算法导论第十三章思考题参考答案(25)

 不积硅步，无以至千里。请走下去，尽管前路艰难。

                                                                                        -- 2024-3-19

---

Problem13-1

a.我们需要为插入或删除的节点的祖先节点创建一个新版本。
b.参见算法PERSISTENT-TREE-INSERT

c.因为while循环最多只运行h次，因为从x到根结点的距离每次都增加1，并且以高度为界。此外，由于每次迭代只花费恒定的时间和使用恒定的额外空间，我们的时间和空间复杂性都是O(h)。
d.当插入一个元素时，需要创建一个新版本的根目录。因此，指向根的任何节点都必须有一个新的副本，以便它们指向新的根。所以，所有深度为1的节点都必须被复制。同样，指向这些节点的所有节点都必须具有新副本，以便具有正确的版本。所以，所有深度为2的节点都必须被复制。同样，必须复制所有节点。所以我们至少需要Ω(n)的时间和额外的空间。

e.由于再平衡操作只能更改祖先节点和祖先节点的子节点，因此每次插入最多只需要分配2h个新节点，因为树的其余部分将保持不变。当然，这是假设我们不跟踪父指针。这可以通过将13.3-6中的建议应用于插入和删除来实现。也就是说，我们对存储O(h)个祖先或祖先的子元素的元素执行搜索。由于在执行插入和删除过程时只考虑这些节点，因此我们可以知道它们的父节点，即使我们不跟踪每个节点的父指针。由于高度保持为O(lg(n))，那么，我们可以在O(lg(n))内完成所有的操作。 

 Problem13-2

a.当我们调用插入或删除时，我们最多修改树的黑高度1，我们可以根据我们所处的情况修改它，所以不需要额外的存储空间。当通过T下降时，我们可以在O(1)时间内确定每个访问节点的黑高度。首先在O(log n)时间内确定根结点的黑高度。当我们向下移动树时，我们只需要将每个黑节点的高度减少1，就可以确定新的高度，这可以在O(1)内完成。因为从根到叶的路径上有O(log n)个节点，所以每个节点的时间是常数。

b.在O(log n)时间内求出T1的黑高度。然后在O(log n)时间内求出T2的黑高度。最后，设z = T1.root。而z的黑高度严格大于T2。如果存在这样的子结点，将z更新为z.right，否则将z更新为z.left，一旦z的高度等于T2。从T1的高度开始，该算法的运行时间为O(log n)，因此while循环的迭代次数最多为O(log n)。
c.设T表示想要的树。设T .root = x, x. left = y, y.p = x, x.right = T2.root和T2.root.p = x, Ty的每个元素都在T1中，T1只包含小于x的元素，T2的每个元素都大于x，由于Ty和T2都具有二叉搜索树的性质，T也具有二叉搜索树的性质。
d.把x涂成红色。在T1中求出y，如在b部分中，并在常数时间内形成T = Ty∪{x}∪T2如在c部分中。调用T' = RB-TRANSPLANT(T,y,x)。如果y的父结点是红色，我们就有可能违反红黑性质。为了解决这个问题，调用RB-INSERT-FIXUP(T'， x)。
e.在对称情况下，简单地将b部分到d部分中T1和T2的作用颠倒。
f.如果T1.bh≥T2。否则，请将d中T1和T2的角色对调，然后按前面的步骤进行操作。无论哪种方式，算法都需要O(log n)时间，因为RB-INSERT-FIXUP是O(log n)。 

 Problem13-3

a.设T(h)表示高度为h的AVL树的最小大小，因为它的高度是h，所以它的子树高度的最大值必须等于h−1。由于我们试图获得尽可能少的音符总数，假设另一个子结点的高度尽可能小。由于AVL树的限制，我们知道较小的子节点必须比较大的子节点至少小1，所以我们有T(h)≥T(h−1)+T(h−2)+1其中+1来自于根节点的计数。我们可以得到相反方向的不等式只要取一棵树在高度h - 1和h - 2上达到最小节点数并将它们连接在另一个节点下。我们得到T(h) = T(h - 1) + T(h - 2) + 1。T(0) = 0,T(1) = 1。这是相同的递归式和初始条件
斐波纳契数列。回想一下(3.25)式，我们有 

重新排列h，我们有

b.设UNBAL(x)表示x.left.h - x.right.h。然后，BALANCE算法执行所需的操作。请注意，因为我们一次只旋转一个元素，所以UNBAL(x)的值在每一步中最多只能改变2。而且，它最终必须开始发生变化，因为较短的树变得充满了元素。我们还修复了由于对子进程的递归调用而导致的AVL属性的破坏。

c.对于给定的算法AVL- insert (x,z)，它通过我们搜索插入z的正确位置的方式正确地维护了它是一个BST的事实。此外，我们可以看到它保持了AVL的属性，因为在插入元素之后，它检查了所有的父元素的AVL属性，因为这些是它唯一可以破坏的地方。然后对其进行修复，并更新任何可能发生更改的节点的高度属性。
d.因为两个for循环只运行O(h) = O(lg(n))次迭代，我们知道这是运行时间。同样，在第二个while循环中只会发生一次旋转因为当我们这样做的时候，我们会降低那里的子树的高度，这意味着它会回到原来的高度，所以它的所有祖先的高度都是不变的，所以，不需要进一步的平衡。 

 Problem13-4

a.根r是唯一确定的，因为它必须包含最小的优先级。然后我们将节点集划分为键值小于r的节点和键值大于r的节点。我们必须将每一个节点都划分为一个节点集，并使它们成为r的左子节点和右子节点。通过对节点数的归纳，我们看到该节点集是唯一确定的。
b.由于选择随机优先级对应于以随机顺序插入，因此树的期望高度与随机构建的二叉搜索树的期望高度相同Θ(log n)。
c.首先像往常一样使用二叉搜索树插入过程插入一个节点。然后执行向左和向右旋转，直到插入节点的父节点不再具有更大的优先级。
d. TREAP-INSERT的预期运行时间为Θ(log n)，因为treap的预期高度为Θ(log n)。
e.为了插入x，我们首先运行BST插入过程，所以x是一个叶节点。每次我们执行左旋转时，我们将左子树的右脊的长度增加1。每次执行右旋转时，右子树的左脊的长度增加1。由于我们只执行左右旋转，因此可以得出结论。
f.如果Xik = 1，则该属性必须符合二叉搜索树的属性和trep的定义。另一方面，假设y.key < z.key key表示y.priority < z.priority。如果y不是x的子元素，那么将z作为x和y的最小共同祖先就违反了这个定理。由于y.priority > x.priority,y一定是x的子节点。由于y.key < x.key, y在x的左子树中。如果y不在x的左子树的右子树中，那么一定存在某个z，使得y.priority > z.priority > x.priority和y.key < z.key < x.key，这是一个矛盾。
我们需要计算f部分条件满足的概率。对于所有z∈[i + 1, k−1]，我们必须有x.priority < y.priority < z.priority。有(k−i−1)!排列这些z对应的优先级的方法，从(k−i+1)![i, k]中所有元素对应的优先级排列方法。消去得到P{Xik} =.

h.我们利用g部分将伸缩级数简化:

i.节点y位于x的右子树的左脊，当且仅当它位于每个键为k的节点被键为n - k的节点替换的树的左子树的右脊，在h部分的期望计算中将k替换为n - k得到结果。
j.根据e部分，旋转次数为C + D。根据期望的线性，对于任意k的选择，E [C + D] = 。