1、第九章 查找表,何谓查找表 ？,查找表是由同一类型的数据元素(或记录)构成的集合。,由于“集合”中的数据元素之间存在着松散的关系，因此查找表是一种应用灵便的结构。,对查找表经常进行的操作:,1）查询某个“特定的”数据元素是否在查找表中； 2）检索某个“特定的”数据元素的各种属性； 3）在查找表中插入一个数据元素； 4）从查找表中删去某个数据元素。,仅作查询和检索操作的查找表。,静态查找表,有时在查询之后，还需要将“查询”结果为“不在查找表中”的数据元素插入到查找表中；或者，从查找表中删除其“查询”结果为“在查找表中”的数据元素。,动态查找表,查找表可分为两类:,是数据元素（或记录）中某个数据项
2、的值，用以标识（识别）一个数据元素（或记录）。,关键字,若此关键字可以识别唯一的一个记录，则称之谓“主关键字”。,若此关键字能识别若干记录，则称 之谓“次关键字”。,根据给定的某个值，在查找表中确定一个其关键字等于给定值的数据元素或（记录）,查找,若查找表中存在这样一个记录，则称“查找成功”，查找结果：给出整个记录的信息，或指示该记录在查找表中的位置；否则称“查找不成功”，查找结果：给出 “空记录”或“空指针”。,由于查找表中的数据元素之间不存在明显的组织规律，因此不便于查找。为了提高查找的效率， 需要在查找表中的元素之间人为地 附加某种确定的关系，换句话说， 用另外一种结构来表示查找表。,如
3、何进行查找？,查找的方法取决于查找表的结构。,9.1 静态查找表,9.2 动态查找树表,9.3 哈希表,9.1 静 态 查 找 表,数据对象D：,数据关系R：,D是具有相同特性的数 据元素的集合。每个数 据元素含有类型相同的 关键字，可唯一标识数 据元素。,数据元素同属一个集合。,ADT StaticSearchTable ,Create(,Destroy(,Search(ST, key);,Traverse(ST, Visit();,基本操作 P：,next, ADT StaticSearchTable,构造一个含 n 个数据元素 的静态查找表ST。,Create(,操作结果：,销毁表ST。
4、,Destroy(,初始条件：操作结果：,静态查找表ST存在；,若 ST 中存在其关键字等于kval 的数据元素，则函数值为该元素的值或在表中的位置，否则为“空”。,Search(ST, kval);,初始条件：操作结果：,静态查找表ST存在，kval 为和查找表中元素的关键字类型相同的给定值；,按某种次序对ST的每个元素调用函数Visit()一次且仅一次，一旦Visit()失败，则操作失败。,Traverse(ST, Visit();,初始条件：操作结果：,静态查找表ST存在，Visit 是对元素操作的应用函数；,假设静态查找表的顺序存储结构为,数据元素类型的定义为:,typedef str
5、uct keyType key; / 关键字域 / 其它属性域 ElemType ;, TElemType ;,一、顺序查找表,二、有序查找表,*三、静态查找树表,四、索引顺序表,以顺序表或线性链表表示静态查找表,一、顺序查找表,ST.elem,回顾顺序表的查找过程：,假设给定值 e = 64, 要求 ST.elemi = e, 问: i = ?,66,int location( SqList L, ElemType /location,i=L.length,ST.elem,ST.elem,60,kval = 64,kval = 60,64,int Search_Seq(SSTable ST,
6、 KeyType kval) / 在顺序表ST中顺序查找其关键字等于/ kval的数据元素。若找到，则函数值为/ 该元素在表中的位置，否则为0。ST.elem0.key = kval; / 设置“哨兵”for (i=ST.length; -i); / 从后往前找return i; / 找不到时，i为0 / Search_Seq,ST.elemi.key!=kval;,分析顺序查找的时间性能。,定义： 查找算法的平均查找长度(Average Search Length) 为确定记录在查找表中的位置，需和给定值进行比较的关键字个数的期望值,其中: n 为表长，Pi 为查找表中第i个记录的概率，且
7、Ci为找到该记录时，曾和给定值比较过的关键字的个数,顺序表查找的平均查找长度为：,对顺序表而言，Ci = n-i+1,ASL = nP1 +(n-1)P2 + +2Pn-1+Pn,在等概率查找的情况下，,若查找概率无法事先测定，则查找过程采取的改进办法是，在每次查找之后，将刚刚查找到的记录直接移至表尾的位置上。,在不等概率查找的情况下，ASLss 在PnPn-1P2P1 时取极小值,上述顺序查找表的查找算法简单，但平均查找长度较大，特别不适用于表长较大的查找表。,二、有序查找表,若以有序表表示静态查找表，则查找过程可以基于“折半”进行。,ST.elem,ST.length,例如: kval =
8、 64 的查找过程如下,low,high,mid,low,mid,high,mid,low 指示查找区间的下界; high 指示查找区间的上界; mid = (low+high)/2。,int Search_Bin ( SSTable ST, KeyType kval ) low = 1; high = ST.length; / 置区间初值while (low = high) mid = (low + high) / 2;if （kval = ST.elemmid.key )return mid; / 找到待查元素else if ( kval ST.elemmid.key) )high = m
9、id - 1; / 继续在前半区间进行查找else low = mid + 1; / 继续在后半区间进行查找return 0; / 顺序表中不存在待查元素 / Search_Bin,先看一个具体的情况，假设：n=11,分析折半查找的平均查找长度,6,3,9,1,4,2,5,7,8,10,11,判定树,1,2,2,3,3,3,3,4,4,4,4,假设 n=2h-1 并且查找概率相等 则,一般情况下，表长为 n 的折半查找的判定树的深度和含有 n 个结点的完全二叉树的深度相同。,在 n50 时，可得近似结果,关键字: A B C D EPi: 0.2 0.3 0.05 0.3 0.15 Ci: 2
10、 3 1 2 3,三、静态查找树表,在不等概率查找的情况下，折半查找不是有序表最好的查找方法,例如:,此时 ASL=20.2+30.3+10.05+20.3+30.15=2.4,若改变Ci的值 2 1 3 2 3,则 ASL=20.2+10.3+30.05+20.3+30.15=1.9,使 达最小的判定树称为最优二叉树， 其中:,定义:,为计算方便，令 wi = pi 选择二叉树的根结点， 使 达最小,介绍一种次优二叉树的构造方法:,为便于计算，引入累计权值和,并设 wl-1 = 0 和 swl-1 = 0，,则推导可得,0,2,3,8,11,15,18,23,例如:,l,h,21,18,12
11、,4,3,10,18,h,9,6,0,8,E,C,2,1,A,h,5,3,l,h,G,3,0,1,3,所得次优二叉树如下所示:,查找比较“总次数”= 32+41+25+33+14+33+25 = 52,查找比较“总次数”= 32+21+35+13+34+23+35 = 59,和折半查找相比较,Status SecondOptimal(BiTree / 生成结点,构造次优二叉树的算法,CONTINUE,if (i=low) T-lchild = NULL; / 左子树空 else SecondOptimal(T-lchild, R, sw, low, i-1); / 构造左子树if (i=hig
12、h) T-rchild = NULL; / 右子树空else SecondOptimal(T-rchild, R, sw, i+1, high); / 构造右子树return OK; / SecondOptimal,次优查找树采用二叉链表的存储结构,Status CreateSOSTre(SOSTree / CreatSOSTree,四、索引顺序表,在建立顺序表的同时，建立一个索引。,例如：,索引顺序表 = 索引 + 顺序表,顺序表,索引,typedef struct KeyType maxkey;int stadr; indexItem; / 索引项,typedef struct index
13、Item *elem;int stadr; indexTable; / 索引表,索引顺序表的查找过程：,1）由索引确定记录所在区间；,2）在顺序表的某个区间内进行查找。,可见，索引顺序查找的过程也是一个 “缩小区间”的查找过程。,对比顺序表和有序表的查找性能：,索引顺序查找的平均查找长度 =查找“索引”的平均查找长度+ 查找“顺序表”的平均查找长度,注意：索引可以根据查找表的特点来构造。,9.2 动 态 查 找 树 表,ADT DynamicSearchTable ,抽象数据类型动态查找表的定义如下：,数据对象D：数据关系R：,数据元素同属一个集合。,D是具有相同特性的数据元素的集合。 每个数
14、据元素含有类型相同的关键字， 可唯一标识数据元素。,InitDSTable(&DT),基本操作P：,DestroyDSTable(&DT),SearchDSTable(DT, key);,InsertDSTable(,DeleteDSTable(,TraverseDSTable(DT, Visit();,next,ADT DynamicSearchTable,操作结果：,构造一个空的动态查找表DT。,InitDSTable(,销毁动态查找表DT。,DestroyDSTable(,初始条件：操作结果：,动态查找表DT存在；,若 DT 中存在其关键字等于 kval的数据元素，则函数值为该元素的值或
15、在表中的位置，否则为“空”。,SearchDSTable(DT, kval);,初始条件：操作结果：,动态查找表 DT 存在，kval 为和关键字类型相同的给 定值；,动态查找表 DT 存在，e 为待插入的数据元素；,InsertDSTable(,初始条件：操作结果：,若 DT 中不存在其关键字 等于 e.key 的 数据元素， 则插入 e 到 DT。,动态查找表DT存在，kval 为和关键字类型相同的给 定值；,DeleteDSTable(,初始条件：操作结果：,若DT中存在其关键字等于kval的数据元素，则删 除之。,动态查找表DT存在，Visit 是对结点操作的应用函数；,Travers
16、eDSTable(DT, Visit();,初始条件：操作结果：,按某种次序对DT的每个结 点调用函数 Visit() 一次且至 多一次。一旦 Visit() 失败， 则操作失败。,一、二叉排序树（二叉查找树）,二、平衡二叉树,三、B - 树,四、B+树,五、键 树,一、二叉排序树 （二叉查找树）,1定义,2查找算法,3插入算法,4删除算法,5查找性能的分析,（1）若它的左子树不空，则左子树上所有结点的值均小于根结点的值；,1定义：,二叉排序树或者是一棵空树；或者 是具有如下特性的二叉树：,（3）它的左、右子树也都分别是二叉排序树。,（2）若它的右子树不空，则右子树上所有结点的值均大于根结点的
17、值；,例如:,是二叉排序树。,不,通常，取二叉链表作为 二叉排序树的存储结构,typedef struct BiTNode / 结点结构struct BiTNode *lchild, *rchild; / 左右孩子指针 BiTNode, *BiTree;,TElemType data;,2二叉排序树的查找算法：,1）若给定值等于根结点的关键字，则查找成功； 2）若给定值小于根结点的关键字，则继续在左子树上进行查找； 3）若给定值大于根结点的关键字，则继续在右子树上进行查找。,否则,若二叉排序树为空，则查找不成功；,例如:,二叉排序树,查找关键字,= 50 ,50,50,35 ,50,30,40
18、,35,50,90 ,50,80,90,95 ,从上述查找过程可见，,在查找过程中，生成了一条查找路径:,从根结点出发，沿着左分支或右分支逐层向下直至关键字等于给定值的结点;,或者,从根结点出发，沿着左分支或右分支逐层向下直至指针指向空树为止。,查找成功,查找不成功,算法描述如下：,Status SearchBST (BiTree T, KeyType kval, BiTree f, BiTree / SearchBST, ,否则表明查找不成功，返回/ 指针 p 指向查找路径上访问的最后一个结点，/ 并返回函数值为FALSE, 指针 f 指向当前访问/ 的结点的双亲，其初始调用值为NULL,i
19、f (!T)else if ( EQ(kval, T-data.key) )else if ( LT(kval, T-data.key) )else, p = f; return FALSE; / 查找不成功, p = T; return TRUE; / 查找成功,return SearchBST (T-lchild, kval, T, p ); / 在左子树中继续查找,return SearchBST (T-rchild, kval, T, p ); / 在右子树中继续查找,f,T,设 key = 48,f,T,f,T,22,p,f,T,f,T,T,T,T,f,f,f,p,根据动态查找表的定
20、义，“插入”操作在查找不成功时才进行;,3二叉排序树的插入算法,若二叉排序树为空树，则新插入的结点为新的根结点；否则，新插入的结点必为一个新的叶子结点，其插入位置由查找过程得到。,Status Insert BST(BiTree / Insert BST, ,s = new BiTNode;/ 为新结点分配空间 s-data = e; s-lchild = s-rchild = NULL;,if ( !p ) T = s; / 插入 s 为新的根结点,else if ( LT(e.key, p-data.key) ) p-lchild = s; / 插入 *s 为 *p 的左孩子 else p
21、-rchild = s; / 插入 *s 为 *p 的右孩子,return TRUE; / 插入成功,（1）被删除的结点是叶子； （2）被删除的结点只有左子树或者只有右子树； （3）被删除的结点既有左子树，也有右子树。,4二叉排序树的删除算法,可分三种情况讨论：,和插入相反，删除在查找成功之后进行，并且要求在删除二叉排序树上某个结点之后，仍然保持二叉排序树的特性。,（1）被删除的结点是叶子结点,例如:,被删关键字 = 20,88,其双亲结点中相应指针域的值改为“空”,（2）被删除的结点只有左子树 或者只有右子树,其双亲结点的相应指针域的值改为 “指向被删除结点的左子树或右子树”。,被删关键字
22、= 40,80,（3）被删除的结点既有左子树，也有右子树,40,40,以其前驱替代之，然后再删除该前驱结点,被删结点,前驱结点,被删关键字 = 50,Status DeleteBST (BiTree / 不存在关键字等于kval的数据元素else / DeleteBST,算法描述如下：, ,if ( EQ (kval, T-data.key) ) / 找到关键字等于key的数据元素 else if ( LT (kval, T-data.key) )else, Delete (T); return TRUE; ,return DeleteBST ( T-lchild, kval );/ 继续在左
23、子树中进行查找,return DeleteBST ( T-rchild, kval );/ 继续在右子树中进行查找,void Delete ( BiTree &p )/ 从二叉排序树中删除结点 p，/ 并重接它的左子树或右子树if (!p-rchild) else if (!p-lchild) else / Delete,其中删除操作过程如下所描述：, , , ,/ 右子树为空树则只需重接它的左子树,q = p; p = p-lchild; delete(q);,q,q,/ 左子树为空树只需重接它的右子树,q = p; p = p-rchild; delete(q);,p,p,q,q,q =
24、p; s = p-lchild; while (s-rchild) q = s; s = s-rchild; / s 指向被删结点的前驱,/ 左右子树均不空,p-data = s-data; if (q != p ) q-rchild = s-lchild; else q-lchild = s-lchild;/ 重接*q的左子树 delete(s);,q,s,5查找性能的分析,对于每一棵特定的二叉排序树，均可按照平均查找长度的定义来求它的 ASL 值，显然，由值相同的 n 个关键字，构造所得的不同形态的各棵二叉排序树的平均查找长 度的值不同，甚至可能差别很大。,由关键字序列 3，1，2，5，4
25、构造而得的二叉排序树,由关键字序列 1，2，3，4，5构造而得的二叉排序树，,例如：,2,1,3,4,5,3,5,4,1,2,ASL =（1+2+3+4+5）/ 5= 3,ASL =（1+2+3+2+3）/ 5 = 2.2,下面讨论平均情况:,不失一般性，假设长度为 n 的序列中有 k 个关键字小于第一个关键字，则必有 n-k-1 个关键字大于第一个关键字,由它构造的二叉排序树,n-k-1,k,的平均查找长度是 n 和 k 的函数,P(n, k) ( 0 k n-1 ),假设 n 个关键字可能出现的 n! 种排列的可能性相同，则含 n 个关键字的二叉排序树的平均查找长度,在等概率查找的情况下，
26、,由此,可类似于解差分方程，此递归方程有解：,二、平衡二叉树,何谓“平衡二叉树”？,平衡二叉树的查找性能分析,如何构造“平衡二叉树”,平衡二叉树是二叉查找树的另一种形式，其特点为：,树中每个结点的左、右子树深度之差的绝对值不大于1 。,例如:,是平衡树,不是平衡树,构造平衡二叉树的方法是： 在插入过程中，采用平衡旋转技术。,例如:依次插入的关键字为5, 4, 2, 8, 6, 9,5,4,2,4,2,5,8,6,6,5,8,4,2,向右旋转 一次,先向右旋转 再向左旋转,9,5,向左旋转一次,继续插入关键字 9,在平衡树上进行查找的过程和二叉排序树相同，因此，查找过程中和给定值进行比较的关键字
27、的个数不超过平衡 树的深度。,平衡树的查找性能分析：,问：含 n 个关键字的平衡二叉树可能达到的最大深度是多少？,n = 0,空树,最大深度为 0,n = 1,最大深度为 1,n = 2,最大深度为 2,n = 4,最大深度为 3,n = 7,最大深度为 4,先看几个具体情况:,反过来问，深度为 h 的平衡二叉树中所含结点的最小值 Nh 是多少？,h = 0,N0 = 0,h = 1,h = 2,h = 3,一般情况下，,N1 = 1,N2 = 2,N3 = 4,Nh = Nh-1 + Nh-2 + 1,利用归纳法可证得，,Nh = Fh+2 - 1,因此，在平衡二叉树上进行查找时， 查找过程
28、中和给定值进行比较的关键字的个数和 log(n) 相当。,由此推得，深度为 h 的平衡二叉树中所含结点的最小值 Nh = h+2/5 - 1,反之，含有 n 个结点的平衡二叉树能达到的最大深度 hn = log(5 (n+1) - 2,三、 B - 树,1定义,2查找过程,3插入操作,4删除操作,5查找性能的分析,1B-树的定义,B-树是一种 平衡 的 多路 查找 树：,在 m 阶的B-树上，每个非终端结点可能含有：n 个关键字 Ki（1 in） nmn 个指向记录的指针 Di（1in）n+1 个指向子树的指针 Ai（0in）;,多叉树的特性,typedef struct BTNode int
29、 keynum; / 结点中关键字个数，结点大小struct BTNode *parent; / 指向双亲结点的指针KeyType keym+1; / 关键字（0号单元不用）struct BTNode *ptrm+1; / 子树指针向量Record *recptrm+1; / 记录指针向量 BTNode, *BTree; / B树结点和B树的类型,B-树结构的C语言描述如下:,非叶结点中的多个关键字均自小至大有序排列，即：K1 K2 Kn; 且 Ai-1 所指子树上所有关键字均小于Ki;Ai 所指子树上所有关键字均大于Ki;,查找树的特性,平衡树的特性,树中所有叶子结点均不带信息，且在树中的同
30、一层次上; 根结点或为叶子结点，或至少含有两棵子树; 其余所有非叶结点均至少含有m/2棵子树，至多含有 m 棵子树;,从根结点出发，沿指针搜索结点和在 结点内进行顺序（或折半）查找 两个过程 交叉进行。,2.查找过程：,若查找成功，则返回指向被查关键字所在结点的指针和关键字在结点中的位置；,若查找不成功，则返回插入位置。,typedef struct BTNode *pt; / 指向找到的结点的指针int i; / 1m，在结点中的关键字序号int tag; / 标志查找成功(=1)或失败(=0) Result; / 在B树的查找结果类型,假设返回的是如下所述结构的记录:,Result Sea
31、rchBTree(BTree T, KeyType K) / 在m 阶的B-树 T 中查找关键字 K, 返回/ 查找结果 (pt, i, tag)。若查找成功，则/ 特征值 tag=1, 指针 pt 所指结点中第 i 个/ 关键字等于 K; 否则特征值 tag=0, 等于/ K 的关键字应插入在指针 pt 所指结点/ 中第 i 个关键字和第 i+1个关键字之间 / SearchBTree, ,p=T; q=NULL; found=FALSE; i=0; while (p / 查找不成功,在查找不成功之后，需进行插入。 显然，关键字插入的位置必定在最下 层的非叶结点，有下列几种情况：,3插入,1
32、）插入后，该结点的关键字个数nm，不修改指针; 例如,2）插入后，该结点的关键字个数 n=m，则需进行“结点分裂”，令 s = m/2，在原结点中保留（A0，K1，。， Ks-1，As-1）；建新结点（As，Ks+1，。 ，Kn，An）；将（Ks，p）插入双亲结点；例如,3）若双亲为空，则建新的根结点。例如,例如:下列为 3 阶B-树,50, 20 40 , 80 ,插入关键字 = 60, 60 80 ,90,608090,90,50 80,60,30, 40 , 20 ,30 50 80,80,30,50,和插入的考虑相反，首先必须找到待删关键字所在结点，并且要求删除之后，结点中关键字的个数
33、不能小于m/2-1，否则，要从其左(或右)兄弟结点“借调”关键字，若其左和右兄弟结点均无关键字可借(结点中只有最少量的关键字),则必须进行结点的“合并”。,4删除,在B-树中进行查找时，其查找时间 主要花费在搜索结点（访问外存）上， 即主要取决于B-树的深度。,5查找性能的分析,问：含 N 个关键字的 m 阶 B-树可能达到的最大深度 H 为多少？,第 2 层 2 个,先推导每一层所含最少结点数：,第 1 层 1 个,第 H+1 层 2(m/2) H-1 个,第 4 层 2(m/2)2 个,第 3 层 2m/2 个,反过来问： 深度为H的B-树中，至少含有多少个结点？, ,假设 m 阶 B-树
34、的深度为 H+1，由于 第 H+1 层为叶子结点，而当前树中含有 N 个关键字，则叶子结点必为 N+1 个，,N+12(m/2)H-1H-1logm/2(N+1)/2)Hlogm/2(N+1)/2)+1,由此可推得下列结果：,在含 N 个关键字的 B-树上进行一次查找，需访问的结点个数不超过logm/2(N+1)/2)+1,结论：,是B-树的一种变型,四、B+树,1B+树的结构特点：, 每个叶子结点中含有 n 个关键字和 n 个指向记录的指针；并且，所有叶子结点彼此相链接构成一个有序链表，其头指针指向含最小关键字的结点；, 每个非叶结点中的关键字 Ki 即为其相应指针 Ai 所指子树中关键字的
35、最大值；, 所有叶子结点都处在同一层次上，每个叶子结点中关键字的个数均介于 m/2和 m 之间。,2查找过程,在 B+ 树上，既可以进行缩小范围的查找，也可以进行顺序查找；, 在进行缩小范围的查找时，不管成功与否，都必须查到叶子结点才能结束；,若在结点内查找时，给定值Ki， 则应继续在 Ai 所指子树中进行查找；,3插入和删除的操作,类似于B-树进行，即必要时，也需要进行结点的“分裂”或“归并”。,50 96,15 50,62 78 96,71 78,84 89 96,56 62,20 26 43 50,3 8 15,sq,root,五、键 树,1. 键树的结构特点,2. .双链树,3. Tr
36、ie树,1. 键树的结构特点：, 关键字中的各个符号分布在从根结点到叶的路径上，叶结点内的符号为“结束”的标志符。因此，键树的深度和关键字集合的大小无关;, 键树被约定为是一棵有序树，即同一层中兄弟结点之间依所含符号自左至右有序，并约定结束符$小于任何其它符号。,H,A,D,$,S,$,V,E,$,E,$,R,$,E,$,I,G,H,$,S,$,例如:,表示关键字集合 HAD, HAS, HAVE, HE, HER, HERE, HIGH, HIS ,2. 双链树, 以二叉链表作存储结构实现的键树,typedef enum LEAF, BRANCH NodeKind; / 两种结点：叶子 和
37、分支,结点结构:,first symbol next,分支结点,infoptr symbol next,叶子结点,指向孩子结点 的指针,指向兄弟结点 的指针,指向记录 的指针,H,A,D,$,HAD,E,$,R,$,$,E,S,$,G,H,$,I,HE,HER,HERE,HIGH,HIS,T,叶子结点,分支结点,含关键字 的记录,typedef struct DLTNode char symbol;struct DLTNode *next; / 指向兄弟结点的指针NodeKind kind;union Record *infoptr; / 叶子结点内的记录指针struct DLTNode *f
38、irst;/ 分支结点内的孩子链指针 DLTNode, *DLTree; / 双链树的类型,#define MAXKEYLEN 16 /关键字的最大长度,typedef struct char chMAXKEYLEN; / 关键字int num; / 关键字长度 KeysType; / 关键字类型,在双链树中查找记录的过程:,假设: T 为指向双链树根结点的指针，K.ch0K.num-1 为待查关键字(给定值)。,则查找过程中的基本操作为进行下列比较:K.chi =? p-symbol 其中: p 指向双链树中某个结点，0 i K.num-1,初始状态: p=T-first; i = 0;,若
39、 ( p ,若 ( p ,若 ( p & p-symbol=K.chi & i=K.num-1) 则 查找成功，返回指向相应记录的指针 p-infoptr,若 ( p = NULL) 则表明查找不成功，返回“空指针”;,3. Trie树, 以多重链表作存储结构实现的键树,结点结构:,分支结点,叶子结点,指向记录 的指针,指向下层结点的指针 每个域对应一个“字母”,0 1(A) 3 4 5(E) 9(I) 26,8(H),4(D) 19(S) 22(V) 0 18(R) 7(G) 19,0 5(E),T,HAD,HAS,HAVE,HE,HER,HERE,HIGH,HIS,叶子结点,分支结点,指向
40、记录 的指针,typedef struct TrieNode NodeKind kind; / 结点类型union struct KeyType K; Record *infoptr lf; / 叶子结点(关键字和指向记录的指针)struct TrieNode *ptr27; int num bh; / 分支结点(27个指向下一层结点的指针) TrieNode, *TrieTree; / 键树类型,结点结构的 C 语言描述:,在 Trie 树中查找记录的过程:,假设: T 为指向 Trie 树根结点的指针，K.ch0K.num-1 为待查关键字(给定值)。,则查找过程中的基本操作为：搜索和对应
41、字母相应的指针: 若 p 不空，且 p 所指为分支结点， 则 p = p-bh.Ptrord(K.Chi) ;( 其中: 0 i K.num-1 ),初始状态: p=T; i = 0;,若 ( p 其中，ord 为求字符在字母表中序号的函数,若 ( p & p-kind=LEAF & p-lf.K=K) 则 查找成功，返回指向相应记录的指针 p-lf.infoptr,反之，即 ( !p | p-kind=LEAF ,一、哈希表是什么？,二、哈希函数的构造方法,三、处理冲突的方法,四、哈希表的查找,五、哈希表的删除操作,六、对静态查找表，。,9.3 哈 希 表,以上两节讨论的表示查找表的各种结构
42、的共同特点：记录在表中的位置和它的关键字之间不存在一个确定的关系，,一、哈希表是什么？,查找的过程为给定值依次和关键字集合中各个关键字进行比较，,查找的效率取决于和给定值进行比较的关键字个数。,用这类方法表示的查找表，其平均查找长度都不为零,不同的表示方法，其差别仅在于： 关键字和给定值进行比较的顺序不同。,只有一个办法：预先知道所查关键字在表中的位置，,对于频繁使用的查找表， 希望 ASL = 0。,即，要求：记录在表中位置和其关键字之间存在一种确定的关系。,若以下标为000 999 的顺序表表示之。,例如：为每年招收的 1000 名新生建立一张查找表，其关键字为学号，其值的范围为 xx00
43、0 xx999 (前两位为年份)。,则查找过程可以简单进行：取给定值（学号）的后三位，不需要经过比较便可直接从顺序表中找到待查关键字。,但是，对于动态查找表而言，,因此在一般情况下，需在关键字与记录在表中的存储位置之间建立一个函数关系，以 f(key) 作为关键字为 key 的记录在表中的位置，通常称这个函数 f(key) 为哈希函数。,1) 表长不确定；,2) 在设计查找表时，只知道关键字所属范围，而不知道确切的关键字。,Zhao, Qian, Sun, Li, Wu, Chen, Han, Ye, Dei,例如：对于如下 9 个关键字,设 哈希函数 f(key) =(Ord(第一个字母)
44、-Ord(A)+1)/2,Chen,Zhao,Qian,Sun,Li,Wu,Han,Ye,Dei,问题: 若添加关键字 Zhou , 怎么办？,能否找到另一个哈希函数？,1) 哈希(Hash)函数是一个映象，即：将关键字的集合映射到某个地址集合上， 它的设置很灵活，只要这个地址集合的 大小不超出允许范围即可;,从这个例子可见，,2) 由于哈希函数是一个压缩映象，因此，在一般情况下，很容易产生“冲突”现象，即： key1 key2，而 f(key1) = f(key2)。,3) 很难找到一个不产生冲突的哈希函数。 一般情况下，只能选择恰当的哈希函数，使冲突尽可能少地产生。,因此，在构造这种特殊的
45、“查找表” 时，除了需要选择一个“好”(尽可能少产生冲突)的哈希函数之外;还需要找到一种“处理冲突” 的方法。,哈希表的定义:,根据设定的哈希函数 H(key) 和所选中的处理冲突的方法，将一组关键字映象到一个有限的、地址连续的地址集 (区间) 上，并以关键字在地址集中的“象”作为相应记录在表中的存储位置，如此构造所得的查找表称之为“哈希表”。,二、构造哈希函数的方法,对数字的关键字可有下列构造方法:,若是非数字关键字，则需先对其进行 数字化处理。,1. 直接定址法,3. 平方取中法,5. 除留余数法,4. 折叠法,6. 随机数法,2. 数字分析法,哈希函数为关键字的线性函数H(key) = key 或者H(key) = a key + b,1. 直接定址法,此法仅适合于： 地址集合的大小 = = 关键字集合的大小,此方法仅适合于：能预先估计出全体关键字的每一位上各种数字出现的频度。,2. 数字分析法,假设关键字集合中的每个关键字都是由 s 位数字组成 (u1, u2, , us)，分析关键字集中的全体， 并从中提取分布均匀的若干位或它们的组合作为地址。,以关键字的平方值的中间几位作为存储地址。求“关键字的平方值” 的目的是“扩大差别” ，同时平方值的中间各位又能受到整个关键字中各位的影响。,
