跳表和散列笔记整理

概述

虽然在n个元素的有序数组上折半查找所需要的时间为$o(\log n)$，但是在有序链表上查找所需要的时间为$o(n)$。为了提高有序链表的查找性能，可以在全部或部分节点上增加额外的指针。
跳表(skip list)：增加了额外的向前指针的链表。
散列 ：用来查找、插入、删除的另一种随机方法。

如果经常需要按序输出所有元素或按序查找元素，跳表的执行效率将优于散列。

字典(dictionary)

形如$(k,v)$的数对所组成的集合，k是关键字，v是与关键字k对应的值。
有关字典的操作有：

• 确定字典是否为空
• 确定字典有多少数对
• 寻找一个指定了关键字的数对
• 插入一个数对
• 删除一个指定了关键字的数对

template<class K, class E>
class dictionary
{
	public:
		virtual ~dictionary() {}
		virtual bool empty() const = 0;
		virtual int size() const = 0;
		virtual pair<const K,E>* find(const K&) const = 0;
		virtual void erase(const K&) = 0;
		virtual void insert(const pair<const K, E>&) = 0;
}

字典可以保存在线性表中，按关键字递增次序排列。可以用数组实现，也可以用链表实现。【本质还是线性表的插入删除查找】

跳表

理想情况

思想类似于折半查找。在折半的地方增加一个指针。

0级链表包括所有数对，1级链表每2个数对取一个，2级链表每4个数对取一个，i级链表每$2^i$个数对取一个。一个数对属于i级链表，当且仅当它属于0~i级链表，但不属于i+1级链表。

插入和删除

插入和删除时，要保持跳表的规则结构，需要耗时$o(n)$。
插入时要为新数对分配一个级（即确定它属于哪一级链表），分配过程由随机数生成器来完成。对一般的p，链表的级数为$\lfloor {\log }_{\frac{1}{p}}n\rfloor +1$
删除操作，无法控制结构。

级的分配

$p=\frac{i-1级链表的数对个数}{i级链表的数对个数}$
设定级数上限maxLevel，避免被随机分配到的级数特别大。$maxLevel=\lfloor {\log }_{\frac{1}{p}N}\rfloor -1$

散列

字典的另一种表示方法。

散列函数和散列表

桶：散列表的每一个位置叫一个桶bucket。$f(k)$是起始桶(home bucket)

线性探查

删除一个记录要保证搜索过程可以正常进行。不能仅仅把要删除的位置置空。删除需要移动若干个数对。从删除位置的下一个桶开始，逐个检查每个桶，以确定要移动的元素，直至到达一个空桶或回到删除位置位置。

跳表vs散列

1. 均使用随机过程来提高字典操作的性能。
2. 跳表的平均复杂度是对数级，散列的平均复杂度是常数级
3. 跳表比散列更灵活
4. 最坏时间复杂度，跳表$o(n+maxLevel)$，散列$o(n)$
5. 最坏情况的空间需求，跳表大于链式散列

应用——文本压缩

——LZW压缩
把文本字符串映射为数字编码。
首先，该文本串中所有可能出现的字母都被分配一个代码。字符串和编码的映射关系存储在一个数对字典中。

LZWrule：压缩器不断在文本串S的未编码部分（阴影部分）中寻找与字典中一个字符串相匹配的最长的字符串，并输出它的代码。这个字符串称前缀。

字典组织：将很长的字符串key压缩为固定长度的串。aaa可以表示为3a。