查找balabala

基本概念

l  查找表：用于查找的数据集合称为查找表，由同一类型的数据元素构成，可以是数组或者链表等任何的数据类型。对查找表一般有四种操作：

1.    查询某个特定的数据元素是否在表中

2.    检索满足条件的特定元素的各种属性

3.    在查找表中插入一个数据元素

4.    在查找表中删除一个数据元素

l  静态查找表：仅涉及前两个操作的查找表，适合静态查找表的查找方法有：顺序查找、折半查找和散列查找

l  动态查找表：包括添加删除的操作，适合动态查找表的方法有：二叉排序树的查找、散列查找等。

l  平均查找长度：衡量查找算法的主要指标。一次查找长度指的是需要比较关键字的次数。平均查找长度就是所有查找过程中进行关键字的比较次数的平均值。ASL =  其中 为查找第i个元素的概览，一般认为是等概览的， 是找到第i个元素需要比较的次数。

顺序查找

l  基本是没有要求的，可以对线性表以及线性链表进行查找。并且也可以是无序的

l  思想：就是按照顺序一个一个依次查找，没有什么特殊的。书上设定了一个哨兵，所以查找失败的时候会比较n+1次，如果没有设置哨兵，那么应该就是比较n次即可。成功的时候，当查找第i个元素的是，且从后向前找的顺序，那么需要比较n-i+1次，假设每次找到的概率是不变的，那么查找成功的ASL=（n+1）/ 2；时间复杂度为O（n）

//顺序查找代码

intSequential_Search(int[] num, int key){

    for(int i = 0; i < num.length; i++){

        if(num[i] == key){

            return i;

        }

    }

    return 0;

}

折半查找

l  要求可以是随机存取的结构，所以只能在线性表中进行，不适合链式存储的形式。并且要求必须是有序的。

l  思想：每一次都和带查找所有元素的中间位置元素进行对比，如果key大于mid，则转去mid后面所有元素中进行重复工作，反之去mid前面的所有元素进行重复工作。反复执行直到不满足low<=high，跳出循环。这个过程可以对应为一个判定树上，一般而言，有序表中有n个元素，那么判定树上会有n个圆形节点，n+1个矩形结点（对应查找失败）。所以查找失败的查找长度为树高h= +1，查找成功时的平均查找长度则为每一层树高乘以该层的节点个数，最后除以元素个数n。ASL =  – 1.因为对于n个元素而言，树的高度为h =  + 1所以时间复杂度为O()

//折半查找代码

intBinary_Search(int[] num, int key){

    int low = 0;

    int high = num.length;

    while(low <= high){

        int mid = (low + high)/2;

        if(key > num[mid]){

            low = mid + 1;

        }else if(key < num[mid]){

            high = mid - 1;

        }else{

            return mid;

        }

    }

    return 0;

}

分块查找

思想：分为很多块，块内部可以没有顺序，但是块之间是有顺序的。并且会建立一个索引表，表中存储每一块的最大值和各块第一个元素的地址。所以索引表是一个有序的线性表。块内常常用顺序查找，块之间可以用折半或者顺序。

该方法可以比较方便的动态改变线性表中的内容。既有动态结构，又适用于快速查找。

B树

l  定义：B树又称为多路平衡查找树，B树中所有结点的孩子结点数的最大值称为B树的阶，通常用m表示，一棵m阶B树或为空树，或为满足一下特性的m叉树

1.    树中每个结点最多有m棵子树，所以最多含有m-1个关键字

2.    树中每个结点最少有 棵子树，所以最少含有 -1个关键字，除根节点以外。

3.    如果根结点不是终端结点，那么至少含有两个子树

4.    所有叶结点出现在同一层，并且不带信息。实际上这些结点都是不存在的，指向这些结点的指针为空。

l  B树是所有结点的平衡因子为0的多路查找树。

l  对于有n个关键字的B树，有n+1个叶结点，也就是查找不成功的结点。

l  B树的高度（磁盘存取次数）：B树的高度不包括最后一行不带任何信息的结点。对于有n个关键字，m阶的B树来说，每一个结点最多有m个子树，结点上有m-1个关键字。所以n≤(m-1)*(1+m+ +…+ ) = - 1.所以h≥ 。每个结点最少有 棵子树，也就是有 -1个关键字，第一层有一个结点，第二层至少有两个结点，因为除了根节点之外有关键字的最少要求，所以第三层至少有2 个结点…第h+1层有2 个结点，但是这一层不算B树的高度，所以n+1≥2 ，于是h≤ +1,因此对于有n个关键字的B树来说，树的高度h满足： ≤h≤+1

l  B树的查找：过程与二叉查找树的过程很相似，先在B树中找结点，然后再结点中继续寻找是否存在。

l  B树的插入：二叉查找树的插入过程很简单，最终插入的结点一定是叶子节点。但是在B树中插入比较复杂，因为每个结点的关键字个数是有规定的。B树最终插入的地方一定是最低端的非叶节点。如果插入之后，该结点的关键字个数不超过m-1，那么不用进行其他操作，如果插入该关键字之后，超过m-1，那么就需要对该结点分裂。分裂过程如下，将插入之后的结点从中间位置将关键字分为两部分，左边部分继续留在原结点中，右边部分放到新结点中，中间的那个关键字，上升为父结点中，如果父结点的关键字个数也超了，那就重复此过程，到根节点也超的话，那么B树的高度增加1

l      B树的删除：删除和上面的插入一样，每次删除之后要判断关键字个数是否少于 -1，以决定是否需要合并。因为插入的地方一定是最底层的非叶节点，但是删除分两种情况。一种是不在终端结点；另一种是在终端结点。对于第一种情况，假如要删除第i个关键字，那就去找其i指针指向的终端结点中的关键字，至于找哪个子树的终端结点，是根据子树关键字的个数判断的。那边关键字个数大于 -1，那就去对应子树上找。然后用这个来替代需要删除的关键字，然后删除终端结点对应位置即可，其实还是归结为了在终端结点上删除的情况。如果俩子树的关键字个数都等于 -1，那就直接结合俩子树，当删除的关键字在终端结点的时候，如果删除之后的关键字个数大于 -1，那么就正常删除，但是如果删除之后发现小于 -1，就需要进行合并操作。合并过程如下：①如果其兄弟结点的关键字个数大于 -1，那么满足条件中兄弟结点中离自己最近的关键字上升到父结点中，然后用父结点对应的关键字替代删除之后的位置；②如果左右兄弟都不够借，那么就将关键字删除后，和左或者右兄弟结点及双亲节点中的关键字进行合并。因为在合并的过程中，双亲结点中的关键字个数也会减少，如果双亲结点是根节点，并且关键字个数减少为0，就直接将根节点删除，用新合并的结点当做根节点。如果不是根节点，那就继续讲双亲结点继续和它自己的兄弟结点合并，直到B树满足条件为止。

l  http://blog.163.com/zhoumhan_0351/blog/static/39954227200910231032917/

B+树

l  B+树是应数据库所需出现的B树的变形树

l  一棵m阶的B+树满足以下条件：

1.    每个分支结点最多具有m个子树

2.    非叶根节点至少有两棵子树，分支结点至少有 个子树

3.    结点的子树个数和关键个数相同

4.    所有叶节点包括所有的关键字以及指向相应记录的指针。并且叶节点中将关键字按大小顺序排列，并且相邻叶节点按大小顺序相互链接起来。

5.    每个分支结点（可以看成是索引的索引）仅包含它各个子结点（也就是下一级的索引块）的中关键字的最大值和指向其子结点的指针

l  B+树中分支节点的关键字是其子树中关键字的最大值的副本。在B+树中一般有两个头指针，一个是指向根节点的，另一个指向关键字最小的叶结点

l  B+树支持两种查找方式，从关键字开始的顺序查找和从根节点开始的多路查找

l  B+树不论查找是否成功，路径都是从根结点到叶结点的路径。

B树和B+树的差异

l  B+树中，具有n个关键字的结点含有n个子树，即每个关键字对应一个子树；但是在B树中，n个关键字对应n+1个子树.

l      B+树中，每个结点关键字个数为 ≤n≤m；B树中 -1≤n≤m-1，其实两种树的最大子树个数和最小子树个数都是定的，不同的只是B树中关键字比子树少一个，B+树中关键字个数等于子树个数而已。

l  B+树中，叶节点是有信息的，包含了所有的关键字所有非叶节点只是起到了索引的作用，有点像分块查找中的索引表。

散列表（Hash）

常用的散列函数：

1.    直接定址法：H(key) = a*key + b这种方法计算简单，并且不会发生冲突。适合关键字分布基本连续的情况，如果分布不连续，空位会较多，造成空间的浪费

2.    除留余数法：最常用，最简单。假定散列表表长为m，选取一个不大于m但最接近或等于m的质数p。H(key) = key%p，所以散列函数的关键是质数p的选择

3.    数字分析法：关键字为r进制，选取数码分布较为均匀的若干位作为散列地址。这种方法适合于已知的关键字集合，如果更换了关键字，就要重新构造新的散列函数

4.    平方取中法：取关键字的平方值得中间几位作为散列地址。适合关键字的每一位取值都不够均匀或都小于散列地址所需的位数

5.    折叠法：将关键字分割为位数相同的几部分（最后一部分可以短一点），然后取这几部分的叠加和作为散列地址。适合关键字位数很多，并且关键字中的每一位上数字分布大致均匀。

处理冲突的方法

1.      开放定址法：可存放新表项的空闲地址既向它的同义词项开放，也向它的非同义词项开放。 表示发生冲突后的第i次探测的散列地址，  = (H(key)+ ) % m。其中m为散列表的表长， 为增量序列。注，开放地址法不能随便物理删除表中已有的元素，应该做个删除标记，然后定期维护散列表的时候，把具有标记的元素物理删除。增量序列的选取方法如下：

        线性探测法： =1,2,…,m-1，冲突发生的时候，就顺序查找表中下一个单元，直到找到一个空闲的表项。这种可能产生聚集的现象，大大降低查找效率

        平方探测法： = ,- , ,- ,…, ,- ,其中k≤m/2，m必须是一个可表示为4k+3的质数，可以避免堆积，但是不能探测到表中所有位置，只能有一半单元

  再散列法：双散列法，就是有两个散列函数。最多经过m-1次就会遍历所有位置

        伪随机序列法： =伪随机数序列

2.    拉链法：让同义词挂到一个链表上。适合经常进行插入和删除的操作

散列表的查找效率取决于：散列函数、处理冲突方法和装填因子

平均查找长度取决于装填因子α，不依赖于n和m。α定义为散列表中以后的元素除以表长。

字符串模式匹配（KMP）

l  定义：求第一个字符串（模式串）在第二个字符串（主串）中的位置

l  KMP算法：在线性的时间复杂度上实现字符串的匹配，O(m+n)，其中m和n分别是模式串和主串的长度。中心思想是，当发现不匹配的时候，主串的下标不动，但是让模式串向前移动一定的位置，移动的个数取决于next数组中对应的数值，所以重点是next数组的建立。

l  next数组建立：首先初始化next[1] = 0,next[2] = 1,然后对应主串中的j，令k =next[j-1];然后去比较S[k]和S[j-1],如果两者相等，那么令next[j] = k + 1，如果不相等，就让k = next[k]，如果k≠0，则继续去比较S[k]和S[j-1]；如果k=0，那么令next[j]=1;

l  KMP算法匹配过程：当遇到两者不相等的时候，主串的下标i不变，令j=next[j]，然后继续比较。如果j = 0，那么就让i和j同时加一进行比较。这里注意的是，i和j都是从下标为1开始进行比较的。