820数据结构（6）查找

考纲

1. 查找的基本概念；静态查找与动态查找
2. 顺序查找、折半查找、索引查找
3. 哈希查找
   哈希函数的基本构造方法，解决地址冲突的基本策略
4. 各种查找算法的时间复杂度和空间复杂度

选填考的概率大，算法考的概率较小，其中折半最可能考算法。此处的“时间复杂度和空间复杂度”实际多考察ASL。

一、查找的基本概念

1. 查找：在数据集合中寻找满足某种条件的数据元素的过程。
2. 查找表（查找结构）：用于查找的数据集，由同一类型的数据元素或记录组成。
3. 关键字：数据元素中唯一标识该元素的某个数据项的值。
4. 静态查找表：只需进行操作①；
   动态查找表：也要进行操作②。
   ①查找符合条件的数据元素
   ②插入、删除某个数据元素
5. 查找长度：查找运算中，需要比对关键字的次数。
6. 平均查找长度ASL：所有查找过程中进行关键字的比较次数的平均值。通常认为查找任何一个元素的概率都相同。ASL的数量级反应了查找算法时间复杂度。通常考虑查找成功、查找失败两种情况下的ASL。
   $$ASL=\sum _{i=1}^n{P}_i{C}_i$$
   n：数据元素个数；P：查找第i个元素的概率；C：查找第i个元素的查找长度。

二、顺序查找

• 顺序查找：也称线性查找，通常用于线性表（顺序/链式存储）
• 从头到尾或从尾到头依次查找。
• 对线性的链表只能进行顺序查找

1、一般线性表的顺序查找

• 0号位置存“哨兵”，不必判断数组是否会越界，效率更高。
• 查找效率分析（若$P_i=\frac{1}{n}$）：
  • $AS{L}_{成功}={\sum }_{i=1}^n{P}_i(n-i+1)=\frac{(1+2+3+\cdot \cdot \cdot +n)}{n}=\frac{n+1}{2}$
  • $AS{L}_{失败}=n+1$
  • 即时间复杂度$O(n)$

2、有序表的顺序查找

• 顺序查找判定树
  
• 一个成功结点的查找长度=自身所在层数；一个失败结点的查找长度=父节点所在层数。有n+1个失败结点，n个成功结点
• 查找效率分析：
  $$AS{L}_{失败}=\sum _{j=1}^n{q}_j(l_j-1)=\frac{(1+2+3+\cdot \cdot \cdot +n+n)}{n+1}=\frac{n}{2}+\frac{n}{n+1}$$
  $q_j$是到达第j个失败结点的概率，假设为$\frac{1}{n+1}$
• 优化：被查概率不等时，把被查概率大的放在靠前位置，ASL更小。

三、折半查找

• 折半查找，又称二分查找，仅适用于有序顺序表。顺序表具有随机访问的特性，链表没有。

1、算法

1. 思想
   1. 在[low, high]之间找目标关键字，每次检查mid=(low+high)/2。
   2. 根据mid所指元素与目标关键字的大小调整low或high，不断缩小low和high的范围。
   3. 若low>high则查找失败。
2. 手动推导
   
3. 算法实现

   typedef struct{                //查找表的
       ElemType *elem;            //动态数组基址
       int TableLen;              //表的长度
   }SSTable;
   //折半查找（假设升序）
   int Binary_Search(SSTable L,ElemType key){
       int low=0, high=L, TableLen-1, mid;
       while(low<=high){
           mid = (low+high)/2;    //取中间位置（向下取整）
    	   if(L.elem[mid]==key)
    		   return mid;         //查找成功则返回所在位置
    	   else if(L.elem[mid]>key)
    		   high = mid-1;       //从前半部分继续查找
    	   else
    		   low = mid+1;        //从后半部分继续查找
       }
       return -1；                //查找失败返回-1
   }
   

2、判定树及效率分析

1. 判定树举例（向下取整）
   
   分析：
   $AS{L}_{成功}=(1\ast 1+2\ast 2+3\ast 4+4\ast 4)/11=3$
   $AS{L}_{失败}=(3\ast 4+4\ast 8)/12=11/3$
2. 判定树的构造（向下取整时）
   • 如果当前low和high之间有奇数个元素，则mid分割后，左右两部分元素相等。
   • 若偶数个元素，则左半部分比右半部分少一个元素。
3. 折半查找的判定树中，向下取整时，对于任何一个结点，必有右子树结点数-左子树结点数=0或1。向上取整时，则是左-右=0/1。
   
   
4. 折半查找的判定树一定是平衡二叉树，只有最下面一层是不满的，因此树高$h=[lo{g}_2(n+1)]$。计算方法与完全二叉树相同。树高不包含失败节点。
5. 判定树结点关键字：左<中<右，满足二叉排序树定义。
6. 对于n个成功结点的判定树，失败结点n+1个（等于成功结点的空链域数量）。
7. 查找成功/失败的$ASL\le h$。
8. 时间复杂度$O(lo{g}_{2}n)$。

四、分块查找/索引查找

1. 定义：又称索引顺序查找
2. 分块查找示意图：
   
3. 特点：块内无序、块间有序
4. 算法过程：
   ①在索引表中确定待查记录所属的分块（可顺序、可折半）
   ②在块内顺序查找
5. 若索引表中不包含目标关键字，则折半查找索引表最终停在low>high，要在low所指分组。
   
   原因：最终low左边一定小于目标关键字，high右边一定大于目标关键字。分块存储的索引表中保存的是各个分块的最大关键字。
6. 查找效率分析ASL
   索引查找ASL为$L_L$，块内查找ASL$L_S$长度为n的查找表分为b块，每块s个记录，等概率情况下：
   • 顺序查找：$ASL=L_L+L_S=\frac{b+1}{2}+\frac{s+1}{2}=\frac{s^2+2s+n}{2s}$，此时若$s=\sqrt{n}$，则ASL取最小值$\sqrt{n}+1$。
   • 折半查找：$ASL=L_L+L_S=[lo{g}_2(b+1)]+\frac{s+1}{2}$

五、哈希查找/散列查找

考的多，基本为选填

1、基本概念

1. 散列表/哈希表：根据关键字而直接进行访问的数据结构。散列表建立了关键字和存储地址之间的一种直接映射关系。特点是数据元素的关键字与其存储地址直接相关。
2. 散列函数：把查找表中的关键字映射成该关键字对应地址的函数。$Hash(key)=Addr$
3. 同义词：不同的关键字通过散列函数映射到同一个值。
4. 冲突：通过散列函数确定的位置已经存放了其他元素。
5. 装填因子a/负载因子：一个表的装满程度。装填因子a=表中记录数/散列表长度。装填因子会直接影响散列表的查找长度
6. 散列函数的设计目标：让不同关键字的冲突尽可能少。要结合实际的关键字分布特点来考虑。
7. 理想情况下，时间复杂度$O(1)$。
8. 典型的“用空间换时间”的算法。只要散列函数设计的合理，则散列表越长，冲突的概率越低。
9. 查找效率取决于：散列函数、处理冲突的方法、装填因子a。

2、常见的散列函数计算

1. 除留余数法——$H(key)=key\%p$
   • 散列表表长为m，取一个不大于m但最接近或等于m的质数p。
   • 用质数取模，分布更均匀，冲突更少。
2. 直接定址法——$H(key)=key$或$H(key)=a\ast key+b$
   • 不会产生冲突，适合关键字的分布基本连续的情况。
3. 数字分析法——选取数码分布较为均匀的若干位作为散列地址
   • 设关键字为r进制，r个数码在各位上出现的频率不一定相同，选取在某些位上较为均匀的若干位作为散列地址。
   • 适合于已知的关键字集合。更换关键字后需要重新构造哈希。
4. 平方取中法——取关键字的平方值的中间几位作为散列地址
   • 得到的散列地址与关键字的每位都有关系。使分布较为均匀。
   • 适合关键字的每位取值都不够均匀或均小于散列地址所需的位数。

3、处理冲突的方法

（1）拉链法（含查找分析）

• 拉链法/链接法/链地址法：为了避免非同义词发生冲突，把所有同义词存储在一个链表中。适用于经常进行插入和删除的情况。
  
• 上例中，查找目标若为21时，21的查找长度=0。（因为查找长度=对比关键字的次数，而21%13=8中为空指针，无比较）
  • $AS{L}_{成功}=\frac{1\ast 6+2\ast 4+3+4}{12}=1.75$
  • $AS{L}_{失败}=\frac{0+4+0+2+0+0+2+1+0+0+2+1+0}{13}=0.92$，即装填因子。
• 在插入新元素时，保持关键字有序，可略微提高查找效率。

（2）开放定址法

定义+计算方法

• 开放定址法：可存放新表项的空闲地址既向它的同义词表项开放，又向它的非同义词表项开放。
• 递推公式：$$H_I=(H(key)+d_i)\%m，i=0,1,2,\cdot \cdot \cdot ,k(k\le m-1)$$
  $m$：散列表表长；$d_i$：增量序列；$i$：第i次发生冲突
• 采用“开放定址法”时，删除结点不能简单地将被删结点的空间置为空，否则将截断在它之前的散列表的同义词结点的查找路径，可以做一个“删除标记”，进行逻辑删除。
• 确定增量序列的方法如下：

①线性探测法（含查找分析）

• 线性探测法——$d_i=0,1,2,3,\cdot \cdot \cdot ,m-1$。发生冲突时，每次往后探测相邻的下一个单元是否为空。
  
  
  注：上例中冲突处理函数可能落于[0,15]，但哈希函数取值落在[0, 12]
• 查找操作
  • 空位置的判断也要算作一次比较
  • 越早遇到空位置，就可以越早确定查找失败
• 查找效率分析ASL
  
  $AS{L}_{成功}=\frac{1+1+1+2+4+1+1+3+3+1+3+9}{12}=2.5$
  $AS{L}_{失败}=\frac{1+13+12+11+10+9+8+7+6+4+3+2}{13}=7$
• 线性探测法容易造成同义词、非同义词的“聚集（堆积）”现象，严重影响查找效率。因为冲突后再探测一定是放在某个连续的位置。

②平方探测法

• 平方探测法，又称二次探测法。$d_i=0^2,1^2,-1^2,\cdot \cdot \cdot ,k^2,-k^2，其中k\le m/2$
• 比起线性探测法更不易产生“聚集（堆积）”问题。
• 散列表长度m必须是一个可以表示成$4j+3$的素数，才能探测到所有位置。
  

③伪随机序列法

• 伪随机序列法：$d_i$是一个伪随机序列，如$d_i=0,5,24,11,\cdot \cdot \cdot$

（3）再散列法

• 再散列法/再哈希法：除了原始的散列函数$H(key)$之外，多准备几个散列函数，当散列函数冲突时，用下一个散列函数计算一个新地址，直到不冲突为止。$H_i=R{H}_i(key)，i=1,2,3,\cdot \cdot \cdot ,k$