二叉排序树

BlogDown

浏览: 215825 次
性别:
来自: 上海

最近访客更多访客>>

wangzi7

世事繁华皆是空

tycomputer

你妹的哈哈

博主相关

博客

微博

相册

留言

关于我

文章分类

全部博客 (312)

社区版块

存档分类

本次讨论的重点是二叉排序树的插入删除（由此引入查找一般二叉树中结点的中序直接前驱和后继）与一般二叉树的非递归遍历，对Hash查找（有冲突时）的平均长度也进行了深入的分析。

1 哈希表（散列）
在基于“比较”的一系列查找方法中，记录的关键字和记录的相对位置之间没有确定的关系，查找效率依赖于比较次数。而哈希表查找是利用记录的关键字与它的存储位置之间的关系f（即Hash函数），不需比较便可直接取得所查记录，显然，哈希表存取比较方便，但是存储时容易产生冲突(collision): 即不同的关键字可以对应统一个地址。因此，如何确定hash函数和解决冲突是哈希表查找的关键。

1.1 Hash函数的构造方法
直接定址法： H(k)=key 或H(k)=a*key+b(线形函数) 例如

人口数字统计表（年龄作为关键字，哈希函数取关键字自身）

地址 1 2 3 ………… 100

年龄 1 2 3 ………… 100

人数 67 35 33 ………… 244

数字分析法：取关键字的若干数位组成哈希地址

如：关键字如下：若哈希表长为100则可取中间两位十进制数作为哈希地址。

81346532 81372242 81387422 …… 81354157 （划横线部分为地址）

平方取中法：关键字平方后取中间几位数组成哈希地址

除留余数法：取关键字被某个不大于表长m的数p除后所得的余数为哈希地址。

H(k) = k mod p p<=m

折叠法，随机数法等

1.2 处理冲突的方法
假设地址集为0..n-1,由关键字得到的哈希地址为j(0<=j<=n-1)的位置已存有记录,处理冲突就是为该关键字的记录找到另一个"空"的哈希地址。在处理中可能得到一个地址序列Hi i=1，2，...k 0<=Hi<=n-1),即在处理冲突时若得到的另一个哈希地址H1仍发生冲突,再求下一地址H2,若仍冲突,再求H3...。怎样得到Hi呢？

开放定址法：Hi=(H(k)+di) mod m （H(k)为哈希函数；m为哈希表长；di为增量序列）

当di=1，2，3，... m-1 时叫线性探测再散列。

当di=12，-12，22，-22，32，-32，...,k2,-k2时叫二次探测再散列。

当di=random（m）时叫伪随机探测序列。

例如：长度为11的哈希表关键字分别为17，60，29，哈希函数为H(k)=k mod 11,第四个记录的关键字为38，分别按上述方法添入哈希表的地址为8，4，3（随机数=9）。

再哈希法：Hi=RHi(key) i=1,2,...,k,其中RHi均为不同的哈希函数。

链地址法：这种方法很象基数排序，相同的地址的关键字值均链入对应的链表中。

建立公益区法：另设一个溢出表，不管得到的哈希地址如何，一旦发生冲突，都填入溢出表。

1.3查找分析
一般情况下，处理冲突方法相同的哈希表，其平均查找长度依赖于哈希表的装填因子a

a=表中填入记录数 / 哈希表的长度，

a标志哈希表的装满程度。直观地看，a越小，发生冲突的可能性就越小；反之，a越大，表中已填入的记录越多，再填记录是，发生冲突的可能性就越大，则查找时，给定值需与之进行比较的关键字的个数也就越多。

以随机探测的一组公式进行分析推导：

长度为m的哈希表中装有n个记录时查找不成功的平均查找长度（相当于要在这张表中填入第n+1个记录时所需要的比较次数的期望值）

假定：哈希函数均匀（即产生表中各个地址的概率相等），处理冲突后产生的地址也是随机的。

pi：表示前i个哈希地址均发生冲突的概率

qi：表示需进行i次比较才能找到一个“空位”的哈希地址（即前i-1次发生冲突，第i次不冲突），那么：

2 二叉树
我们将讨论的二叉树分成三类：判定树，二叉排序树（搜索树），一般二叉树。

判定树：在折半查找时，我们依次比较的关键字的位置构成一个判定树，其节点的值就是记录在表中的位置。中序遍历判定树，就得到一个递增的有序序列。

二叉排序树：或者是一棵空树，或者是具有一下性质的二叉树：（1）若左子树不空，则左子树上所有节点的值均小于它的跟节点的值；（2）若右子树不空，则右子树上所有节点的值均大于他的跟节点的值；（3）它的左右子树分别也是二叉排序树

判定树与二叉排序树的联系是：中序都能得到有序序列，但是前者的节点值是位置，而后者的是关键字，并且，前者只是用于在折半查找是用于分析平均查找长度，并不是一个实实在在的树。

2.1二叉排序树的插入与删除
1、插入算法描述：

插入一个新的节点时，需要进行关键的比较，并且维护二叉排序树的性质。

int InsertBS ( BiTree T, Binode * x)
{
/*在一棵已知二叉排序树中插入一个新的节点x*/
if (T= = NULL) T = x;; /* 一直二叉排序树为空时 */
return 1;
else Binode* p = T,q;
while(p!=NULL&&p.key!=x.key) /*只有在待插的节点关键字和树中某节点关键字不相等时，才进行相应的插入操作*/
{
if (p.key>x.key)
{q = p;
p = q->right;}
else
{q = p;
p = q->left;}
}
if(q.key= =x.key) ERROR(“The same key has existed!”);
else
if (q.key>x.key) {q->left = x; return 1;} /*插入节点为左节点*/
else {q->right = x; return 1;} /*插入节点为右节点*/
}

2、删除

删除操作分三种情况讨论：

（1）删除节点p 为叶子节点，则直接删除节点即可，不会破坏整棵树的结构。

（2）删除节点p 不是叶子节点，只有左子树或者右子树，此时也可以直接修改其双亲节点的左子树或者右子树即可，作此修改也不会破坏二叉排序树的特性。

（3）删除节点p的左右子树均不为空，此时，情况比较复杂一些，为保证二叉树的中序序列，可以有两种做法：其一是令p的左子树为p的父亲节点的左子树，p的右子树为p的直接前驱的右子树。其二（我们讨论的）是令p的直接前驱（或者直接后继）替代p，然后从二叉树中删除它的直接前驱（或者直接后继）。

算法如下：

Void Delete ( BiTree &p)
{
If (!p->right) /*右子树为空则重接左子树*/
{q = p; p = p ->left; free (q);}
Else if (!p->left) /*左子树为空则重接右子树*/
{q = p; p = p ->right; free (q);}
Else /* 左右子树均不为空*/
{q = p;
s = p->left;
while (s->right) /* 左拐，然后向右走到尽头 */
{
q = s;
s = s->right;
}
p.key = s.key; /* s 指向被删除节点的前驱*/
if(q!=p) q->right = s->left; /*重接q的右子树 */
else q->left = s->left; /*重接q的左子树 */
}

2.2 二叉树的中序直接前驱和直接后继
本来是讨论二叉排序树的删除操作的，结果经HZP一提醒，大家就进一步分析了如何找到给定节点的中序直接前驱和直接后继,不错不错，由深而广。

算法如下：

BiTree* findSuccssor( BiTree &p)
{
If (p->right!=NULL) /*如果右子树，则其右子树的根节点就是其后继*/
{return p->right;}
/*如右子树为空，则向上往左拐，到尽头节点为某个节点的左孩子，该节点就是后继*/
q = p->parent;
While(q!=NULL&&p = = q->right)
{
p = q;
q = q->parent;
}
Return q;
}

BiTree* findPredecessor( BiTree &p)
{
If(p->left != NULL) /*如果左子树不为空，向左拐，向右走到尽头那个节点就是其前驱*/
{
q = p->left;
While(q->right)
{ q = q->right; }
Return q;
}
Else /*如左子树为空，则向上往右拐，到尽头节点为某个节点的右孩子，该节点就是前驱*/
{
q = p->parent;
while(q!=NULL && p= = q->left)
{
p = q;
q = q->parent;
}
Return q;
}
}

2.3 一般二叉树的非递归遍历
二叉树的非递归遍历有两种思路：一种是用直接实现递归遍历，即递归遍历中的那些栈都显示实现；二是用比较自然的遍历思想，也用栈实现。

1 先序遍历

preOrder1每次都将遇到的节点压入栈，当左子树遍历完毕后才从栈中弹出最后一个访问的节点，访问其右子树。在同一层中，不可能同时有两个节点压入栈，因此栈的大小空间为O(h)，h为二叉树高度。时间方面，每个节点都被压入栈一次，弹出栈一次，访问一次，复杂度为O(n) （LF原创）

Void preOrder1(BiTree* root)
{
Stack S;
While(root!=NULL || !S.empty())
{
If(root!=NULL)
{
Visit(root); /*访问根节点*/
Push(root); /*将根节点入栈，目的是为了找右子树*/
root=root->left; /*依次访问左子树*/
}
Else
{
root = S.pop(); /*回到父节点，*/
root = root->right; /*要开始访问右子树*/
}
}
}

Void preOrder2(BiTree* root)
{
If(root!=NULL)
{
Stack S;
Push(root);
While(!S.empty())
{
BiTree * node = s.pop();
Visit(node); /*先访问根节点，无需压栈*/
S.push(node->right);
S.push(node->left);
}
. }
}

preOrder2每次将节点压入栈，然后弹出，压右子树，再压入左子树，在遍历过程中，遍历序列的右节点依次被存入栈，左节点逐次被访问。同一时刻，栈中元素为m-1个右节点和1个最左节点，最高为h。所以空间也为O(h)；每个节点同样被压栈一次，弹栈一次，访问一次，时间复杂度O(n) （LF原创）

2 中序遍历

void InOrder1(TNode* root)
{
Stack S;
if( root != NULL )
{
S.push(root);
}
while ( !S.empty() )
{
TNode* node = S.pop();
if ( node->bPushed )
{ // 如果标识位为true,则表示其左右子树都已经入栈，那么现在就需要访问该节点了
Visit(node);
}
else
{ // 左右子树尚未入栈，则依次将右节点，根节点，左节点入栈
if ( node->right != NULL )
{
node->right->bPushed = false; // 左右子树均设置为false
S.push(node->right);
}
node->bPushed = true; // 根节点标志位为true
S.push(node);
if ( node->left != NULL )
{
node->left->bPushed = false;
S.push(node->left);
}
}
}
}

对比先序遍历，这个算法需要额外的增加O(n)的标志位空间。另外，栈空间也扩大，因为每次压栈的时候都压入根节点与左右节点，因此栈空间为O(n)。时间复杂度方面，每个节点压栈两次，作为子节点压栈一次，作为根节点压栈一次，弹栈也是两次,时间复杂度较高。

Void InOrder2(BiTree* root)
{
Stack S;
While(root!=NULL || !S.empty())
{
If(root!=NULL)
{
Push(root);
root=root->left; /*左子树入栈*/
}
Else
{
root = S.pop();
Visit(root); /*访问根节点*/
root = root->right; /*通过下一次想循环实现右子树遍历*/
}
}
}

Inorde2类似于Preorder1，只是调换了一下节点的访问顺序。先序是先访问，再入栈，而中序是先入栈，弹栈后再访问。时空复杂度同先序一致。

3 后序遍历

void PostOrder(TNode* root)
{
Stack S;
if( root != NULL )
{
S.push(root);
}
while ( !S.empty() )
{
TNode* node = S.pop();
if ( node->bPushed )
{ // 如果标识位为true,则表示其左右子树都已经入栈，那么现在就需要访问该节点了
Visit(node);
}
else
{ // 左右子树尚未入栈，则依次将右节点,左节点,根节点入栈
if ( node->right != NULL )
{
node->right->bPushed = false; // 左右子树均设置为false
S.push(node->right);
}
if ( node->left != NULL )
{
node->left->bPushed = false;
S.push(node->left);
}
node->bPushed = true; // 根节点标志位为true
S.push(node);
}
}
}