高级搜索树（上）

 

A1、伸展树：逐层伸展

A1-3 自适应调整

（1）让我们首先来看一个简单的例子：一个链表我们知道，在链接列表中，所有元素都是有组织的成线性序列，相邻元素包含对其前任和后继的引用。我们知道，在这样的数据结构中，访问元素的效率，主要取决于其顺序，更具体地说，排名较低或在列表中较早的元素具有更好的访问效率。另一方面，等级较高的后期元素效率较低。如果访问列表是完全随机的，那也许就是我们能做到的最好。

（2）改善空间很小，但是就像我们刚才提到的那样，如果访问列表中的元素符合局部性原则。我们可以用非常简单的策略，在整个数据集上实现更有效的访问。一种有效的策略是将元素移到列表的最前面，一旦被访问。这种策略背后的原因很容易理解。由于地域原因，我们下一步将访问的元素，很可能是我们刚刚访问的元素，这个元素刚刚被发送到列表的最前面，使其尽可能快地访问。
（3）从数据结构的生命周期来看，这样的列表结构，即使最初是随机排列的，也可以在多次访问后变成有序的，访问最多的元素将移到列表的最前面。我们知道，该地区的效率最高，这样我们可以实现更高的摊销效率，在足够长的时间间隔内。
好的，现在让我们回到二叉搜索树。了进行比较，我们将BST的典型图旋转了90度，并将根和叶对应到树上
，分别到列表的开头和结尾，这种对应是合理的，因为元素位于BST的根，与树中其他位置的元素相比，访问时间少得多。
特别是那些底部的，因此，如果我们希望优化BST的效率，我们可以参考我们对链接列表所做的操作，并移动我们经常使用的元素，离根更近或者换一种说法，降低身高
那么这个想法可能吗？
如果是，怎么办？

A1-4 逐层伸展

根据我们之前的分析，下一个要访问的节点，很可能是我们刚刚访问的节点
因此，提高未来访问的效率。最直接的方法是将我们刚刚访问的节点移到根
所以我们有一个非常简明的策略：节点v一旦被访问，随即转移至树根。
为了实现这一目标，我们所能借助的手段。除了我们刚刚介绍的等价变换之外。更具体地说，之字形和锯齿形

如果节点v是左子节点，我们与它的父级p一起执行zig转换，这样两个交换的高度。

另一方面，如果节点v是右子节点，我们对其父级p执行zag转换。同样，在此调整之后，两个节点交换高度
总而言之，无论经过一次zig旋转还是zag旋转，节点v都可以在高度上上升一层。因此我们可以重复应用此策略，是v的高度逐层上升，直到v最终会到达根

A1-5 实例

让我们来看一个例子。这是BST。假设我们要找到333，基于我们以前的策略，我们需要通过zig或zag转换序列将该元素移至根

让我们详细看一下这个过程

（1）从333开始，我们首先注意到它是一个右孩子，所以我们寻找它的父亲285，并进行右旋转，333上升一层。

（2）接下来，它仍然是一个右孩子。所以我们再次找到它的父亲021。并进行zag旋转

（3）现在333是一个左孩子，我们需要执行zig旋转，对它的当前父亲448。因此333的高度上升了一层

（4）这个过程可以继续，对我们的新父亲468顺时针旋转。

（5）最后一个父亲是641，做顺时针旋转、
我们可以看到333通过一系列的Zig和Zag变换，到达树根。这样以后访问它似乎只需常数时间。如果将节点的调整过程连贯来看，我们将返现这个节点逐层上升过程。是一个左右摇摆，不断伸展的过程。这是名字splay（伸展）的来源