连载8：动态有序集合——挑战红黑树

本文链接：https://blog.csdn.net/BOPGroup/article/details/6477221

问题

在离散型优化问题（如路径搜索、整数规划等）中，常常需要一种能够高效管理动态有序集合的数据结构：不断加入无序的数据，实时取出有序数据（如从优到劣），并且可能频繁地需要进行筛选、删除、更新（改变元素的key）、查找等操作。
本节将介绍.Net 提供的2 个数据结构，和自行设计的2 个数据结构，并设计实验对比它们在不同情况下的性能。

首先定义一个接口IDySet<T>，便于利用统一的测试类进行测试，如左图所示，函数解释如下：

1. Push：放入一个元素；
2. Pop：取出集合中“最小”元素；
3. 其它略

排序顺序表（Sorted List）

.Net 类库中，System.Collections.Generic 名称空间下提供了，SortedList，其原理是在需要插入新元素的时候，利用二分查找找到应该插入的位置。然而其顺序的存储结构，使得插入和删除操作非常昂贵。所以称其为“静态有序集合”更加合理——适用于一次性填充，计算过程中少有改变的情况，它的优点是提供了O(1)的下标访问。
为了便于对比测试，对它进行改造，Push 时将元素从大到小排序，Pop 的时候将末尾元素删除并返回。

红黑树（Red-black Tree）

“二分查找”是诱人的，然而顺序存储不利于集合修改。人们自然想到了用链式存储——二叉排序树(BST)，遗憾的是，链式结构容易“退化”，为了解决这个问题，有了依靠“旋转节点”的平衡二叉树（AVL）。然而由于AVL 要求严格平衡（左右子树深度差不超过1），后来又出现了“红黑树”，只要求大致平衡，性能较好，得到了广泛应用。

红黑树满足以下性质：

节点是红色或黑色。
根是黑色。
所有叶子都是黑色（叶子是NIL 节点）。
每个红色节点的两个子节点都是黑色。(从每个叶子到根的所有路径上不
能有两个连续的红色节点)
从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点。

同样的， System.Collections.Generic 名称空间下提供了SortedDictionary，其中TreeSet<T>类型的数据成员实现了红黑树。为了便于对比测试，在TreeSet 中增加Pop 操作：找到树中最“小”节点（最左子树的左孩子），删除节点并返回。

链式二叉堆（Linked Binary Heap）

二叉堆想必大家都不陌生，然而常见的都是顺序存储的。是否可以定义链式二叉堆LBH 呢？首先分别来看几个操作：

Push：设有待插入节点k，准备加入某LBH。若根其空，直接做根，否则看k是否优于根，优于则交换；若有根有一个空孩子，则填其位；若根为叶子，则随机做其左右；若根为二度点，则随机插入左右子树。从此操作可以看成，LBH 是自动保持平衡的，无需额外考虑。
Pop：取根节点（它是最小点）。这时我们得到了两棵LBH，选择根小的作为新根，这时又递归出现同样问题，如图：

Contains：可以在LBH 内部维护一个哈希表来实现：Dictionary<T, Node>，T为泛型参数，Node 为内部使用节点。

LBH 的优点是计算过程只修改节点指针，不需要分配节点内存，在给定元素的搜索问题中比较适合，例如：在地图上搜索路径，所有节点是一直存在的。

二叉堆（Binary Heap）

二叉堆是顺序存储的完全二叉树，顺序存储结构会涉及到空间扩充时候的拷贝浪费，那么相比链式结构，其效率如何呢？实验之前，没想它是冠军…
首先，我们利用列表item（List<T>）来保存元素，哈希表dic（Dictionary<T, int>）来做索引，其value 保存T 在item 中的位置。并设置一个私有变量hashing（通过构造函数赋值），表示是否建立索引。

1. Push：主要思想为，“提拔”优秀的节点，代码暂略…
2. Pop：主要思想为，“降级”劣质节点，代码暂略…

性能测试

为了对比这些数据结构在不同情况下的性能，设计测试类（针对IDySet<T>接口），重复做20 次如下实验（20 次结果已趋于稳定），计算总时间（每次计时前垃圾回收），最后取20 次平均值：

Push 测试：随机生成N个0～n的整数r，若Contains(r) = false则Push(r)。
Pop 测试：将已加入到集合中的元素全部Pop 出来。
综合测试：随机生成N 个0～n 的整数r，若Contains(r) = true则Remove(r)；Push(r)；若r 的序号能整除8，则Pop()。

*注: Sorted List 拥有最快的Pop 速度，然而其它性能差距却10 倍之多，故不再列出。

讨论

    在解决很多离散型优化问题（如路径搜索、整数规划等）时，可以采用启发是搜索算法（通过估计避免大量不必要的搜索），其中需要要用动态有序集合：
    每次迭代Pop 出最优节点，进行某些处理后（可能涉及查找、删除操作），再发展n 个节点Push 入集合中（如：路径搜索中的A*算法每次扩展周围8 个格子），找到结果后返回（可参见4.3“一摞饼的
排序”）。
    由此可以看出在求解过程中，Push 需求远大于Pop，因此BinaryHeap 获得冠军！。自行设计的Linked Binary Heap 和Binary Heap 结构都比较简单，而其性能却都超越了号称“最复杂数据结构”之一的红黑树。

作者：Silver 原文链接：http://gpww.blog.163.com/blog/static/118268164200997103532110/

其他文章：
连载1：卡特兰数(Catalan)
连载2：序列 ABAB对应字符串集合
连载3：最长公共子序列
连载4：计算字符串的相似度
连载5：寻找符合条件的整数
 连载6：数组循环位移
 连载7：天平秤球