1205查找

查找

查找参数

ASL（Average Search Length），即平均查找长度，在查找运算中，由于所费时间在关键字的比较上，所以把平均需要和待查找值比较的关键字次数称为平均查找长度。

其中n为查找表中元素个数，Pi为查找第i个元素的概率，通常假设每个元素查找概率相同，Pi=1/n，Ci是找到第i个元素的比较次数。

线性表的查找

• 顺序查找
• 折半查找
• 分块查找

普通查找法

时间效率O(n)

折半查找法：

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

练习：假定每个元素的查找概率相等，

判定树：总查找次数=每一层的元素个数*层数

总结：

时间复杂度O(log2n)

适合顺序存储结构的有序表，插入删除频繁时需要移动很多记录，更适用于静态查找表

分块查找（索引顺序查找）

分块有序，即分成若干子表，要求每个子表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，表中还要包含头指针（起始地址）

查找过程：对索引表使用折半查找法；确定子表之后在内部采用顺序查找法

过程：查找效率：ASL=Lb+Lw(对索引表查找的ASL+对块内查找的ASL)

​ O(log2(n/s+1)+s/2) 分成n/s块

适用于线性表需要快速查找又要动态变化时

树表

表结构在查找过程中动态生成，对于给定值key,若表中存在，则成功返回，若不存在，则插入生成新的记录。

排序二叉树

定义：要么是空树，或者满足以下条件

左子树所有的数<根节点<右子树所有的数

生成方法：【使用中序遍历】

查找方法：先判断根节点，再选择左右子树【时间复杂度O(log2n)】

BSTree Search(BSTree T,KeyType key)
{
    if(!T||key->T->data)
    return T;
    else
    {
        if(T->data>key->data)Searth(T->left,key);
        else Searth(T->right,key);
    }
}

插入：若二叉排序树为空，则插入结点应为根节点；否则，继续在其左、右子树上查找。树中已有，不再插入；树中没有，查找直至某个叶子结点左右子树均为空时，插入【时间复杂度O(log2n)】

删除：

将因删除结点而断开的二叉链表重新链接起来，防止重新链接后树的高度增加

方法：删除的节点缺右子树用左子女填补；缺左子树用右子女填补；都不缺的在右子树上找中序遍历的第一个结点填补，再来处理这个结点的删除问题【时间复杂度O(log2n)】

查找的性能分析

最好：O(log2n)

最差：O((n+1)/2)

平衡二叉排序树（AVL树）

定义： 左右子树高度之差<=1，任意结点的平衡因子只能取-1，0，1【平衡因子算法：左子树深度-右子树深度】

（1）LL平衡旋转： 由于在A的左孩子B的左子树上插入结点F，使 A 的平衡因子由 1 增至 2 而失去平衡。故需进行一次顺时针旋转操作。 即将 A 的左孩子 B 向右上旋转代替 A 作为根结点， A 向右下旋转成为 B 的右子树的根结点。而原来 B 的右子树则变成 A 的左子树。

（2）RR平衡旋转： 由于在 A 的右孩子 C 的右子树上插入结点 F ，使 A 的平衡因子由 -1 减至 -2 而失去平衡。故需进行一次逆时针旋转操作。即将 A 的右孩子 C 向左上旋转代替 A 作为根结点， A 向左下旋转成为 C 的左子树的根结点。而原来 C 的左子树则变成 A 的右子树。

（3）LR平衡旋转： 由于在 A 的左孩子 B 的右子数上插入结点 F ，使 A 的平衡因子由 1 增至 2 而失去平衡。故需进行两次旋转操作（先逆时针，后顺时针）。即先将 A 结点的左孩子 B 的右子树的根结点 D 向左上旋转提升到 B 结点的位置，然后再把该 D 结点向右上旋转提升到 A 结点的位置。即先使之成为 LL 型，再按 LL 型处理

（4）RL平衡旋转： 由于在 A 的右孩子 C 的左子树上插入结点 F ，使 A 的平衡因子由 -1 减至 -2 而失去平衡。故需进行两次旋转操作（先顺时针，后逆时针），即先将 A 结点的右孩子 C 的左子树的根结点 D 向右上旋转提升到 C 结点的位置，然后再把该 D 结点向左上旋转提升到 A 结点的位置。即先使之成为 RR 型，再按 RR 型处理。

变种的AVL树－－红黑树

哈希表

基本思想：记录的存储位置与关键字之间存在对应关系，LOC(i)=H(keyi)

优点：查找速度极快O(1)，与元素个数没有关系

哈希方法（杂凑法）：选取某个函数，依据该函数计算存储位置

冲突：不同的关键码映射到同一个哈希地址，key1!=key2,H(key1)=H(key2)

哈希函数的构造方法

直接定址法

例如：H[key]＝a*key+b

优点：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

H[key]=key mod p

p选取小于元素个数的最大质数

数字分析法

折叠法

平方取中法

处理冲突的方法

(1)开放地址法

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

线性探测法：H=(Hash(key)+di) mod m，找下一个空余的位置【缺点：产生“二次聚集”现象，降低查找效率】

二次探测法：H=(Hash(key)+di) mod m，(d=1^2 ，2^2, -1^2, -2^2)

伪随机探测法：H=(Hash(key)+di) mod m（di为伪随机数）

【二次探测法和伪随机探测法可以避免“二次聚集”，但不能保证一定找到不发生冲突的地址】

步骤：

１.取数据的关键字key，计算其哈希函数值（地址），若该地址对应的存储空间为空，存入函数，否则执行第２步；

２.根据选择的冲突方法计算地址值存入下一个

(2)链地址法

基本思想：相同哈希地址的记录连成一单链表（同义词链表），m个哈希地址就设m个单链表，然后用一个数组储存表头

优点：非同义词没有冲突，无聚集现象；链表上结点空间动态申请，可扩长表长

有冲突处理的哈希表的查找

查找效率与装填因子a有关，不是o(1)也不是o(n)

a=表中填入的记录数/哈希表的长度

结论:链地址法优于开放地址法

地址的记录连成一单链表（同义词链表），m个哈希地址就设m个单链表，然后用一个数组储存表头

优点：非同义词没有冲突，无聚集现象；链表上结点空间动态申请，可扩长表长

有冲突处理的哈希表的查找

查找效率与装填因子a有关，不是o(1)也不是o(n)

a=表中填入的记录数/哈希表的长度

结论:链地址法优于开放地址法

除留余数法作哈希函数优于其他类型函数