skiplist 分析

SkipList 即跳表，用于快速定位某个元素。下面这张图片非常好的表示了从链表变迁到跳表的过程。

跳表查找一个元素的过程很像“一日千里”，每次可能跳过很多个元素而非一个元素。时间复杂度为 lgn.下面解释为什么时间复杂度为 lgn。

设第 i 层的元素出现在第 i+1 层的概率为 p，第 i 层即第 i 根链表，从下往上递增。如，第 1 层包含所有的 n 个元素 ，第 2 层期望有 pn 个元素，第 3 层期望有 p^2*n 个元素。。。以这种衰减模式，直到 log(1/p)n 层衰减为零。因此，skiplist 的期望高度是  log(1/p)n 。为了得出时间复杂度，需要计算在查找元素的路径中，在每一层上面的访问次数。

考虑在跳表中找到一个元素( 6 )的路径的反向路径。如图所示：

路径停止于 A，表示在此处找到了元素 6.称A所在那一列为 R 列，R左边紧挨那一列为 L 列。则 L 列不可能比 R 列更短：因为 skiplist 中寻找元素的路径总是往右下方进行的，若 L 比 R 更短，则不可能寻找到 R 的 A 位置。

现在反着看遍历的路径，从 A 到 B 的概率是 1-p，（即在 B 点存在的情况下，没有更高层的概率，此条件概率为 1-p，参考另一篇文章），此即是几何分布，求得关于随机变量“在同一层上访问的节点个数”的期望值即是 1/p。

而 skiplist 共有 log(1/p)n 层，故所有层链表需要访问的节点数目为 log(1/p)n * 1/p 再加上 log(1/p)n，后面一项是向下访问节点的总数。一般而言， p 是个小于 1 的常数，令 x = 1/p.

则时间复杂度函数 f(x)=logxn*(1+x)，下面对此函数求导，如图所示

以上从数学的角度理论分析了 skiplist 的时间复杂度，当 p 为常数时，时间复杂度为 lgn ，且当 p 靠近于 0.278 时，时间复杂度相对最低。