平衡搜索树之B-树

B-树

    一种适合外查找的平衡多叉树(有些地方写的是B-树,注意不要误读 成"B减树") 。


M阶的B树满足如下性质

    1、根节点至少有两个孩子;

    2、每个非根节点有[[M/2],M]个孩子;

    3、每个非根节点有[[M/2],M-1]个关键字,并且以升序排列;

    4、key[i]和key[i+1]之间的孩子节点的值介于key[i]和key[i+1]之间;

    5、所有的叶子节点都在同一层。

M阶的B树----M=3


插入

        如果插入值后,该节点的关键字的个数大于规定的要求,则需要调整,即分裂(新创建一个节点,把位于关键字序列中的中位数(不包含中位数)以后的值包括子树都拷贝到新建的节点中,将中位数提出成树的根节点,中位数以前的值将成为中位数的左子

树,后半部分成为右子树),如下图:


应用:运用于数据库和文件系统。


具体实现代码如下:

#pragma once

//使用外查找的平衡多叉树

//性质:

//    1、根节点至少有两个孩子

//    2、每个非根节点有[[M/2],M]个孩子

//    3、每个非根节点有[[M/2],M-1]个关键字,并且以升序排列

//    4、key[i]和key[i+1]之间的孩子节点的值介于key[i]和key[i+1]之间

//    5、所有的叶子节点都在同一层


template<class K,int M>//B数一个节点的结构

struct BTreeNode

{

K _key[M];//关键字的个数为M-1,多留一个位置可以更加方便的求取中位数

BTreeNode<K,M>* _subs[M+1];//方便插入时分裂,子树的最大个数为M个,关键字比他少一个

BTreeNode<K,M>* _parent;//指向父亲节点

size_t _size;//数组中存放的有效关键字的个数

BTreeNode()

:_parent(NULL)

,_size(0)

{

for(int i = 0;i < M+1;++i)

{

_subs[i] = NULL;

}

}

};


template<class K,class V>//需要返回两个参数,使用结构体

struct Pair

{

K _first;

V _second;


Pair(const K& key = K(),const V& value = V())//缺省参数,会调用默认构造函数

:_first(key)

,_second(value)

{ }

};


template<class K,int M>

class BTree

{

typedef BTreeNode<K,M> Node;

public:

BTree()

:_root(NULL)

{ }


Pair<Node*,int> Find(const K& key)//查找

{

if(_root == NULL)

return Pair<Node*,int>(NULL,-1);

Node* parent = NULL;

Node* cur = _root;

while (cur)

{

int index = 0;

while (index < cur->_size)

{

if(key == cur->_key[index])

{

return Pair<Node*,int>(cur,index);

}

else if(key < cur->_key[index])

{

break;

}

else

{

index++;

}

}

parent = cur;

cur = cur->_subs[index];

}

return Pair<Node* ,int>(parent,-1);

//找完也没找到,为了使得该情况下方便插入节点,因此返回panrent,插入节点插入在parent上

}


bool Insert(const K& key)//插入

{

//当前无节点

if(_root == NULL)

{

_root = new Node;//开辟一个新的节点

_root->_key[0] = key;

_root->_subs[0] = NULL;

_root->_parent = NULL;

_root->_size++;

return true;

}


Pair<Node*,int> cur = Find(key);

if(cur._second != -1)//找到,则返回false,不插入重复关键字

{

return false;

}

//在节点cur中插入key和sub

Node* str = cur._first;

K newKey = key;

Node* sub = NULL;

while (1)

{

_InsertKey(str,newKey,sub);

if(str->_size < M)//关键字的数量小于M,则正确,直接返回

return true;


//插入数据后,该节点的关键字的个数大于规定的数量,需要调整,进行分裂

int mid = (str->_size - 1)/2;

int index = 0;

Node* temp = new Node;


//先拷贝下标为mid后的关键字

for(size_t i = mid + 1;i < str->_size;i++)

{

temp->_key[index++] = str->_key[i];

temp->_size++;

str->_key[i] = 0;

}


//接着拷贝下标为mid的关键字的sub

index = 0;

for(size_t i = mid + 1;i <= str->_size;i++)

{

temp->_subs[index++] = str->_subs[i];

if(str->_subs[i] != NULL)

str->_subs[i]->_parent = temp;

}

//更改str的大小

str->_size = (str->_size - 1)/2;

if(str->_parent == NULL)

{

_root = new Node;

_root->_key[0] = str->_key[mid];

str->_key[mid] = 0;

_root->_subs[0] = str;

_root->_subs[1] = temp;

_root->_size = 1;

str->_parent = _root;

temp->_parent = _root;

return true;

}

else

{

newKey = str->_key[mid];

str->_key[mid] = 0;

sub = temp;

str = str->_parent;

}

}

}


void InOrder()

{

_InOrder(_root);

cout<<endl;

}

protected:

void _InsertKey(Node* cur,const K& key,Node* sub)

{

int index = cur->_size - 1;

while (index >= 0 && cur->_key[index] > key)//若插入的节点比改位置的值小,则需要移位

{

cur->_key[index+1] = cur->_key[index];

cur->_subs[index+2] = cur->_subs[index+1];

--index;

}

//否则,直接插入

cur->_key[index + 1] = key;

cur->_subs[index+2] = sub;

if(sub != NULL)

sub->_parent = cur;

cur->_size++;

}


void _InOrder(Node* root)

{

if(root == NULL)

return;

for(int i = 0;i < root->_size;i++)

{

_InOrder(root->_subs[i]);

cout<<root->_key[i]<<" ";

}

_InOrder(root->_subs[root->_size]);

}

protected:

Node* _root;

};


void BTreeTest()

{

BTree<int,3> tree;

int a[] = {53,75,139,49,145,36,101};

for(int i = 0;i < sizeof(a)/sizeof(a[i]);i++)

{

tree.Insert(a[i]);

}

tree.InOrder();

}

运行结果:



CSDN海神之光上传的代码均可运行,亲测可用,直接替换数据即可,适合小白; 1、代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2019b或2023b;若运行有误,根据提示修改;若不会,私信博主; 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可私信博主或扫描博客文章底部QQ名片; 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 功率谱估计: 故障诊断分析: 雷达通信:雷达LFM、MIMO、成像、定位、干扰、检测、信号分析、脉冲压缩 滤波估计:SOC估计 目标定位:WSN定位、滤波跟踪、目标定位 生物电信号:肌电信号EMG、脑电信号EEG、心电信号ECG 通信系统:DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪(CEEMDAN)、数字信号调制、误码率、信号估计、DTMF、信号检测识别融合、LEACH协议、信号检测、水声通信 1. EMD(经验模态分解,Empirical Mode Decomposition) 2. TVF-EMD(时变滤波的经验模态分解,Time-Varying Filtered Empirical Mode Decomposition) 3. EEMD(集成经验模态分解,Ensemble Empirical Mode Decomposition) 4. VMD(变分模态分解,Variational Mode Decomposition) 5. CEEMDAN(完全自适应噪声集合经验模态分解,Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise) 6. LMD(局部均值分解,Local Mean Decomposition) 7. RLMD(鲁棒局部均值分解, Robust Local Mean Decomposition) 8. ITD(固有时间尺度分解,Intrinsic Time Decomposition) 9. SVMD(逐次变分模态分解,Sequential Variational Mode Decomposition) 10. ICEEMDAN(改进的完全自适应噪声集合经验模态分解,Improved Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise) 11. FMD(特征模式分解,Feature Mode Decomposition) 12. REMD(鲁棒经验模态分解,Robust Empirical Mode Decomposition) 13. SGMD(辛几何模态分解,Spectral-Grouping-based Mode Decomposition) 14. RLMD(鲁棒局部均值分解,Robust Intrinsic Time Decomposition) 15. ESMD(极点对称模态分解, extreme-point symmetric mode decomposition) 16. CEEMD(互补集合经验模态分解,Complementary Ensemble Empirical Mode Decomposition) 17. SSA(奇异谱分析,Singular Spectrum Analysis) 18. SWD(群分解,Swarm Decomposition) 19. RPSEMD(再生相移正弦辅助经验模态分解,Regenerated Phase-shifted Sinusoids assisted Empirical Mode Decomposition) 20. EWT(经验小波变换,Empirical Wavelet Transform) 21. DWT(离散小波变换,Discraete wavelet transform) 22. TDD(时域分解,Time Domain Decomposition) 23. MODWT(最大重叠离散小波变换,Maximal Overlap Discrete Wavelet Transform) 24. MEMD(多元经验模态分解,Multivariate Empirical Mode Decomposition) 25. MVMD(多元变分模态分解,Multivariate Variational Mode Decomposition)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值