数据结构——跳表的原理与代码应用

一、为什么选择跳表？

目前经常使用的平衡数据结构有：B树，红黑树，AVL树，Splay Tree, Treep等。想象一下，给你一张草稿纸，一只笔，一个编辑器，你能立即实现一颗红黑树，或者AVL树出来吗？

很难吧，这需要时间，要考虑很多细节，要参考一堆算法与数据结构之类的树，还要参考网上的代码，相当麻烦。

用跳表吧，跳表是一种随机化的数据结构，目前开源软件 Redis 和 LevelDB 都有用到它，它的效率和红黑树以及 AVL 树不相上=下，但跳表的原理相当简单，只要你能熟练操作链表，就能轻松实现一个 SkipList。

二、定义

如果你要在一个有序的序列中查找元素 k ，相信大多数人第一反应都是二分查找。

如果你需要维护一个支持插入操作的有序表，大家又会想到链表。

简单的说，要达到以logn的速度查找链表中的元素

我们先来看看这张图：

如果要在这里面找 21 ，过程为 3→ 6 → 7 → 9 → 12 → 17 → 19 → 21 。

我们考虑从中抽出一些节点，建立一层索引作用的链表：

跳表的主要思想就是这样逐渐建立索引，加速查找与插入。

一般来说，如果要做到严格 O(logn) ，上层结点个数应是下层结点个数的 1/2 。但是这样实现会把代码变得十分复杂，就失去了它在 OI 中使用的意义。

此外，我们在实现时，一般在插入时就确定数值的层数，而且层数不能简单的用随机数，而是以1/2的概率增加层数。

用实验中丢硬币的次数 K 作为元素占有的层数。显然随机变量 K 满足参数为 p = 1/2 的几何分布，K 的期望值 E[K] = 1/p = 2. 就是说，各个元素的层数，期望值是 2 层。

同时，为了防止出现极端情况，设计一个最大层数MAX_LEVEL。如果使用非指针版，定义这样一个常量会方便许多，更能节省空间。如果是指针版，可以不加限制地任由它增长。

inline int rand_level()
{
   
   int ret = 1;
   while (rand() % 2 && ret <= MAX_LEVEL)
      ++ret;
   return ret;
}
 

我们来看看存储结点的结构体：

struct node
 {
   
     int key;
     int next[MAX_LEVEL + 1];
 } sl[maxn + 10];

next[i] 表示这个结点在第 i 层的下一个结点编号。

分配新结点

为了充分地利用空间，就是用一个栈或是队列保存已经被删除的节点，模拟一个内存池，记录可以使用的内存单元。

可以节省很多空间，使空间在 O(n * MAX_LEVEL) 级

inline void new_node(int &p, int key)
{
   
    if (top)
        p = st[top--];
    else
        p = ++node_tot;
    sl[p].key = key;
}

回收结点

其实就是维护内存池，讲腾出的空间记录下来，给下一个插入的节点使用

inline void free_node(int p)
{
   
    st[++top] = p;
}
 

初始化

按照定义，链表头尾应分别为负与正无穷。但是有时候是不需要的，不过为避免某些锅还是打上的好

inline void init()
{
   
    new_node(head, -INF), new_node(tail, INF);
    for (register int i = 1; i <= MAX_LEVEL; ++i)
        sl[head].next[i] = tail;
}

查找

从最上层开始，如果key小于或等于当层后继节点的key,则平移一位；如果key更大，则层数减1，继续比较。最终一定会到第一层（想想为什么）
查找 117

插入

先确定该元素要占据的层数 K（采用丢硬币的方式，这完全是随机的）。

然后在 Level 1 … Level K 各个层的链表都插入元素。

用Update数组记录插入位置，同样从顶层开始，逐层找到每层需要插入的位置，再生成层数并插入。

例子：插入 119， K = 2

void insert(int key)
{
   
    int p = head;
    int update[MAX_LEVEL + 5];
    int k = rand_level();
    for (register int i = MAX_LEVEL; i; --i)
    {
   
        while (sl[p].next[i] ^ tail && sl[sl[p]