前言
前面介绍的二叉堆，红黑树以及斐波那契堆，其重要的操作都要O(lgn).当特定条件下，能否够规避Ω(lglgn)下界的限制？在本章中，我们将看到：van Emde Boas树支持优先队列操作及一些其他操作，每个操作最后情况运行时间为O(lglgn)。而这种数据结构限制关键字必须为0~n-1的整数且无重复。
基本方法
在介绍van Emde Boas树之前，先了解几种动态集合的存储方法。虽然这些操作虽然无法达到O(lglgn)。
直接寻址
即位图bitmap方法。
insert，delete和member：复杂度O(1)
minimum，maximum，successor和predecessor最坏情况为O(u)
假设最小在u位置，则minimun，要查看0-u-1的位置
叠加的二叉树结构
在bitmap上面加一层位二叉树。当且仅当其子树中任一个叶节点包含1，则其内部结点为1。
每个操作至多沿树进行一趟向上和一趟向下的过程，因此每个操作的最坏情况运行时间为O(lgn)。
这种方法仅仅比红黑树好一点。member操作为O(1).其它的都是O(lgn)
叠加的一棵高度恒定的树
叠加的树度数为
u
\sqrt{u}
u。树的高度则为
l
o
g
u
u
=
1
log_{\sqrt{u}} \sqrt{u} = 1
loguu=1
每个操作中，最多对两个大小为
u
\sqrt{u}
u位的簇以及summary数组进行搜索，所以每个操作耗费
O
(
u
)
O(\sqrt{u})
O(u)时间
递归结构
我们对叠加树想法进行修改。叠加树用到了大小为 u \sqrt{u} u的summary数组，数组的每项都指向一个大小为 u \sqrt{u} u的另一个结构。现在使用结构递归，每次递归都已平方根大小缩减全域。（u，u1/2，u1/4，u1/8，…）
即对上述得到summary继续做恒定树
_2summary[2] = {1,1}
_2summary[0] 指向 summary[0],summary[1]
以此类推
原型van Emde Boas结构
根据递归式的思想。我们设计一个递归数据结构来支持这些操作。
以此结构设计，树的高度则为
l
g
l
g
u
lglgu
lglgu
原型van Emde Boas结构上的操作
看下原型van Emde Boas各操作复杂度
判断一个值是否在集合中
Prote-vEB-Member(V, x)
if V.u == 2
return V.A[x]
else
Prote-vEB-Member(V.cluster[high(x)], low(x))
即O(lglgn)。
查找最小元素
Proto-vEB-Minimum(V)
if V.u == 2
if V.A[0] == 1
return 0
else if V.A[1] == 1
return 1
else
min-cluster = Proto-vEB-Minimum(V.summary)
if min-cluster == NIL
return NIL
else
offset = min-cluster = Proto-vEB-Minimum(V.cluster[min-cluster])
return index(min-cluster, offset)
根据递归式 T ( u ) = 2 T ( u ) + O ( 1 ) T(u) = 2T(\sqrt{u})+O(1) T(u)=2T(u)+O(1).利用主方法解得O(lgu).
查找后继
Proto-vEB-Successor(V, x)
if V.u == 2
if x == 0 and V.A[1] == 1
return 1
else
return NIL
else
offset = Proto-vEB-Successor(V.cluster[high(x)], low(x))
if offset != NIL
return index(high(x), offset)
else
succ-cluster = Proto-vEB-Successor(V.summary, high(x))
if succ-cluster == NIL
return NIL
else
offset = Proto-vEB-Minimum(V.cluster[succ-cluster])
return index(succ-cluster, offset)
根据递归式 T ( u ) = 2 T ( u ) + O ( l g u ) T(u) = 2T(\sqrt{u})+O(lg\sqrt{u}) T(u)=2T(u)+O(lgu).利用主方法解得O(lg u lglg u).
插入元素
Proto-vEB-Insert(V, x)
if V.u == 2
V.A[x] = 1
else
Proto-vEB-Insert(V.cluster[high(x)], x)
Proto-vEB-Insert(V.summary, high(x))
根据递归式 T ( u ) = 2 T ( u ) + O ( 1 ) T(u) = 2T(\sqrt{u})+O(1) T(u)=2T(u)+O(1).利用主方法解得O(lgu).
删除元素
删除元素比插入更复杂，插入时总将一个summary位置为1.而删除却不能置为0。
PROTO-vEB-DELETE(V, x)
if V.u == 2
V.A[x] = 0
else
PROTO-vEB-DELETE(V.cluster[high(x)], low(x))
inCluster = false
for i = 0 to sqrt(u) - 1
if PROTO-vEB-MEMBER(V.cluster[high(x)], low(i))
inCluster = true
break
if inCluster == false
PROTO-vEB-DELETE(V.summary, high(x))
根据递归式 T ( u ) = T ( u ) + O ( u l g l g u ) T(u) = T(\sqrt{u})+O(\sqrt{u} lglgu) T(u)=T(u)+O(ulglgu).利用主方法解得 O ( u l g l g u ) O(\sqrt{u} lglgu) O(ulglgu).
van Emde Boas树
van Emde Boas对 Proto-vEB结构基本上增加了max,min属性。
- min存储了veb树中的最小元素
- max存储了veb树中的最大元素
min和max属性是减少vEB树上这些操作的递归调用次数的关键，这两个属性有4个方面的作用：
- minimum和maximum操作不需要递归，因为可以直接返回min和max的值；
- successor操作可以避免一个用于判断值x的后继是否位于high(x)中的递归调用。这是因为x的后继位于x簇中，当且仅当x严格小于x簇的max。对于prodecessor和min情况，可以对照得到。
- 通过min和max的值，可以在常数时间内告知一棵vEB树是否为空、仅含一个元素或两个以上元素。如何min和max都为NIL，那么vEB树为空，如何min和max 都不为NIL但彼此相等，那么vEB树仅含一个元素。如果min和max都不为NIL且不等，那么vEB树包含两个或两个以上元素。
- 如果一棵vEB树为空，那么可以仅更新它的min和max值为实现插入一个元素。
查找最小元素和最大元素
vEB-Tree-Minimum(V)
return V.min
vEB-Tree-Maximum(V)
return V.max
操作复杂度为O(1)
判断一个值是否在集合中
vEB-Tree-Member(V, x)
if x == V.min or x == V.max
return true
else if V.u == 2
return false
else
return vEB-Tree-Member(V.cluster[high(x)], low(x))
即O(lglg u)。
查找后继和前驱
vEB-Tree-Successor(V, x)
if V.u == 2
if x == 0 and V.max == 1
return 1
else
return NIL
else if V.min != NIL and x < V.min
return V.min
else
max-low = vEB-Tree-Maximum(V.cluster[high(x)])
if max-low != NIL and low(x) < max-low
offset = vEB-Tree-Successor(V.cluster[high(x)], low(x))
return index(high(x), offset)
else
succ-cluster = vEB-Tree-Successor(V.summary, high(x))
if succ-cluster == NIL
return NIL
else
offset = vEB-Tree-Miniimum(V.cluster[succ-cluster])
return index(succ-cluster, offset)
vEB-Tree-Predecessor(V, x)
if V.u == 2
if x == 1 and V.min == 0
return 0
else
return NIL
else if V.max != NIL and x > V.max
return V.max
else
min-low = vEB-Tree-Minimum(V.cluster[high(x)])
if min-low != NIL and low(x) > min-low
offset = vEB-Tree-Predecessor(V.cluster[high(x)], low(x))
return index(high(x), offset)
else
pred-cluster = vEB-Tree-Predecessor(V.summary, high(x))
if pred-cluster == NIL
if V.min != NIL and x > V.max
return V.min
else
return NIL
else
offset = vEB-Tree-Minimum(V.cluster[pred-cluster])
return index(pred-cluster, offset)
找到值，然后取前后的最大值，最小值即可 ,即O(lglg u)。
插入一个元素
vEB-Empty-Tree-Insert(V, x)
V.min = x
V.max = x
vEB-Tree-Insert(V, x)
if V.min == NIL
vEB-Empty-Tree-Insert(V, x)
else
if x < V.min
exchange x with x.min
if V.u > 2
if vEB-Tree-Minimum(V.cluster[high(x)]) == NIL
vEB-Tree-Insert(V.summary, high(x))
vEB-Empty-Tree-Insert(V.cluster[high(x)], low(x))
else
vEB-Tree-Insert(V.cluster[high(x)], low(x))
if x > V.max
V.max = x
插入时，如果是最大或者最小值 ，从上往下改，不是则不用。即O(lglg u)
删除一个元素
vEB-Tree-Delete(V, x)
if V.min == V.max
V.min = NIL
V.max = NIL
else if V.u == 2
if x == 0
V.min = 1
else
V.min = 0
V.max = V.min
else
if x == V.min
first-cluster = vEB-Tree-Minimum(V.summary)
x = index(first-cluster, vEB-Tree-Minimum(V.cluster[first-cluster]))
V.min =x
vEB-Tree-Delete(V.cluster[high(x)], low(x))
if vEB-Tree-Minimum(V.cluster[high(x)]) == NIL
vEB-Tree-Delete(V.summary, high(x))
if x = V.max
summary-max = vEB-Tree-Maximum(V.summary)
if summary-max == NIL
V.max = V.min
else
V.max = index(summary-max, vEB-Tree-Maximum(V.cluster[summary-max]))
elseif x == V.max
V.max = index(high(x), vEB-Tree-Maximum(V.cluster[high(x)]))
插入时，如果是最大或者最小值 ，从上往下改，不是则不用。即O(lglg u)
1057
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
