数据结构 查找

基于线性表的查找

线性表查找

顺序查找：

从左到右便利整个表，依次查找对应的值，如果某个值与给定要查找的给定值相等。则查找成功。否则查找失败。
数据元素类型定义：

typedef struct{
	KeyType key;        // 关键字域
	InfoType otherinfo; // 其他域
}ElemType;

顺序表定义

typedef struct{
	ElemType *R;    // 存储空间基地址
	int length;     // 当前长度
}SSTable;

实现：

顺序查找：

int Search_Seq(SSTable ST , KeyType key){
// 从左往右遍历，若查找成功到则返回该元素的地址，查找失败则返回 0；
	// 从高地址向低地址查找
	for(i = ST.length; i>=1; --i){
		if(ST.R[i].key == key)return i;
		return 0;
	}
}

设置哨岗的顺序查找：

int Search_Seq(SSTable ST,KeyType key){
	ST.R[0].key == key;// 设置监视哨岗
	for(i = ST.length ; ST.R[i].key != key ; --i)//  向后查找
	return i;
}

算法分析：
平均搜索长度（ASL）：

n : 记录的个数
pi ：查找第 i 个记录的概率 ( 通常认为pi =1/n )
ci ：找到第 i 个记录所需要的比较次数

ASL = （n+1）/2

优点：

简单，对表的结构无任何要求，即适合顺序结构，也适合链式结构，无论是否有序都可以使用，

缺点：

ASL 较大，查找效率较低，当n很大的时，不适宜使用。

折半查找（二分查找法）：

使用限制;

要求线性表必须采用顺序存储结构，而且表中元素按关键字有序排列。

实现：

实现步骤：

1. 设置查找区间 low 和 high
2. 在 low <= high 的条件下（防止越界）
3. 取 low 和 high 的中间值 mid
4. 将给定值 key 与 mid 进行比较查找成功则返回 mid
5. 否则比 mid 小则向前查找，比 mid 大则向后查找。
6. 查找失败则返回 0

int Search_Bin(SSTable ST , KeyType key){
	low = 1 , high = ST.length;
	while (low <= high){        // 执行循环的条件
		mid = (low + high)/2;
		if(key == ST.R[i].key)return mid; // 找到返回该地址
		else if(key < ST.R[mid].key) high = mid - 1; // 如果比该值小的话，向前查找  
		else low = mid + 1;// 如果比该值大则向后查找 
	}
	return 0; // 查找失败
}

二分查找可以用二叉树来表示（又叫决策树）

决策树表示：

题目：
已知 （5，16，20，27，30，36，44，55，60，67，71）查找关键字27.

决策树表示：

每个结点都是(low + high) / 2得到的，通过 mid 来划分区域，而结点下面的分支是下一个访问的地址下标。

ASL 平均查找长度为：log2（n+1）-1
因此 时间复杂度为：O（log2n）。

基于树表的查找

二叉排序树

又叫二叉查找树。

定义：

二叉排序树 或者 是一棵空树，或者具有列性质的二叉树
（1）若它的左子树，不为空则左子树上的所有结点值均小于它的根结点的值；
（2）若它的右子树，不为空则右子树上的所有结点值均大于它的根节点的值；
（3）它的左，右子树也分别叫做二叉排序树。

二叉排序树的画法：

（口诀）第一个数作为根节点，剩下的数，小的放左，大的放右。

分析

二叉排序树查找算法的性能取决于二叉树的结构，而二叉树的形状则取决于其数据集。如果数据是有序排列则查找时间为O（n）；反之如果二叉排序树的结构合理，则查找速度较快，时间复杂度为O（log2n）(树的高度越小，查找速度越快)
为了使二叉树的高度尽量的小，我们引入一种特殊的二叉树。

平衡二叉树（AVL）

定义：

具有以下特征的树称为平衡二叉树，

(1) 左子树和右子树深度之差的绝对值不超过 1；
(2) 左子树和右子树也是平衡二叉树。

平衡因子（BF）

定义：

该结点左子树和右子树的深度差。（则平衡二叉树的平衡因子只可能为1,0,-1，如果平衡二叉树有一个结点平衡因子绝对值大于1，则该二叉树就不平衡）。

结点上的数字表示 左右结点之间的差值（计算方式：左子树高度- 右子树高度）。

最小不平衡子树

距离 插入结点（就是根结点）最近的，且 BF（平衡因子）的绝对值大于 1 的结点为根结点的子树。

说到这，那么我们要怎么将二叉树调整为平衡二叉树呢？

平衡二叉树的调整方法

左边这个二叉树右子树大于左子树我们要将他们转换为平衡二叉树，将多的一边三个中选择三个数之间的中间值，放到中间，其余按照，小的放在左边，大的放在右边排序就可以了。

基于散列表的查找

散列表概念：

根据给定的关键字来计算出关键字在表中的地址的数据结构。也就是说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。

散列函数和散列地址

在记录的存储位置 p 和其关键字 key 之间建立一个确定的对应关系 H ，
使 p = H（key）称这个对应关系 H为散列函数，p 为散列地址。

散列函数的构造方法

构造散列函数通常考虑：

	1.散列表长度
	2.关键字长度
	3.关键字的分布情况
	4.计算散列函数所需要的时间
	5.记录好查找频率

一个好的散列表满足两个原则：
（1）函数简单好计算，每一个关键字只有一个散列地址与之对应；
（2）函数的值域需在表长范围内，计算出的散列地址分布应均匀，尽量少冲突。

构造方法有：数字分析法，平方取中法，折叠法和除留余数法；
我们就讲下除留余数法：
假设散列表的表长为 m ，选择一个不大于 m 的数 p ，用 p 去除关键字，除后得到余数为散列地址；
例如：

对每个 key 值都对 7 取余得到地址，如果发生冲突则向后移动一位，比较次数加一。得到下表：

平均查找长度：
ASLsucc=（1+1+1+2+3+4+1+2）/ 8=15/8
（所有成功的次数加起来的和 / 成功的 key 值数 ）
（例如这里成功的 key 有 8 个，地址从 0 到 7 都有对应值 所以为8）

处理冲突的方法

（1）线性探测法

发生冲突就向下一个单元顺序寻找空单元

（2）二次探测法

每次冲突就按照，上图的顺序为每次的步长进行寻找空单元，
第一次向 右 步长为1，第二次向 左 步长为1，
第三次向 右 步长为4，第四次向 左 步长为4，依次递推……

（3）伪随机数探测法
就是取关键字的一个随机函数值作为它的哈希地址，适用于关键字长度不一的情况

参考:
《数据结构 c 语言版 第二版》严蔚敏
【数据结构与算法】初入数据结构的哈希表(Hash Table)