NodeCount ++;
}
else{
//求得带加入节点的父节点
Node parent = parent(data);
if(parent != null){ //没有相同的数据元素节点
int result = data.compareTo(parent.data);
Node node = new Node(data, parent, null, null);
if(result > 0){
parent.right = node;
}else{
parent.left = node;
}
NodeCount ++;
/*double ha = (-1) * Math.log10(NodeCount)/Math.log10(threshold);
int deep_1 = deep_1(root);
if(deep_1 <= ha){//满足阿尔法的高度平衡
return;
}else{*/
//System.out.println("打破了树的阿尔法高度平衡:" + node.data);
//这个地方有两种方案找出替罪羊节点。
//1.从新插入的节点入手一层一层向上回溯直到找到第一个不满足α权重平衡的节点，即!((n左 <= α*n) && (n右 <= α*n))
//但是这里需要记录每个节点下面的节点总数，这就需要在Node内部类中增加一个size域来保存它，从而增加了内存开销，也就是空间换时间吧.
//2.从网上找的：从插入位置开始一层一层往上回溯的时候，对于每一层都进行一次判断h(v) > log(1/alpha )(size(tree))，
//一直找到最后一层不满足该条件的层序号（也就是从根开始的第一层不满足该条件的层序号,或者说是最接近根的一层，当然也包括根本身），
//然后从该层开始重构以该层为根的子树。这种方法的缺点是每次回溯比较都要计算一次h（v）。也就是遍历树了，虽然不一定是遍历整个树。但还是耗时啊。
//上面式子的size（tree）我有两种理解：
// ①size（tree）指的是整棵树的总节点数，如果是这样，那么它的替罪羊节点永远都会是根节点。原因如下：
// 我们假设存在一点满足 h某节点 > log(1/alpha )(size(tree))，那么它的根节点也一定满足
// h根 > h某节点 > log(1/alpha )(size(tree));
// 又由于它是在找一个更接近根的替罪羊，所以替罪羊必定为根。这种做法也就是你不停地往树中插入元素时，当达到一定程度(h根 > log(1/alpha )(size(tree)))，
// 就要对整棵树进行重构。
// ②size（tree）指的是往上一层一层回溯时以某层为根节点的节点总数，如果是这样的话，那么它的替罪羊节点可能为根，也可能不为根。
// 这种理解就需要记录每个节点下面的节点总数，这就需要在Node内部类中增加一个size域来保存以它为根的节点总数.
// 我们假设存在一点刚好是根节点的右子节点满足 h右 > log(1/alpha )(size(tree右))
// h根 >= h右 + 1
// h根 < log(1/alpha )(size(tree右)+size(tree左) + 1)
// 结合上面三个式子可以看出： log(1/alpha )(size(tree右)) + 1 < h右 + 1 <= h根 < log(1/alpha )(size(tree右)+size(tree左) + 1);
// 即log(1/alpha)(size(tree右)*(1/alpha)) < log(1/alpha )(size(tree右)+size(tree左) + 1);
// 又由于alpha的取值在[0.5, 1]，所以 上式就变成了 size(tree右)+size(tree右) < size(tree右)+size(tree左) + 1；
// 即： size(tree右)<size(tree左)+1；很明显这种情况是可能出现的。
//
// 这里我采用第二种方案的第一种理解：因为我坚信替罪羊树定义的第二点：根节点存储了树的节点总数n和上次重建后的节点个数n上次；
// 即除根节点外，其他节点不可以有除data、parent、left、right域的其他域。
//找到替罪羊节点
Node sgNode = scapegoatNode(node);
if(sgNode == null){
return;
}else{
System.out.println("打破了树的阿尔法高度平衡:" + node.data);
//存储替罪羊节点的父节点
Node prenodelink = sgNode.parent;
//暴力执法后的根节点
Node succnodelink = iDoNotKnow(sgNode);
//保存上次重构的节点总数
lastModifyNodeCount = NodeCount;
if(prenodelink == null){ //替罪羊节点是根节点
root = succnodelink;
succnodelink.parent = null;
}else{ //替罪羊节点不是根节点 。（ps：其实这里不用写，程序永远也进不来，因为我的做法导致了替罪羊节点必定是根节点）
succnodelink.parent = prenodelink;
if(sgNode == prenodelink.left){
prenodelink.left = succnodelink;
}else{
prenodelink.right = succnodelink;
}
}
}
}
}
}
private Node iDoNotKnow(Node node){
List<Node> nodes = clap(node);
pickUp(nodes, 0, nodes.size() / 2, nodes.size() - 1);
return nodes.get(nodes.size() / 2);
}
//拎起来
private void pickUp(List<Node> nodes, int lstart, int index, int rend){
if(nodes != null){
Node current = nodes.get(index);
current.left = current.right = null; //这里的current.parent 不能赋为null
//index索引处节点的左子节点
if(lstart <= index - 1){
Node lnext = nodes.get( (index + lstart) / 2);
current.left = lnext;
lnext.parent = current;
//这个很重要，当某节点为重构树中的叶子节点时，一定要把它的左、右子节点赋为null；不然遍历的时候无穷无尽，导致stack异常
if(lstart == index - 1){
lnext.left = lnext.right = null;
}
pickUp(nodes, lstart, (index + lstart) / 2, index - 1);
}
//index索引处节点的右子节点
if(index + 1 <= rend){
Node rnext = nodes.get((index + rend ) / 2 + 1);
current.right = rnext;
rnext.parent = current;
if(rend == index + 1){
rnext.left = rnext.right = null;
}
pickUp(nodes, index + 1, (index + rend ) / 2 + 1, rend);
}
}
}
//暴力拍平 = 中序遍历
private List<Node> clap(Node node){
List<Node> nodes = new ArrayList<Node>();
//Deque<Node> deque = new ArrayDeque<Node>();
if(node.left != null){
nodes.addAll(clap(node.left));
}
nodes.add(node);
if(node.right != null){
nodes.addAll(clap(node.right));
}
return nodes;
}
//找替罪羊
private Node scapegoatNode(Node node){
Node sgNode = null;
Node current = node;
double ha;
int deep_1;
while(current != null){
ha = (-1) * Math.log10(NodeCount)/Math.log10(threshold); //替罪羊永远是根，其实没有必要回溯，只要对根进行判断。
deep_1 = deep_1(current);
if(deep_1 > ha){
sgNode = current;
current = current.parent;
}else{
current = current.parent;
}
}
return sgNode;
}
//根据指定数据元素找他的父节点
private Node parent(T data){
/*if(root == null){ //就这个程序而言没必要判断吧，因为前面已经判断了一次。
return null;
}
else{*/
Node current = root;
Node parent = current;
int result = 0;
while(current != null){
parent = current;
result = data.compareTo(current.data);
if(result > 0){
current = current.right;
}else if(result < 0){
current = current.left;
}else{
//这里什么也不写，这就导致了如果要加入的数据元素跟树中已存在的节点data域相同时，
//不会加入该替罪羊树。
return null;
}
}
return parent;
}
//高度h
private int deep_1(Node node){
return deep(node) - 1;
}
//求以某节点为根的高度
public int deep(Node node){
if(node != null){
if(node.left == null && node.right == null){
return 1;
}
int leftDeep = deep(node.left);
int rightDeep = deep(node.right);
return leftDeep >= rightDeep ? leftDeep + 1 : rightDeep + 1;
}
return 0;
}
/**
* 删除数据元素为data的节点
* @param data
*
* 对于替罪羊树的删除有两种做法：
* 1、向排序二叉树一样删除，然后进行一次 删除某节点后的节点总数n < 阀值α * 上次重建树的节点个数 lastModityNodeCount 判断。
* 若满足，再次重构树。
* 2.伪删除：替罪羊树的删除节点并不是真正的删除，而是惰性删除（即给节点增加一个已经删除的标记，删除后的节点与普通节点无异，只是不参与查找操作而已）
* 很显然这种做法又要在Node内部类中新增加一个标记域。浪费空间。
*
* 这里我是第一种做法
*/
public void remove(T data){
Node node = find(data);
if(node == null){
return;
}else{
if(node.left == null && node.right == null){ //node为叶子节点
if(node.parent == null){//node是根
root = null;
}else{
if(node == node.parent.left){
node.parent.left = null;
}else{
node.parent.right = null;
}
node.parent = null;
}
NodeCount --;
}else if(node.left != null && node.right == null){//node只有左子树
if(node.parent == null){//node是根
root = node.left;
node.left.parent = null;
node.left = null;
}else{
node.left.parent = node.parent;
if(node == node.parent.left){
node.parent.left = node.left;
}else{
node.parent.right = node.left;
}
node.parent = node.left = null;
}
NodeCount --;
}else if(node.right != null && node.left == null){ //node只有右子节点
if(node.parent == null){//node是根
root = node.right;
node.right.parent = null;
node.right = null;
}else{
node.right.parent = node.parent;
if(node == node.parent.left){
node.parent.left = node.right;
}else{
node.parent.right = node.right;
}
node.parent = node.right = null;
}
NodeCount --;
}else{
//找到用于替换的后继节点
Node succ = succNode(node);
//替换数据
node.data = succ.data;
//删除替换的后继节点
if(succ.parent == node){
node.right = succ.right;
if(succ.right != null){
succ.right.parent = node;
}
succ.parent = succ.right = null;
}else{
succ.parent.left = succ.right;
if(succ.right != null){
succ.right.parent = succ.parent;
}
succ.parent = succ.right = null;
}
NodeCount --;
}
//删除过后看是否要重建整个树
lastModifyNodeCount = lastModifyNodeCount == 0 ? NodeCount : lastModifyNodeCount;
if(NodeCount < threshold*lastModifyNodeCount){
Node newRoot = iDoNotKnow(root);
root = newRoot;
newRoot.parent = null;
lastModifyNodeCount = NodeCount;
}
}
}
//
public Node find(T data){
Node current = root;
int result;
while(current != null){
result = data.compareTo(current.data);
if(result == 0){
return current;
}else if(result > 0){
current = current.right;
}else{
current = current.left;
}
}
return null;
}
/**
* 某节点的后继节点(用于删除左、右子树不为空的节点)
* @param node:某节点
* @return：后继节点
*/
public Node succNode(Node node){
Node succ = null;
int result;
Node current = node;
while(current != null){
result = node.data.compareTo(current.data);
if(result < 0){
succ = current;
current = current.left;
}else{
current = current.right;
}
}
return succ;
}
//广度优先遍历
public List<Node> breadthFirstSearch(){
return cBreadthFirstSearch(root);
}
private List<Node> cBreadthFirstSearch(Node node) {
List<Node> nodes = new ArrayList<Node>();
Deque<Node> deque = new ArrayDeque<Node>();
if(node != null){
deque.offer(node);
}
while(!deque.isEmpty()){
Node first = deque.poll();
nodes.add(first);
if(first.left != null){
deque.offer(first.left);
}
if(first.right != null){
deque.offer(first.right);
}
}
return nodes;
}
public static void main(String[] args) {
ScapegoatTree<Integer> tree = new ScapegoatTree<Integer>();
tree.add(40);
System.out.println("加入40后："+tree.breadthFirstSearch());
tree.remove(40);
System.out.println("删除40后："+tree.breadthFirstSearch());
System.out.println();
tree.add(10);
tree.add(8);
tree.add(12);
tree.add(7);
tree.add(9);
tree.add(11);
tree.add(14);
tree.add(16);
System.out.println("加入16后："+tree.breadthFirstSearch());
tree.add(18);
System.out.println("加入18后："+tree.breadthFirstSearch());
System.out.println();
// 9*0.57 = 5.13
tree.remove(14);
tree.remove(16);
System.out.println("删除14,16后："+tree.breadthFirstSearch());
tree.remove(12);
System.out.println("删除12后："+tree.breadthFirstSearch());
tree.remove(18);
System.out.println("删除18后："+tree.breadthFirstSearch());
}
}测试结果为：
加入40后：[[data=40]]
删除40后：[]
加入16后：[[data=10], [data=8], [data=12], [data=7], [data=9], [data=11], [data=14], [data=16]]
打破了树的阿尔法高度平衡:18
加入18后：[[data=11], [data=9], [data=16], [data=8], [data=10], [data=14], [data=18], [data=7], [data=12]]
删除14,16后：[[data=11], [data=9], [data=18], [data=8], [data=10], [data=12], [data=7]]
删除12后：[[data=11], [data=9], [data=18], [data=8], [data=10], [data=7]]
删除18后：[[data=9], [data=8], [data=11], [data=7], [data=10]]
下面是百度文库里的两个地址：
扫一扫
2516
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
