考研数据结构考点之查找

7.1 顺序查找

顺序查找又称线性查找
优点：对数据元素的存储没有要求，顺序存储或链式存储皆可；对表中记录的有序性也没有要求，无论关键字是否有序，均可应用。
缺点：当n比较大时，平均查找长度较大，效率低

• 注意！！！对线性的链表只能进行顺序查找
• 算法的时间复杂度计算是通过计算算法的平均查找长度(ASL)得来的，取T(n)=ASL的数量级
  ASL又分为查找成功与查找失败两种情况下的ASL.

7.2 折半查找

• 折半查找又称二分查找。
• 对折半查找而言，画出判定树的结构，知道每个数据元素在判定树中的位置。很重要！
• 折半查找的判定树是一颗二叉排序树、也是平衡二叉树
• 平衡二叉树的性质：
  • 右子树节点数-左子树节点数=0或1
  • 元素个数为n时，判定树高h=log2(n+1)(向上取整，不包括失败结点)
• 若序列有n个元素，则对应判定树有n个圆形的非叶节点，有n+1个叶节点（n个结点的二叉链表有n+1个空链域）
• 只适用于顺序存储，不适合于链式存储
• 算法的时间复杂度计算是通过计算算法的平均查找长度(ASL)得来的，取T(n)=ASL的数量级
  ASL又分为查找成功与查找失败两种情况下的ASL.

7.3 分块查找

分块查找一般只考选择题，会手动分析就可以了！
分块查找又称索引顺序查找，吸取了顺序查找和折半查找各自的优点
特点：块内无序，块间有序
①索引表可采取顺序查找或折半查找 ②查找表采取顺序查找

• 当采用折半查找的方式查找索引表时：
  • 若索引表中不包含目标关键字，则折半查找索引表最终停在low>high，要在low所指的分块中查找
  • 若最终的low超出索引表范围，则查找失败
  • 注意上述结论是在索引表按照升序排列时得出的

7.4 二叉排序树

二叉排序树又称二叉查找树，是一颗空树或者具有如下性质的非空二叉树：
左子树节点值<根结点值<右子树结点值
二叉排序树的构造：
● 以关键字序列中的第一个元素为根节点
● 按照二叉排序树的插入算法添加结点，新插入的结点一定是根节点
● 不同的关键字序列可能得到同款二叉排序树
● 不同的关键字序列也可能得到不同款二叉排序树

7.5 平衡二叉树

平衡二叉树又称为AVL树。简称为平衡树
树上任一结点的左子树和右子树高度之差不超过1
结点的平衡因子=左子树高度-右子树高度
平衡二叉树结点的平衡因子只能为0、1或-1

7.6 B树

B树也称B-树,它是一棵多路平衡查找树

注：高度h不包括最后的不带任何信息的叶结点所处的那一层；n指的是关键字个数
性质：最后的不带任何信息的叶结点（代表查找失败的位置）的个数=关键字个数+1；
难点：B树的插入与删除方法，即怎么构造，怎么变动？

7.7 B+树

与B树明显构造上不同的地方：(注意区分)
● B树中结点的子树个数=结点的关键字个数+1；
● B+树中结点的子树个数=结点的关键字个数；
B树与B+树的相同点：

性质：
● 所有叶结点包含全部关键字及指向相应记录的指针；叶结点中将关键字按大小顺序排列，并且相邻叶结点按大小顺序链接起来。即可以通过下面的指针p将所有的关键字遍历一遍------支持顺序查找

7.8 散列查找

散列表

• 根据关键字而直接进行访问的数据结构
• 也就是说，散列表建立了关键字与存储地址之间的一种直接映射关系
• 这种直接的映射关系，就需要一个把关键字映射成该关键字对应地址的函数
  上述的这种函数就叫做：散列函数：
• 散列函数是自定义、需要自己设计的；记为Hash(key)=Addr
• 这里的地址Addr可以是数组的下标、索引或内存地址等；

散列函数的构造方法

1. 直接定址法
   H(key)=key 或 H(key)=a*key+b;
   ------适合关键字的分布基本连续的情况，分布不连续，空位太多会造成存储空间的浪费
2. 除留取余法
   H(key)=key%p;
   散列表表长为m，取一个不大于m但最接近或等于m的质数p；
   除留取余法的关键是选好p，从而尽可能的减少冲突的可能性
3. 数字分析法
   取数码分布较为均匀的若干位作为散列地址
4. 平方取中法
   取关键字的平方值的中间几位作为散列地址
   由上述四种构造方法可以看出散列查找是典型的“以空间换时间”的算法，只要散列函数设计的合理，则散列表越长，冲突的概率越低。

处理冲突的方法

1. 开放定址法
   a. 线性探测法
   
   b. 平方探测法（二次探测法）
   可以避免出现“聚集”现象
   c. 伪随机序列法
2. 拉链法（链接法、链地址法）（Java中的HashMap、HashSet均采用此方法处理冲突）
   把所有的同义词存储在一个线性链表中，这个线性链表由其散列地址唯一标识；拉链法适用于经常进行插入和删除的情况
   同义词冲突不等于聚集，故链地址法处理冲突时将同义词放在同一个链表中，不会引起聚集现象。
3. 再散列法
   
   利用再散列法处理冲突时，按一定的距离，跳跃式地寻找"下一个"空闲位置，减少了发生聚集的可能

“聚集”(“堆积”)
聚集是因选取不当的处理冲突的方法，而导致不同关键字的元素对同意散列地址进行争夺的现象。用线性探测法时，容易引发聚集现象。

查找效率
散列查找理想情况下的时间复杂度为O(1)，即与表中元素的个数n无关；
散列表的装填因子α，定义为一个表的装满程度；α=表中记录数n/散列表长度m；n也就是关键字个数
散列表的ASL依赖于装填因子α（直接相关），直观地看，α越大，表示装填的记录就越“满”，发生冲突的可能性就越大，ASL也就随之越大；
散列表的查找效率不直接依赖于表中已有表项个数n或表长m。
散列表的查找效率取决于三个因素：散列函数、处理冲突的方法、装填因子α；

7.9 折半查找、二叉排序树、平衡二叉树对比

● 折半查找的分析树一定是平衡二叉树，但二叉排序树构造出的树不一定是平衡二叉树
● 由上可得，折半查找的时间性能有时和二叉排序时相同（当二叉排序树构造出来是平衡二叉树），有时也不同
● 折半查找适用于顺序存储结构，二叉排序树适用于链式存储结构
● 当有序表为静态查找表时，采用顺序存储结构，用折半查找
● 当有序表为动态查找表时，采用链式存储结构（二叉链表），用二叉排序树，插入时采用平衡二叉树的构造方式构造出二叉排序树，时间性能最优，和折半查找相同，优点是在查找过程中实现插入、删除操作方便，只需修改指针即可完成
● 原树T1,删除关键字v后形成树T2,再将v添加到树T2中形成的T3,当树为二叉排序树与平衡二叉树时的不同

7.10 T(n)对比分析