查找—简洁版

查找

查找的基本概念

1、查找的定义

• “查找表” ：同一类型的数据元素（或记录）构成的集合。 由于“集合”中的数据元素之间存在松散的关系，可用查找表进行灵活应用；

查找—指根据给定的某个值，在查找表中确定一个其关键字等于给定值的记录或数据元素；

• 若表中存在这样的一个记录， 则称查找成功，查找的结果可给出整个记录的信息，或指 示该记录在查找表中的位置；
• 若表中不存在关键字等于给定值的记录，则称查找不成功，此时查找的结果可给出一个 “空” 记录或 “空” 指针；

2、查找表的分类和评价指标

• 分类

静态查找表 仅作“查询”（检索）操作的查询表；

动态查询表 作“插入”和“删除”操作的查询表；

• 查找算法的评价指标

平均查找长度（ASL）：关键字的平均比较次数；

线性表的查找

1、顺序查找

• 应用范围：

​ 顺序表或线性链表表示的静态查找表

​ 表内元素之间无序；

• 顺序表的表示：

typedef struct {

    ElemType *R;//表基址   

    int length;//表长 

}SSTable;

• 在顺序表中查找值为e的数据元素

int LocateELem(SqList L,ElemType e){ 

    for (i=0;i< L.length;i++)

        if (L.elem[i]==e) return i+1;                

    return 0;

}

改进：把待查关键字key存入表头（“哨兵”），从后向前逐个比较，可免去查找过程中每一步 都要检测是否查找完毕，加快速度；

• 在顺序表ST中查找值为Key的数据元素 查找13：找到，返回下标5；如果没找到返回0；

int Search_Seq( SSTable ST ， KeyType key ){

    ST.R[0].key =key;		//若成功返回其位置信息，否则返回0

    for( i=ST.length; ST.R[ i ].key!=key;  -- i );//不用for(i= ST.length-1; i>0; --i) 或 for(i=1; i< ST.length; i++) 

        return i; 

}

空间复杂度：一个辅助空间—O(1)；

时间复杂度：

1、查找成功时的平均查找长度：ASLs(n)=(1+2+ … +n)/n =(n+1)/2；

2、查找不成功时的平均查找长度：ASLf =n+1；

• 优点：算法简单，逻辑次序无要求，适用于不同的存储结构；

• 缺点：ASL太长，时间效率太低；

• 改进措施：非等概率查找时，可按照查找概率进行排序。

2、折半查找

• 也称二分查找：首先使用排序算法对查找表进行排序，保证有序；
• 以升序数列为例，比较一个元素与数列中的中间位置的元素的大小： 如果比中间位置的元素大，则在后半部分的数列进行二分查找 如果比中间位置的元素小，则在前半部分数列的进行二分查找 如果相等，找到了元素的位置。

若k==R[mid].key，查找成功；

若k<R[mid].key，则high=mid-1；

若k>R[mid].key，则low=mid+1；

设表长为n，low、high和mid分别指向待查元素所在区间的上界、下界和中点,k为给定值;

初始时，令low=1,high=n,mid= (low+high)/2

让k与mid指向的记录比较

若k==R[mid].key，查找成功；

若k<R[mid].key，则high=mid-1；

若k>R[mid].key，则low=mid+1;

重复上述操作，直至low>high时，查找失败

int BinSearch(int r[],int low,int high,int k){

    int mid;

    if(low>high) return 0;

    else{

        mid=(low+high)/2;

        if(k<r[mid]) return BinSearch(r,low,mid-1,k);

        else if(k>r[mid]) return BinSearch(r,mid+1,high,k);

        else return mid;

    }
}

int BinSearch(int r[],int n,int k){

    int mid,low=1,high=n;

    while(low<=high){

        mid=(low+high)/2;

        if(k<r[mid]) high=mid-1;

        else if(k>r[mid])

            low=mid+1;

        else

            return mid;

}

    return 0;		//查找失败返回0

}

假定每个元素的查找概率相等，求查找成功时的平均查找长度。

ASL＝(1x1＋2x2＋4x3+4x4 ) x1/11＝33/11=3；

查找过程

每次将待查记录所在区间缩小一半，比顺序查找效率高,时间复杂度O(log2n);

适用条件

采用顺序存储结构的有序表，不宜用于链式结构;

3、分块查找

分块有序，即分成若干子表，要求每个子表中的数值都比后一块中数值小（但子表内部未必有序）；

然后将各子表中的最大关键字构成一个索引表，表中还要包含每个子表的起始地址（即头指针）；

分块查找的平均查找长度为索引查找和块内查找的平均长度之和。设长度为n 的查找表均匀地分 为b 块，每块有s 个记录，在概率相等的情况下，如果对索引表进行顺序查找，则

如果对索引表进行折半查找，则

• 优点：插入和删除比较容易，无需进行大量移动；

• 缺点：要增加一个索引表的存储空间并对初始索引表进行排序运算；

• 适用情况：如果线性表既要快速查找又经常动态变化，则可采用分块查找。

就平均查找长度而言，折半查找的平均查找长度最小，分块查找次之，顺序查找最大；

就表的结构而言，顺序查找对有序表、无序表均适用，折半查找仅适用于有序表，而分块查找要求表中元素至少是分块有序的。

二叉排序树

1、二叉排序树的定义

二叉排序树（Binary Sort Tree， BST），也称二叉查找树；

二叉排序树或者是一棵空树，或者是一棵具有下列特性的非空二叉树：

1、 若左子树非空，则左子树上所有结点关键字均小于根结点的关键字值；

2、 若右子树非空，则右子树上所有结点关键字均大于根结点的关键字值；

3、 左、右子树本身也分别是一棵二叉排序树。

二叉排序树是一个递归的数据结构 根据二叉树的定义，可得左子树结点值 ＜ 根结点值 ＜ 右子树结点值。 所以对二叉排序树进行中序遍历，可以得到一个递增的有序序列。

2、二叉排序树(BST)的操作

• 创建

将8作为根节点

插入3，由于3小于8，作为8的左子树

插入10，由于10大于8，作为8的右子树

插入1，由于1小于8，进入左子树3，1又小于3，则1为3的左子树

插入6，由于6小于8，进入左子树3，6又大于3，则6为3的右子树

插入14，由于14大于8，进入右子树10，14又大于10，则14为10的右子树

插入4，由于4小于8，进入左子树3，4又大于3，进入右子树6，4还小于6，则4为6的左子树

插入7

插入13

• 查找

bool search(Node* root， int key){ 

    while (root != NULL){

        if(key == root->data)  

            return true;  

        else if(key < root->data) 

            root = root->left;  

        else   

            root = root->right; 

    } 

    return false;

}

• 删除

1、被删除结点为叶子结点

直接从二叉排序中删除即可，不会影响到其他结点。例如删去7：

2、被删除结点D仅有一个孩子 如果只有左孩子，没有右孩子，那么只需要把要删除结点的 左孩子连接到要删除结点的父亲结点，然后删除D结点；

如果只有右孩子，没有左孩子，那么只要将要删除结点D的 右孩子连接到要删除结点D的父亲结点，然后删除D结点；

3、被删除结点左右孩子都在

保证删除结点8后，再次中序遍历它，仍不改变其升 序的排列方式。 只有用7或者10来替换8原来的位置。

平均查找长度和二叉树的形态有关：

最好：log2n（形态匀称，与二分查找的判定树相似）；

最坏:（n+1)/2（单支树）；

第i层结点需比较i次，两图的平均查找长度为：

平衡二叉树

1、平衡二叉树（AVL）的定义

• 平衡二叉树（AVL）：任意节点的子树的高度差都小于等于1的二叉排序树；

平衡因子 BF（ Balance Factor ）：左子树和右子树高度差 一般来说 BF 的绝对值大于 1，平衡树二叉树就失衡，需要「旋转」纠正 最小不平衡子树是距离插入节点最近的，并且 BF 的绝对值大于 1 的节点为根节点的子树。 旋转纠正只需要纠正最小不平衡子树即可；

不论用什么方法，操作以后，都是让是三个点之中大小为中间的数做根，比中间 数小的数，做根的左孩子，比中间数大的数，做根的右孩子，因此有一个简单的 方法：

1、不管什么结构，从最深的叶子节点向上递归查找第一个失衡的点，标号为1；

2、再选1下面的点为2；

3、再选2下面的点为3；

4、不管什么结构，大小为中间的数做根，比中间数小的数，做根的左孩子，比中 间数大的数，做根的右孩子；

5、然后按照分支和每个点之间的关系，补全，这样就完成了。

2、平衡二叉树(AVL)的操作

• 将下面序列构成一棵平衡二叉排序树（ 13，24，37，90，53）

B树与B+树

1、B树的定义

• B树即为B-树。因为B树的原英文名称为B-tree（Balance-Tree）；

  比如数据库里有一张表，有100万条记录，现在要查找其中的某条数据，如何快速地从100万条 记录中找到需要的那条记录呢？

  

• 平衡：所有叶子结点在同一层，左边和右边分布均匀；

• 有序：每个结点中有序，且左子树小于根，根小于右子树；

• 多路：多棵子树（如果最多子树个数为m，则称m阶B-tree ）。

• 所有叶子结点都在同一层上（失败结点，指向叶子的指针为空）；
• 结点中按关键字大小顺序排列，非叶子结点的结构如下：n为关键字，p为指针

（1）树中每个结点至多有m棵子树，即至多含有m-1个关键字；

（2）若根节点不是终端结点，则至少有两棵子树。 当根节点为叶子节点时，可以没有子树；不为叶子节点时，至少有一个关键字，也就是至少有两 棵子树；

（3）除根节点外的所有非叶结点至少有ceil(m/2)棵子树，即至少含有ceil(m/2)-1个关键字。 （为了减少不必要的层高，提高效率和资源利用率） ceil（x）函数用于求不小于 x 的最小整数，也即向上取整。

2、B树的查找

3、B树的插入

插入后确保至多m-1个关键字；

先查找，进入最下层结点；

​ 有空位，直接插入；

该结点中关键字个数n＜m-1，有序插入到该结点的合适位置；

​ 无空位，分裂；

即原关键字个数n=m-1 。

无空位，插入85

无空位，插入7

4、B树的删除

删除后的结点中的关键字个数>= ceil(m/2)-1，因此将涉及结点的“合并”问题。由于删除的关键字位 置不同，可以分为关键字在终端结点和不在终端结点两种情况。 首先找到待删关键字key所在结点 （1）若key在最下层结点中

结点中关键字个数 > m/2-1, 则直接删除

结点中关键字个数== m/2-1, 且兄弟… > m/2-1，则借调

结点、其兄弟的关键字个数都== m/2-1，则合并

（2）若key不在最下层，为了“中序有序”

用key的左子树中的最大码或右子树中的最小码k取代key，然后从该子树中删除k(k一定在最下层)

删除关键字K＝50

删除关键字K＝53

首先找到待删关键字key所在结点

（1）若key在最下层结点中

结点中关键字个数 > m/2-1, 则直接删除；

结点中关键字个数==m/2-1, 且兄弟… > m/2-1，则借调；

结点、其兄弟的关键字个数都==m/2-1，则合并；

（2）若key不在最下层，为了“中序有序”

用key的左子树中的最大码或右子树中的最小码k取代key，然后从该子树中删除k(k一定在 最下层)

5、B+树

B+树是数据库和操作系统中的一种用于文件查找的数据结构，是一种高效的平衡查找树（效率比B-树高）

在B+树中，具有n个关键字的结点只含有n棵子树，即每个关键字对应一棵子树。叶结点包含了全部关键字，即在非叶结点中出现的关键字也会出现在叶结点中，且叶结点的指针指向记录。在B-树中，具有n个关键字的结点含有(n+1)棵子树，叶结点和其他结点包含的关键字是不重复的。

在B+树中，叶结点包含信息，所有非叶结点仅起到索引作用，非叶结点中的每个索引项只含有对应子树 的最大（或最小）关键字和指向该子树的指针，不含有该关键字对应记录的存储地址。

在B-树中每个关键字对应一个记录的存储地址；

在B+树中，有一个指针指向关键字最小的叶子结点，所有叶子结点链接成一个单链表。

• B+树比B-树更适合实际应用中操作系统的文件索引

红黑树

1、红黑树的性质

平衡二叉树最大的作用就是查找,AVL树的查找、插入和删除在平均和最坏情况下都是O(logn)。 但是，插入节点之后，为了让它重新维持在一个平衡状态，就需要对其进行旋转处理, 那么创建 一颗平衡二叉树的成本其实不小；

红黑树是一种自平衡的二叉查找树，是一种高效的查找树。可在 O(logN) 时间内完成查找、 增加、删除等操作；

红黑树是一种接近平衡的二叉树（说它是接近平衡因为它并没有像AVL树的平衡因子的概念， 它只是靠着满足红黑节点的5条性质来维持一种接近平衡的结构，进而提升整体的性能，并 没有严格的卡定某个平衡因子来维持绝对平衡）；

通过任意一条从根到叶子简单路径上颜色的约束，红黑树保证最长路径不超过最短路径的二 倍，因而近似平衡（最短路径就是全黑节点，最长路径就是一个红节点一个黑节点，当从根 节点到叶子节点的路径上黑色节点相同时，最长路径刚好是最短路径的两倍）。

• 红黑树的性质

节点是红色或黑色；

根是黑色；

叶子节点（外部节点，空节点）都是黑色，这里的叶子节点指的是最底层的空节点（外部节点）， 红色节点的子节点都是黑色，红色节点的父节点都是黑色，从根节点到叶子节点的所有路径上不 能有 2 个连续的红色节点；

从任一节点到叶子节点的所有路径都包含相同数目的黑色节点。

2、红黑树的插入

并查集

1、并查集的定义

用集合中的某个元素来代表这个集合，则该元素称为此集合的代表元。

2、并查集的操作

定义一个数组：int fa[1000]; （数组长度依题意而定）。这个数组记录了每个人的上级是谁。

1、用集合中的某个元素来代表这个集合，则该元素称为此集合的代表元；

2、一个集合内的所有元素组织成以代表元为根的树形结构；

3、对于每一个元素 x，fa[x] 存放 x 在树形结构中的父亲节点（如果 x 是根节点，则令fa[x] = x）；

4、对于查找操作，假设需要确定 x 所在的的集合，也就是确定集合的代表元。可以沿着fa[x]不断 在树形结构中向上移动，直到到达根节点。

因此，基于这样的特性，并查集的主要用途有以下两点：

1、维护无向图的连通性（判断两个点是否在同一连通块内，或增加一条边后是否会产生环）；

2、用在求解最小生成树的Kruskal算法里。将图中的每个edge按照权重大小进行排序，每次从边 集中取出权重最小且两个顶点都不在同一个集合的边加入生成树。如果这两个顶点都在同一集合内， 说明已经通过其他边相连，因此如果将这个边添加到生成树中，那么就会形成环。

散列表

1、散列表定义

• 基本思想

查找元素记录的存储位置与关键字之间存在对应关系；

以数据对象的关键字key为自变量，通过一个确定的函数关系h，计算出对应的函数值h(key)，把这 个值解释为数据对象的存储地址，并按此存放，即“存储位置 = h（key）”。 优点：查找速度极快O(1),查找效率与元素个数n无关。

根据哈希函数H（k）＝k%17；

查找key=42,则访问H(42)=42%17=8号地址，若内容为42则成功；

若查不到，则返回一个特殊值，如空指针或空记录。

可能将不同的关键字映射到同一个散列地址上，即h(keyi) = h(keyj)，但是 keyi≠keyj，这 种现象称为“冲突(Collision)”，keyi和keyj称为“同义词（synonym）” 。 有6个元素的关键码分别为：（14，23，39，9，25，11）。

哈希函数：H(k)=k mod 7；

地址编码从0-6；

2、散列表的构造

• 在构造前考虑两个方面：

​ 1、构造好的散列函数，避免浪费空间；

​ 2、制定一个好的解决冲突的方案。

• 构造方法：

​ 根据元素集合的特性构造：

1、地址空间尽量小；

2、均匀。

• 直接定址法

Hash(key) = a·key + b （或Hash(key)=key）(a、b为常数)）

优点：以关键码key的某个线性函数值为哈希地址，不会产生冲突；

缺点：要占用连续地址空间，空间效率低。

• 除留余数法

3、散列表冲突的处理

• 开放定址法

基本思想：有冲突时就去寻找下一个空的哈希地址，只要哈希表足够大，空的哈希地址总能找 到，并将数据元素存入。

优点：只要哈希表未被填满，保证能找到一个空地址单元存放有冲突的元素。

缺点：可能使第i个哈希地址的同义词存入第i+1个地址，这样本应存入第i+1个哈希地址 的元素变成了第i+2个哈希地址的同义词，……，产生“聚集”现象，降低查找效率。

4、查找效率的分析