植樹節,程式猿種的那些樹

2019-03-19 18:10:49


導讀:3 月 12 日是一年一度的植樹節。旨在宣傳保護森林,並動員群眾參加植樹造林活動。說到樹,程式猿們肯定不陌生,趁著這個植樹節到來之時普及一下程式猿們經常遇見的樹。


來源:五分鐘學演算法(ID:CXYxiaowu)

本文由程式猿小吳和小夥伴 進擊的Hello_World 共同整理完成。




01 二叉搜尋樹


1. 定義


二叉搜尋樹又稱二叉查詢樹,亦稱為二叉排序樹。設 x 為二叉查詢樹中的一個節點,x 節點包含關鍵字 key,節點x 的 key 值記為 key[x] 。如果 y 是 x 的左子樹中的一個節點,則 key[y] <= key[x] ;如果 y 是 x 的右子樹的一個節點,則 key[y] >= key[x] 。


2. 查詢效能


當資料數目為 N,樹高度保持 logN 附近。則平均查詢長度與 logN 成正比,查詢平均時間複雜度為 O(logN) 。 當先後插入的關鍵字有序時,二叉搜尋樹退化成單支樹結構。此時樹高 N 。平均查詢長度為 (N+1)/2 ,查詢的平均時間複雜度為 O(N) 。


3. 插入效能


插入效率與查詢效率一致。
  

4. 刪除效能


刪除節點時,若節點為葉子節點,或者節點只有單一子樹,則時間複雜度為 O(1) 。若節點既有左子樹又有右子樹,則需要執行遞迴過程,對應時間複雜度為 O(logN) 。


5. 應用場景


二叉排序樹就既有連結串列的好處,也有陣列的好處,因此在處理大批量的動態的資料是比較有用。


6. 種樹




02 平衡二叉樹


1. 定義


平衡二叉樹是一種特殊的二叉搜尋樹。平衡二叉樹保證節點平衡因子的絕對值不超過1,保證了樹的平衡。


2. 查詢效能


平衡二叉樹是嚴格平衡的,那麼查詢過程與二叉搜尋樹一樣,只是平衡二叉樹不會出現最差的單支樹情形。因此查詢效率最好,最壞情況時間複雜度為 O(logN) 。


3. 插入效能


插入資料之前需要進行查詢操作,查詢到插入位置。插入資料後需要進行旋轉操作,旋轉操作複雜度為常量級。因此插入資料的時間複雜度與查詢相同為 O(logN)。


4. 刪除效能


刪除資料同樣需要查詢資料,在刪除資料後需要進行調整。一次刪除最多需要需要O(logN)次旋轉,因此刪除資料的時間複雜度為O(logN)+O(logN)=O(2logN)。


5. 應用場景


SGI/STL的 set/map 底層都是用紅黑樹(平衡二叉樹的一種)實現的。


6. 種樹




03 紅黑樹


1. 定義


平衡二叉樹的嚴格平衡策略以犧牲建立查詢結構(插入,刪除操作)的代價,換來了穩定的O(logN) 的查詢時間複雜度。紅黑樹採用了折中策略,即不犧牲太大的建立查詢結構的代價,同時又能保證穩定高效的查詢效率。


2. 查詢效能


由於紅黑樹的性質(最長路徑長度不超過最短路徑長度的 2 倍),可以說明紅黑樹雖然不像平衡二叉樹一樣是嚴格平衡的,但平衡效能還是要比二叉搜尋樹要好。其查詢代價基本維持在 O(logN) 左右,但在最差情況下(最長路徑是最短路徑的 2 倍少 1),比平衡二叉樹效率低一些。


3. 插入效能


紅黑樹插入結點時,需要旋轉操作和變色操作。但由於只需要保證紅黑樹基本平衡就可以了。因此插入結點最多隻需要2次旋轉,這一點和平衡二叉樹的插入操作一樣,但是變色操作的時間複雜度為O(logN)。


4. 刪除效能


紅黑樹的刪除操作代價要比平衡二叉樹要好的多,刪除一個結點最多隻需要 3 次旋轉操作,保證了刪除時間複雜度維持在常量級。


5. 應用場景


應用場景有很多。


  • Java 中的 TreeSet ,TreeMap,HashMap

  • C++ 的 STL中的 map 和 set 都是用紅黑樹實現的

  • epoll 在核心中的實現,用紅黑樹管理事件塊

  • nginx 中,用紅黑樹管理 timer 等

  • linux 程序排程 Completely Fair Schedule r,用紅黑樹管理程序控制塊


5. 種樹




04 B 樹


1. 定義


B樹是一種多路平衡查詢樹,在相同資料數目情形下,B樹的高度更小,這樣就減少了磁碟的IO次數,在檔案系統以及資料庫索引等場景下提升了查詢效率。


2. 查詢效能


B樹的查詢分成兩種:一種是從一個結點查詢另一結點的地址的時候,需要定位磁碟地址(查詢地址),查詢代價極高。另一種是將結點中的有序關鍵字序列放入記憶體,進行優化查詢(可以用折半),相比查詢代價極低。而B樹的高度很小,因此在這一背景下,B樹比任何二叉結構查詢樹的效率都要高很多。


3. 插入效能


B樹的插入會發生結點的分裂操作。當插入操作引起了 s 個節點的分裂時,磁碟訪問的次數為 h (讀取搜尋路徑上的節點) +2s (回寫兩個分裂出的新節點) +1(回寫新的根節點或插入後沒有導致分裂的節點)。因此,所需要的磁碟訪問次數是 h+2s+1,最多可達到 3h+1。因此插入的代價較大。


4. 刪除效能


B樹的刪除會發生結點合併操作。最壞情況下磁碟訪問次數是 3h=(找到包含被刪除元素需要h次讀訪問)+(獲取第2至h層的最相鄰兄弟需要h-1次讀訪問)+(在第3至h層的合併需要h-2次寫訪問)+(對修改過的根節點和第2層的兩個節點進行3次寫訪問)。


5. 應用場景


B樹/B+樹主要用於磁碟檔案組織 資料索引和資料庫索引等場景。


6. 種樹




05 B+ 樹


1. 定義


B+樹是B-樹的一種變體,B+樹相比B-樹的特點:


(1)索引節點的key值均會出現在葉子節點中。
(2)索引節點中的key值在葉子節點中或者為最大值或者為最小值。
(3)葉子節點使用單鏈表的形式連結起來。


2. 查詢效能


(1)在相同數量的待查資料下,B+樹查詢過程中需要呼叫的磁碟IO操作要少於普通B-樹。由於B+樹所在的磁碟儲存背景下,因此B+樹的查詢效能要好於B-樹。 


(2)B+樹的查詢效率更加穩定,因為所有葉子結點都處於同一層中,而且查詢所有關鍵字都必須走完從根結點到葉子結點的全部歷程。因此同一顆B+樹中,任何關鍵字的查詢比較次數都是一樣的。而B樹的查詢是不穩定的。


3. 插入效能


B+樹的插入過程與B樹類似,效能也基本一致。


4. 刪除效能


刪除效能與B樹也基本一致。


5. 應用場景


B樹/B+樹主要用於磁碟檔案組織 資料索引和資料庫索引等場景。


6. 種樹




06 霍夫曼樹


1. 定義


給定 n 個權值作為 n 個葉子結點,構造一棵二叉樹,若該樹的帶權路徑長度達到最小,稱這樣的二叉樹為最優二叉樹,也稱為霍夫曼樹(Huffman Tree)。


霍夫曼樹是帶權路徑長度最短的樹,權值較大的結點離根較近。


2. 應用場景


霍夫曼樹主要用於霍夫曼編碼,進行資料壓縮領域。


▲霍夫曼編碼



上面這六種樹中,你爬過哪幾種樹?不管爬樹還是種樹,你都要先搞定演算法。下面這本書會給你幫助。



推薦語:通過閱讀本書,你將可以:


  • 解決新的編碼問題,提升現有解決方案的效能。

  • 快速確定與問題相關的演算法,並挑選最佳演算法。

  • 獲取帶有實現技巧的演算法解決方案(採用C、C++、Java和Python實現)。

  • 瞭解演算法的預期效能和最佳效能所需要的條件。

  • 使用高階資料結構提升演算法效率。



據統計,99%的大咖都完成了這個神操作



更多精彩


在公眾號後臺對話方塊輸入以下關鍵詞

檢視更多優質內容!


PPT | 報告 | 讀書 | 書單 | 乾貨 

大資料 | 揭祕 | Python | 視覺化

人工智慧 | 機器學習 | 深度學習 | 神經網路

AI | 1024 | 段子 | 區塊鏈 | 數學


猜你想看


  • 被兩會代表頻繁“點名”,2019的第一波風口要來了?

  • 女神節,來聊聊這幾位神一般的“程式媛”

  • 馬化騰提議加強基礎科學研究,中國“芯痛”能解決嗎?

  • 資料又多又散,“孤島困境”怎樣破局?



Q: 你都爬過哪些樹?

歡迎留言與大家分享

覺得不錯,請把這篇文章分享給你的朋友

轉載 / 投稿請聯絡:baiyu@hzbook.com

更多精彩,請在後臺點選“歷史文章”檢視

在看



熱點新聞