R*树（二）

    在（一）中，介绍了R树的一些结构及其性质，这里我们来学习一下它的算法。

    R-tree search 算法描述：

       基本思想：从根节点开始比较其中的每一个entry，找出所有有重叠部分的entry，然后再到这些entry所指向的叶子节点去做同样的事  情，直到找到叶子节点那一层中所有符合条件的entry。

       判定标准是：搜索区域S与节点有重叠。

       注意：一个节点中与之相重叠的entry可能不止一个，所以搜索算法可能会遍历树的所有路径。

    插入算法描述：

       1.调用ChooseSubtree来选择一个合适的叶子节点L能够容纳插入项E

       2.若L还能容纳E，则加入。否则，调用Splitnode来获取分裂后的来年各个节点L和LL，它们包含E和L中原有的entry。

       3.从下至上调整树：设P为L的双亲节点，ep为指向L的项，调整ep的MBR。创建一个新的项epp指向LL，计算其MBR并将其加入到P中若P也满了则再次分裂，直至根节点，若根节点也满了，则分裂根节点 ，产生一个新的根节点指向分裂后的两个节点。

       基本思想：找到合适的叶子节点将其插入，若需分裂，则之下而上调整MBR。

    ChooseSubtree算法描述：

       1.设N为树的根节点

       2.若N为叶子节点就返回。否则，选择N中的一项，使得该项容纳新项后面积扩展最小

       3.让N指向其叶子节点，返回2。

        标准是：面积扩张最小，在R树种中强调的最多的。

    splitnode算法描述：

       1.调用pickseeds选出2项，分别作为2组的第一项

       2.调用distributeEntry 直到 所有项已经分配  或者 其中有一组已经有了M-m+1个索引项

       3.若还有多余的，将他们分配到项数叫少的一组使得它的项数达到m

    pickseeds算法描述：

       1.对每一组entry E1和E2，计算d= area（E1 E2合并之后的MBR）-area（E1）-area（E2）

       2.选择d最大的一对

    distributeEntry 算法描述：

       1.调用PickNext选择下一项

       2.将其分配到某组中，该组在容纳该项后，MBR只需作最小面积扩展

    PickNext算法描述：

       1.对于剩下的每一个entry E 计算d1=<加入组1后MBR增加的面积>，同理计算d2

       2.选出d1 和d2差距最大的一项