RBTree实现map和set hash实现unordered_map和unordered_set

最新推荐文章于 2024-06-16 20:54:56 发布

blue--lan

最新推荐文章于 2024-06-16 20:54:56 发布

阅读量87

点赞数

文章标签：哈希算法算法数据结构

本文链接：https://blog.csdn.net/weixin_55340276/article/details/130688170

版权

1.RBTree 红黑树

AVLTree保证了近乎绝对的平衡以保证了高效的查找速率而在插入时却插在大量的旋转
所以又有人提出了红黑树
1.1红黑树
1.概念
红黑树，是一种二叉搜索树，但在每个结点上增加一个存储位表示结点的颜色，可以是Red或
Black。通过对任何一条从根到叶子的路径上各个结点着色方式的限制，红黑树确保没有一条路
径会比其他路径长出俩倍
在这里插入图片描述

2.性质

每个结点不是红色就是黑色
根节点是黑色的
如果一个节点是红色的，则它的两个孩子结点是黑色的
对于每个结点，从该结点到其所有后代叶结点的简单路径上，均包含相同数目的黑色结点
每个叶子结点都是黑色的(此处的叶子结点指的是空结点)

// 节点的颜色
enum Color{RED, BLACK};
// 红黑树节点的定义
template<class ValueType>
struct RBTreeNode
{
 RBTreeNode(const ValueType& data = ValueType()，Color color = RED)
     : _pLeft(nullptr), _pRight(nullptr), _pParent(nullptr)
     , _data(data), _color(color)
 {}
 RBTreeNode<ValueType>* _pLeft;   // 节点的左孩子
 RBTreeNode<ValueType>* _pRight;  // 节点的右孩子
 RBTreeNode<ValueType>* _pParent; // 节点的双亲
 ValueType _data;            // 节点的值域
 Color _color;               // 节点的颜色
};

2.红黑树的建立
红黑树的插入默认插入的节点默认设置为红色
根据二叉搜索树的遍历形式将节点插入然后再根据情况是否需要旋转
只要满足不存在连续的红色节点根节点到每个叶子节点的路径中的黑色节点的个数一样
因为插入前本就要求满足红黑树条件
如果插入节点的父节点为黑色就不会影响结构可以直接插入

如果插入点父亲节点为红色就需要修改
情况一: cur为红，p为红，g为黑，u存在且为红
在这里插入图片描述
解决方式：将p,u改为黑，g改为红，然后把g当成cur，继续向上调整。

情况二: cur为红，p为红，g为黑，u不存在/u存在且为黑
在这里插入图片描述
解决方法：
p为g的左孩子，cur为p的左孩子，则进行右单旋转；相反，
p为g的右孩子，cur为p的右孩子，则进行左单旋转
p、g变色–p变黑，g变红

情况三: cur为红，p为红，g为黑，u不存在/u存在且为黑
在这里插入图片描述
解决办法：
p为g的左孩子，cur为p的右孩子，则针对p做左单旋转；相反，
p为g的右孩子，cur为p的左孩子，则针对p做右单旋转
也就是进行双旋
RBTree模拟

2.map与set

2.1 set
在这里插入图片描述

set是按照一定次序存储元素的容器
在set中，元素的value也标识它(value就是key，类型为T)，并且每个value必须是唯一的。
set中的元素不能在容器中修改(元素总是const)，但是可以从容器中插入或删除它们。
在内部，set中的元素总是按照其内部比较对象(类型比较)所指示的特定严格弱排序准则进行
排序。
set容器通过key访问单个元素的速度通常比unordered_set容器慢，但它们允许根据顺序对
子集进行直接迭代。
set在底层是用二叉搜索树(红黑树)实现的。

2.2 map
在这里插入图片描述
6. map是关联容器，它按照特定的次序(按照key来比较)存储由键值key和值value组合而成的元
素。
7. 在map中，键值key通常用于排序和惟一地标识元素，而值value中存储与此键值key关联的
内容。键值key和值value的类型可能不同，并且在map的内部，key与value通过成员类型
value_type绑定在一起，为其取别名称为pair:
typedef pair<const key, T> value_type;
8. 在内部，map中的元素总是按照键值key进行比较排序的。
9. map中通过键值访问单个元素的速度通常比unordered_map容器慢，但map允许根据顺序
对元素进行直接迭代(即对map中的元素进行迭代时，可以得到一个有序的序列)。
10. map支持下标访问符，即在[]中放入key，就可以找到与key对应的value。
11. map通常被实现为二叉搜索树(更准确的说：平衡二叉搜索树(红黑树))。

3.map set封装
在这里插入图片描述
红黑树有三个参数
K 拿到key的类型以满足find earse函数定义参数
T map传kv set传k
keyofT 一个仿函数拿到T中具体的key 以满足find earse函数使用

set给T传单个参数
在这里插入图片描述
map给T传pair

set和map的插入删除查找迭代器都是要调用RBTree的对应成员函数就行
其中set中的值是不能修改的所以set的普通迭代器需要特殊处理
将set普通迭代器一并使用RBTree的const迭代器

普通对象调用rb的普通迭代器但set要返回const迭代器

所以在RBTree迭代器添加一个普通迭代器构造const迭代器的构造函数
在这里插入图片描述
map中普通版迭代器只需要保证pair中的first不能修改就行只需要在传T的时候就加上const

RBTree封装set map

**4.hash 与 hash封装 unordered_set 和 unordered_set **

4.1 hash概念
顺序结构以及平衡树中，元素关键码与其存储位置之间没有对应的关系，因此在查找一个元素
时，必须要经过关键码的多次比较。顺序查找时间复杂度为O(N)，平衡树中为树的高度，即
O( $log_2 N$ )，搜索的效率取决于搜索过程中元素的比较次数。
理想的搜索方法：可以不经过任何比较，一次直接从表中得到要搜索的元素。
如果构造一种存储结构，通过某种函数(hashFunc)使元素的存储位置与它的关键码之间能够建立
一一映射的关系，那么在查找时通过该函数可以很快找到该元素。
当向该结构中：
插入元素
根据待插入元素的关键码，以此函数计算出该元素的存储位置并按此位置进行存放
搜索元素
对元素的关键码进行同样的计算，把求得的函数值当做元素的存储位置，在结构中按此位置
取元素比较，若关键码相等，则搜索成功
该方式即为哈希(散列)方法，哈希方法中使用的转换函数称为哈希(散列)函数，构造出来的结构称
为哈希表(Hash Table)(或者称散列表)

4.2 哈希冲突
对于两个数据元素的关键字 $k_i$ 和 $k_j$ (i != j)，有 $k_i$ != $k_j$ ，但有：Hash( $k_i$ ) ==
Hash( $k_j$ )，即：不同关键字通过相同哈希哈数计算出相同的哈希地址，该种现象称为哈希冲突
或哈希碰撞。

4.3 哈希函数
引起哈希冲突的一个原因可能是：哈希函数设计不够合理。
哈希函数设计原则：
哈希函数的定义域必须包括需要存储的全部关键码，而如果散列表允许有m个地址时，其值
域必须在0到m-1之间
哈希函数计算出来的地址能均匀分布在整个空间中
哈希函数应该比较简单
常见哈希函数

直接定址法–(常用)
取关键字的某个线性函数为散列地址：Hash（Key）= A*Key + B
优点：简单、均匀
缺点：需要事先知道关键字的分布情况
使用场景：适合查找比较小且连续的情况
除留余数法–(常用)
设散列表中允许的地址数为m，取一个不大于m，但最接近或者等于m的质数p作为除数，
按照哈希函数：Hash(key) = key% p(p<=m),将关键码转换成哈希地址
平方取中法–(了解)
假设关键字为1234，对它平方就是1522756，抽取中间的3位227作为哈希地址；
再比如关键字为4321，对它平方就是18671041，抽取中间的3位671(或710)作为哈希地址
平方取中法比较适合：不知道关键字的分布，而位数又不是很大的情况
折叠法–(了解)
折叠法是将关键字从左到右分割成位数相等的几部分(最后一部分位数可以短些)，然后将这
几部分叠加求和，并按散列表表长，取后几位作为散列地址。
折叠法适合事先不需要知道关键字的分布，适合关键字位数比较多的情况
随机数法–(了解)
选择一个随机函数，取关键字的随机函数值为它的哈希地址，即H(key) = random(key),其中
random为随机数函数。
通常应用于关键字长度不等时采用此法