数据结构与算法：搜索（查找）

前面的文章中写的每一种数据结构都定义了一些常用的操作，如：初始化、访问数据元素等等，因此，研究操作的实现（不是操作的定义）即算法与数据结构密不可分。

有两个操作在每个数据结构上一般都要定义，而且是非常重要的：

·确定元素的位置——搜索（查找）；

将元素按某种书序排列——排序（分类）。

这篇文章我主要写一下搜索（查找）的一些知识（算法基本思想、效率、优缺点、适用范围等）。

 

一、静态表的查找

二、动态表查找

三、HASH（哈希）查找

 

1.查找：在某一数据集合中查找数据元素是否存在，如果存在，返回其位置，否则，返回失败信息。

2.查找表：被查找数据元素的集合，如果是逻辑结构上定义的操作，那么位置就是逻辑位置；如果有了存储结构，那么位置应该就是物理位置。因此，查找表一般是“数据结构+存储结构”。

3.查找表的种类：

（1）静态查找表；数据集合在查找前后不变（没有插入、删除）；

（2）动态查找表：数据集合在查找前后会改变（有插入、删除）。

4.关键码：可以唯一的标识一个数据元素的数据项（属性）。

基于关键码的查找，结果必是唯一的；基于一般属性的查找，结果可能不唯一。

5.查找方法：

查找表不同，查找方法就会不同。有很多不同的查找方法。

6.查找算法的评价：

（1）空间：占用的辅助空间少；

时间：时间少。查找的基本操作是比较，因此 时间主要体现为比较次数。

（2）查找成功：

最大比较次数——MSL(Maximum Serach Length）

平均比较次数——ASL(Average Serach Length)

（3）查找失败：

最大比较次数——MSL

平均比较次数——ASL

 

一、静态表的查找

1. 静态查找表是顺序或链式存储的线性表 ——顺序查找

（1）查找表的要求：只要是线性表即可；

（2）查找方法：不断找前驱或后继。

（3）特点：

1）思想简单，对查找表要求少，适应面广；

2）比较次数较大O(n)——成功、失败。

2.静态查找表是顺序存储的、有序的线性表——折半查找（Fibonacci查找、插值查找）

（1）查找表的要求：顺序存储、有序的线性表

（2）查找方法：

（3）特点：

1）对查找表要求多；

2）比较次数较少O(log以2为底n的对数)。

折半查找的过程可以用一棵二叉树表示，称之为“折半查找的判定树”。

3.静态查找表是二叉树——静态二叉排序树查找

（1）查找表的要求：二叉排序树

（2）查找方法：

X与根比较：相等则输出；X<根：在左子树上找；X>根，在右子树上找。

（3）特点：

类似折半，最大比较次数是树的深度；等概率时，深度为log2(n)二叉排序树最好；不等概率时，概率高的应该靠近根。

4.静态查找表是分块索引表——分块查找（索引顺序查找）

（1）查找表的要求：顺序存储、分块有序；即：每一块中的结点不必有序，但块与块之间必须"按块有序"。

（2）查找方法：

1）先选取各块中的最大关键字构成一个索引表；

2）折半方法确定被查找元素可能所在的块；

3）在块中采用顺序查找，确定元素是否存在；

（3）特点：

1）要建立索引表；

2）效率介于折半和顺序之间。

 

二、动态表查找

查找表本身是在查找过程中动态生成的，即对于给定值 key，若查找表中存在其关键码等于key的元素，则查找成功 返回，否则插入关键码等于key的元素。
动态查找表可以是线性表，也可以是树（二叉排序树）。最常用的动态查找表是二叉排序树。

1.二叉排序树动态查找方法：

若二叉排序树为空，则查找不成功，在二叉排序树中插入 该元素；否则 

（1）若给定值等于根结点的关键字，则查找成功； 

（2）若给定值小于根结点的关键字，则继续在左子树上进 行查找；

（3）若给定值大于根结点的关键字，则继续在右子树上进 行查找。

2.特点：查找效率与构造出的二叉排序树的深度有关。

对于每一棵特定的二叉排序树，均可按照平均查找 长度的定义来求它的ASL值：

其中，pi是查找第i个元素的概率，通常假设为等概率； ci是查找第i个元素的比较次数，这里ci=hi。

显然，由n个关键字构造所得的，不同形态的各棵 二叉排序树的平均查找长度的值不同，甚至可能差 别很大，例如：

对于同一个关键码集合，因为关键码插入的顺序不同，可以得到不同的二叉排序树。

3.平衡二叉树

（1）定义：一棵二叉排序树是平衡的，当且仅当每个结点的左右子树的高度至多相差1。（由G.M.Adelson_Velskii 和E.M.Landis给出的定义——AVL树）

（2）递归定义：

1）空树是二叉排序树；

2）它的左右子树都是二叉排序树，且左右子树 的高度最多相差为１。

（3）平衡因子：

左子树高度-右子树高度，即BF(t)=H(l)-H(r)，平衡二叉树中，对任意节点，BF=1、0、-1。

（4）平衡二叉树的特点：

其深度和log以2为底n的对数同数量级，即AVL树的平局查找长度为O(log以2为底n的对数)。

（5）AVL树的构造和调整过程：

1）基本原则：按照二叉排序树的构造方法，构造过程中判断是否为平衡二叉树（平衡因子），是，则继续构造；否则， 按一定的原则（保持是二叉排序树和平衡）将其调整为平衡，然后继续。

2）插入过程中的调整原则：

二叉排序树在插入前平衡，插入一个结点后如果失去平衡，则至少有一个结点的平衡因子变为＋２或-２。 若平衡因子＝＋２，则左分支高于右分支；若平衡因子＝－２，则右分支高于左分支；
分为四种情况，分别进行调整：

LL型：在左分支的左子树上插入后，失去平衡，BF=2

LR型：在左分支的右上子树插入后，失去平衡，BF=2

RR型：在右分支的右子树上插入后，失去平衡，BF=-2

RL型：在右分支的左子树上插入后，失去平衡，BF=-2

LL型：

RR型：

对于LL型和RR型，如果失衡，就把它“掰”向另一边，当然，这个动作看上去很容易，但是用代码实现起来还是比较复杂的。

LR型：

 

RL型：

（6）查找过程：同静态二叉排序树是一样的。

（7）效率分析：

查找过程中和给定值进行比较的关键字的个数不超过 平衡树的深度。 

假设深度为h的二叉平衡树上所含结点数的最小值为 Nh，则显然 Nh = N(h-1) + N(h-2) + 1 ，由此可以推导出h约为log(n)(应当是以2为底的)。因此，在平衡树上进行查找的时间复杂度为O(log(n))。

 

三、HASH（哈希）查找

1.哈希技术概述

（1）哈希技术的提出背景：我们前面介绍的各种查找方法，其基本操作是“比较” 即通过比较得到元素的位置。那么，有没有不用“比较”的查找方法？

如果有一个函数，它能够根据要查找的关键字直接计算 出要查找元素的地址，该地址的内容为空，则查找的元素不 存在，否则，查找成功。显然，这样的查找不需要比较！

（2）HASH类问题的描述：

假设问题可能用到的关键字集合为U，|U|=n0，即该集合的元素个数为n0，而一个问题实际用到的关键字集合为S，|S|=n，n<<<<n0，且S是取自U的任意一个子集合，表示为{R1,R2,R3,...Rn}，其关键字集合为{K1,K2,...,Kn}； T是解决问题需要的连续空间，它由m个存储单元组成， 表示为T[0..m-1]，m>=n。

有一个函数H，其定义域是key∈U，值域是i∈0...m-1，它将关键字映射到存储空间地址上；

H(key)= i      key ∈U,  i∈0...m-1

（3）有关基本概念：

1）HASH函数：将元素按照关键字映射出存储空间地址的 函数，记作：H(key) ；

2）HASH地址：由HSAH函数计算出的数据元素的存储地址；

3）HASH表：存储元素的连续地址空间T；

4）HASH造表：利用HASH函数将元素存储到HASH表中的 过程； 

5）HASH表的填充度（装填因子）：

6）冲突：由于HASH函数的定义域是U，而S是U的任意一个小子集，映射地址空间是由S的大小确定的，因此，对于不同的关键字可能得到相同的HASH地址，即： 若 key1≠key2 , 而 H(key1)=H(key2)，则称为冲突；

7）同义词： 若 H(key1)=H(key2)，则key1和key2互称 为同义词。 

（4）HASH技术的关键：

1）HASH函数的构造；

函数设计目标：使通过哈希函数得到的n个数据元素的哈希地址尽可能均匀地分布在m个连续内存单元上，同时使计算过程 尽可能简单以达到尽可能高的时间效率。

常用的哈希函数构造方法有：除法取余、直接定址法、数字分析法、折叠法、平方取中

除留余法：

特点：

①这是一种最简单、最常用的方法；

②P的选择很重要，选择不好会产生同义词； 

③P一般取位素数或不包含小于20的质数的合数。

2）解决冲突的方法；

解决冲突的策略分为两类：

①闭散列方法(Closed Hashing):同义词放在HASH表中的 其他位置；(Open addressing,又称为开地址法)；

a.开放地址法（闭散列）：发生冲突后，按一定的原则寻找新的地址：

举个例子：

注意，图中有很多79，并不是真的有那么多79，而是将79从地址1开始逐渐后移，直到后移到有空位的地方为止。

b.再造HASH法（闭散列）：

H(i)=RHi(key)

用一系列HASH函数计算地址。

这个方法的意思应该是另外再找一个HASH函数。

②开散列方法(Open Hashing):同义词放在HASH表之外的 空间中；(Separate chaining,又称为拉链法)。

a.链地址法（开散列）：

将同义词存放在同一个链表中；

举个例子：

③还有一种方法叫做建立公共溢出区法：

除了HASH表外，开辟一个公共溢出区，一旦冲 突，将同义词放入公共溢出区；
 

 

最后，总结一下：

1.哈希查找的方法

给定关键字k：

（1）用给定的HASH函数计算出k的HASH地址； i=H(key)

（2）若该地址为空，则查找失败； 否则，若 T[i]=k ,则查找成功，返回地址； 否则，按HASH造表时解决冲突的方法计算出新的地址；

（3）重复（2）直到查找成功或失败。
2.性能分析

如果没有冲突：O(1)；

有冲突，性能与下列因素有关：

HASH函数、解决冲突的方法，装填因子。

总之，HASH查找是一种很高效的查找方法，也是一种使用范围很广的方法。