数据结构第七章：查找

基本概念

静态查找：只查找
动态查找：边查找还要边修改

评价⼀个查找算法的效率时，通常考虑查找成功/查找失败两种情况的 ASL

顺序查找

1.顺序查找的实现

从0开始找，每次要判断是否超过表长&&是否等于要查目标，不是的话查下一个，是的话就返回值

2.哨兵实现

哨兵，从后往前查，0号位放目标信息，其他信息从1开始存，只用判断是否等于目标值，最后如果失败了就会返回0（查到0了也没找到），减少了判断的时间

优点：无需判断是否越界，效率更高

效率：O(n)

3.顺序查找的优化

①用有序表

对于失败来说，优化了不少

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 = 其父节点所在层数（上面那个查完了，就知道失败了）

②被查概率不相同的情况

把概率大的放前面，可以减少总的查询次数

小结

顺序查找的时间复杂度O(n)

折半查找

折半查找，⼜称“⼆分查找”，仅适⽤于有序的顺序表。

1.算法

12＜mid（mid指的不等于目标值），于是把high指向mid-1（因为high也≠mid，然后mid=(low+high)/2，如果不是整数就往下取整，循环，最后mid=目标值成功，low＞high失败）

2.代码

3.查找效率

4.折半查找判定树

一直从中间分成两半（mid是向下取整的）

很简单，因为mid要么就是靠左边的

折半查找的判定树⼀定是平衡⼆叉树

时间复杂度：O(log₂n)

小结

折半查找不是一定比顺序查找快：比如第一个就是查找目标，只是平均起来更好

分块查找（索引查找）

1.算法

块内是随便放的，索引表是按顺序排放的，进了分块就挨个查找

折半查找查索引，要修改条件，low＞high就在low所指分块里查找（因为索引里存的都是块里的最大值，多半都是对不上的）

如果low超出索引范围就失败

2.查找效率

里面bs=n，然后$s=\sqrt{n}$，这个是用导数算的，不过也很好想，就是组数和组内元素数目一样，这个时候查找次数最少

分开算就行了

小结

动态查找表这样，方便修改

B树

1.概念

点点看成区间，分叉=关键字+1，最下面的失败结点也是一些区间

B树里的关键字是不会重复的

2.特点

m叉查找树中，规定对于任何⼀个结点，其所有⼦树的⾼度都要相同。

每个结点最多m棵子树，m-1个关键字

根结点可以只有两个子树（不是所有都得满足那个）

所有的叶子结点都是空的，看作失败结点

3.B树的最大、最小高度

大部分学校算B树的高度不包括叶子结点（失败结点）

算出最多结点数，然后每个结点里最多m-1个关键字

n个关键字把数域分为n+1个区间，因为关键字在B树里不重复，分成n+1个区间则有n+1个叶子结点。然后另一方面用每一层都最少的分叉点算出最后一层的叶子结点（最小的情况），这个肯定比n+1是小的，以此算出h的最大值

另一个求最大值的方法：得出最小结点数，再得到最少关键字数，这个数肯定＜n

B树插入和删除

1.插入

超过上限了，就把结点裂开，中间的放到父结点那，左右连上这两个。（中间的作为父结点的第一个）

新元素只能插在最下面一层


满了之后又是把中间的弄到上一层（没有就新建，有就放进去）

还是把80弄到上面去，其他的老样子

继续分裂上去

注意几个点：
①分裂出去，结点里关键字个数要大于⌈m/2⌉-1
②插入一定在最底层
③分裂一直往上传，直到不能传为止

2.删除

①删除终端结点（未小于最小值）

也就是最底层

若被删除关键字在终端节点，则直接删除该关键字（要注意节点关键字个数是否低于下限 ⌈m/2⌉ − 1），如果低于最小值那么见②③的操作

②删除非终端结点

说白了就是转换成删掉终端结点

③兄弟够借（删除后小于最低值了）

删除后关键字不够了，找兄弟借

当兄弟富裕时（借了也不会小于最低值），借过去（前驱后驱都行）调整一波，符合B树的特性（排序）

④兄弟不够借

如果兄弟没钱的话，就和他还有上层管这两兄弟的关键字拿来合在一起，上层如果因此小于最低值了就继续这个操作（没钱了就把爸和兄弟一起坑了，哄堂大孝了）

小结

B+树

结点里的分支数和关键字个数是一样的

B+树里面是重复存的

也可以顺序查找，第一个那里有个指针可以遍历完所有叶子结点

每个结点里也是至少有 ⌈m/2⌉ 棵子树（关键字也是）

对比：B+树一定停在叶子结点（走到最下面），而B树有可能中间查到就结束了

小结

散列查找

1.处理冲突的方法

①拉链法

同义词存在链表里
找的时候找到位置，直接遍历链表

查找长度：对比关键字的次数（这链表都是空的，无需对比，所以是0）

也有学校把空的判定算作一次

最好的情况还是O(1)，各自占一个（散列函数的冲突越少，查的越快）

②开放定址法

发生冲突就把后面空着的位置给霸占了（后面正主都会被逼走）

Ⅰ.线性探测法

发生冲突就一直往后查，找到空位为止

原住民84，被20占了个位，一样得往后找（也算冲突）

哈希函数值域[0,12]，冲突处理函数值域[0,15]，留了几个位置处理冲突

空位置的比较也算一次

遇到空位置就失败（或者出范围），因为这表示没装这个数据进来

删的时候要做个标记，不然直接删成空的按上面查找的方法，遇到空的就等于查找失败，就坏了

查找效率具体计算，按里面的看着算

先找0——1次，然后都是要出范围才失败（具体问题具体分析）

线性探测法很容易造成同义词、⾮同义词的“聚集（堆积）”现象，严重影响查找效率（堆在一起导致本来在那的也要往后查才能找到）

Ⅱ.平方定址法

第一次冲突+1，然后-1（都是以原点参照），然后+4，-4……+k²,-k²，k≤m/2

就是往后往前移，不过要注意这个因为取模所以是一个环形（前后接着的）

好处：不容易堆在一起

非重点小坑：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

Ⅲ.伪随机序列法

随便给的一个序列

③再散列法

再散列法就是用一个函数算出来冲突就直接换一个函数重算

每次冲突都要重算，计算时间增加

2.常见的散列函数

①除留余数法

用质数取模，分布的更均匀，冲突更少（因为全是偶数，那么余数不可能为奇数，但是取质数就可以使均匀分布）

如果一个一个的来，那么取8反而更均匀，当然这只是个特例

散列函数的设计要结合实际的关键字分布特点来考虑，不要教条化

②直接定址法

直接用一个线性的函数来，关键字必须是连续的不然会浪费很多空间

③数字分析法

适合已知的关键字集合，这样可以专门选几位均匀的位数来作为散列地址

④平方取中法

散列查找是典型的“⽤空间换时间”的算法，只要散列函数设计的合理，则散列表越⻓，冲突的概率越低。（直接一对一，就是长了点）

小结