Binære søgetræer. Binære søgetræer. Nærmeste naboer. Nærmeste nabo



Relaterede dokumenter
Binære søgetræer. Nærmeste naboer Binære søgetræer Indsættelse Predecessor og successor Sletning Trægennemløb. Philip Bille

Binære søgetræer. Binære søgetræer. Nærmeste naboer. Nærmeste nabo

Binære søgetræer. Nærmeste naboer Binære søgetræer Indsættelse Predecessor og successor Sletning Algoritmer på træer og trægennemløb.

Prioritetskøer. Prioritetskøer Træer og hobe Repræsentation af hobe Algoritmer på hobe Hobkonstruktion Hobsortering. Philip Bille

Algoritmer og datastrukturer Course No Cheat Sheet May 15, 2012

Prioritetskøer. Prioritetskøer. Prioritetskøer. Prioritetskøer

Prioritetskøer. Prioritetskøer. Prioritetskøer. Prioritetskøer

Prioritetskøer og hobe. Philip Bille

02105 Eksamensnoter. Lasse Herskind S maj Sortering 3

Danmarks Tekniske Universitet

Danmarks Tekniske Universitet

Danmarks Tekniske Universitet

Datastrukturer (recap)

Datastrukturer (recap)

Intervalsøgning. Algoritmisk geometri. Motivation for intervaltræer. Intervalsøgning. Lad der være givet en database over ansatte i en virksomhed

Algoritmisk geometri

Opskriv følgende funktioner efter stigende orden med hensyn til O-notationen: 4 n n 3n n 2 /logn 5 n n (logn) 3n n 2 /logn 4 n n 5 n

Datastrukturer (recap) Datastruktur = data + operationer herpå

Danmarks Tekniske Universitet

Træer. Datastrukturer & Algoritmer, Datalogi C Forelæsning 9/

Søgetræer: Generel repræsentation af (sorterede) mængder og funktioner Databasesystemer...

Danmarks Tekniske Universitet

Danmarks Tekniske Universitet

Opskriv følgende funktioner efter stigende orden med hensyn til O-notationen: n 2 n (log n) 2. 3 n /n 2 n + (log n) 4

Danmarks Tekniske Universitet

Definition : Et træ er en sammenhængende ikke-orienteret graf uden simple kredse. Sætning : En ikke-orienteret graf er et træ hvis og kun hvis der er

Danmarks Tekniske Universitet

Danmarks Tekniske Universitet

Danmarks Tekniske Universitet

Danmarks Tekniske Universitet

Danmarks Tekniske Universitet

Danmarks Tekniske Universitet

Danmarks Tekniske Universitet

Danmarks Tekniske Universitet

Opskriv følgende funktioner efter stigende orden med hensyn til O-notationen: n n (log n) 2. n 2 + log n 3 n. n n (log n)

1. Redegør for Lister, stakke og køer mht struktur og komplexitet af de relevante operationer

Skriftlig Eksamen Algoritmer og Datastrukturer 1. Datalogisk Institut Aarhus Universitet. Mandag den 22. marts 2004, kl

Skriftlig Eksamen Algoritmer og Datastrukturer 1. Datalogisk Institut Aarhus Universitet

Danmarks Tekniske Universitet

Skriftlig eksamen i Datalogi

Skriftlig Eksamen Algoritmer og Datastrukturer (dads)

DATALOGISK INSTITUT, AARHUS UNIVERSITET

Danmarks Tekniske Universitet

Mindste udspændende træ. Mindste udspændende træ. Introduktion. Introduktion

Danmarks Tekniske Universitet

Grådige algoritmer. Et generelt algoritme-konstruktionsprincip ( paradigme ) for optimeringsproblemer.

Grådige algoritmer. Et generelt algoritme-konstruktionsprincip ( paradigme ) for optimeringsproblemer.

Forén og find. Introduktion Hurtig find Hurtig forening Vægtet forening Stikompression Dynamiske sammenhængskomponenter.

Om binære søgetræer i Java

Forén og find. Introduktion Hurtig find Hurtig forening Vægtet forening Stikompression Dynamiske sammenhængskomponenter.

22 Hobe. Noter. PS1 -- Hobe. Binære hobe. Minimum-hob og maximum-hob. Den abstrakte datatype minimum-hob. Opbygning af hobe. Operationen siv-ned.

Orienterede grafer. Orienterede grafer. Orienterede grafer. Vejnetværk

Introduktion til datastrukturer. Introduktion til datastrukturer. Introduktion til datastrukturer. Datastrukturer

Introduktion til datastrukturer

Skriftlig Eksamen Algoritmer og Datastrukturer (DM507)

Danmarks Tekniske Universitet

Introduktion til datastrukturer. Introduktion til datastrukturer. Introduktion til datastrukturer. Datastrukturer

Vejledende løsninger

Skriftlig Eksamen Algoritmer og Datastrukturer (dads)

Opskriv følgende funktioner efter stigende orden med hensyn til O-notationen: 23n log n. 4 n (log n) log n

Mindste udspændende træ

Mindste udspændende træ. Mindste udspændende træ. Introduktion. Introduktion

Hashing. Ordbøger Hægtet hashing Hashfunktioner Lineær probering. Philip Bille

Hashing. Hashing. Ordbøger. Ordbøger. Ordbøger Hægtet hashing Hashfunktioner Lineær probering. Ordbøger Hægtet hashing Hashfunktioner Lineær probering

Hashing. Ordbøger Hægtet hashing Hashfunktioner Lineær probering. Philip Bille

DM507 Algoritmer og datastrukturer

Introduktion til datastrukturer. Philip Bille

DM507 Algoritmer og datastrukturer

DATALOGISK INSTITUT, AARHUS UNIVERSITET

Binære søgetræer og skiplister

Opskriv følgende funktioner efter stigende orden med hensyn til O-notationen: 5n 4. logn. n 4n 5 n/logn. n n/logn 5n

Grådige algoritmer. Et generelt algoritme-konstruktionsprincip ( paradigme ) for optimeringsproblemer.

DM02 Kogt ned. Kokken. Januar 2006

Opskriv følgende funktioner efter stigende orden med hensyn til O-notationen (bemærk at log n betegner totals logaritmen): n 2 (log n) 2 2.

Algoritmeanalyse. Øvre grænse for algoritme. Øvre grænse for problem. Nedre grænse for problem. Identificer essentiel(le) operation(er)

Søgning og Sortering. Søgning og Sortering. Søgning. Linæer søgning

DM507 Algoritmer og datastrukturer

Opgave 1 (10%) I det følgende angiver log n 2-tals-logaritmen af n. Ja Nej. n+3n er O(2n)? n 6 er O(n 5 )? nlogn er O(n 2 /logn)? 4n 3 er O(3n 4 )?

Opskriv følgende funktioner efter stigende orden med hensyn til O-notationen: n 3/2. n logn (3/2) n. 2 3logn (3/2) n

Opskriv følgende funktioner efter stigende orden med hensyn til O-notationen: (logn) 2 2 n 1/n (logn) n. n 2

16 Træer. Noter. Definition af et træ. Definitioner i tilknytning til træer. Repræsentation af træer. Binære træer. Den abstrakte datatype.

Grådige algoritmer. Et algoritme-konstruktionsprincip ( paradigme ) for optimeringsproblemer.

Skriftlig Eksamen DM507 Algoritmer og Datastrukturer

Skriftlig Eksamen Algoritmer og Datastrukturer (DM507)

DM507 Algoritmer og datastrukturer

Sortering af information er en fundamental og central opgave.

Opskriv følgende funktioner efter stigende orden med hensyn til O-notationen: (logn) 7 n 1/2 2 n /n 3 2logn n 2 /logn

Sortering. Eksempel: De n tal i sorteret orden

Divide-and-Conquer algoritmer

INSTITUT FOR DATALOGI, AARHUS UNIVERSITET. Det Naturvidenskabelige Fakultet EKSAMEN. Grundkurser i Datalogi

Opskriv følgende funktioner efter stigende orden med hensyn til O-notationen: n 7 n 1 7 7/n. 7nlogn. 7n 7nlogn n7

INSTITUT FOR DATALOGI, AARHUS UNIVERSITET EKSAMEN. Grundkurser i Datalogi. Algoritmer og Datastrukturer 1 (2003-ordning)

Søgning og Sortering. Søgning Linæer søgning Binær søgning Sortering Indsættelsessortering Flettesortering. Philip Bille

DM507 Algoritmer og datastrukturer

DATALOGISK INSTITUT, AARHUS UNIVERSITET. Det Naturvidenskabelige Fakultet EKSAMEN. Grundkurser i Datalogi

Opskriv følgende funktioner efter stigende orden med hensyn til O-notationen: 7 n 1/ log n. (log n) 4

DATALOGISK INSTITUT, AARHUS UNIVERSITET. Det Naturvidenskabelige Fakultet EKSAMEN. Grundkurser i Datalogi

Mindste udspændende træ

Søgning og Sortering. Philip Bille

Orienterede grafer. Introduktion Repræsentation Søgning Topologisk sortering og DAGs Stærke sammenhængskomponenter Implicitte grafer.

Transkript:

Philip Bille Nærmeste naboer. Vedligehold en dynamisk mængde S af elementer. Hvert element har en nøgle key[] og satellitdata data[]. operationer. PREDECESSOR(k): returner element med største nøgle k. SUCCESSOR(k): returner element med mindste nøgle k. INSERT(): tilføj til S (vi antager ikke findes i forvejen) DELETE(): fjern fra S. Nærmeste nabo Anvendelser. Søgning efter relateret data (typisk mange dimensioner). Rutning på internettet. 5 6 0 2 24 PREDECESSOR() k = SUCCESSOR()

Hægtet liste Løsning med hægtet liste. Gem S i en dobbelt-hægtet liste. head 66 54 96 6 4 PREDECESSOR(k): lineær søgning i listen efter element med største nøgle k. SUCCESSOR(k): lineær søgning i listen efter element med mindste nøgle k. INSERT(): indsæt i starten af liste. DELETE(): fjern fra liste. Tid. PREDECESSOR og SUCCESSOR i O(n) tid. INSERT og DELETE i O() tid. Plads. O(n). Binær søgning Løsning med sorteret tabel. Gem S i tabel sorteret efter nøgle. 2 4 5 6 7 6 4 54 66 96 PREDECESSOR(k): binær søgning i listen efter element med største nøgle k. SUCCESSOR(k): binær søgning i listen efter element med mindste nøgle k. INSERT(): lav ny tabel af størrelse + med tilføjet. DELETE(): lav ny tabel af størrelse - med fjernet. Tid. PREDECESSOR og SUCCESSOR i O(log n) tid. INSERT og DELETE i O(n) tid. Plads. O(n). Nærmeste nabo Datastruktur PREDECESSOR SUCCESSOR INSERT DELETE Plads hægtet liste O(n) O(n) O() O() O(n) binær søgning O(log n) O(log n) O(n) O(n) O(n)

Binært træ. Et binært træ er enten Tomt. En knude med to binære træer som børn. Binært søgetræ. Binært træ der overholder søgetræsinvarianten. Søgetræsinvariant (binary-search-tree property). Alle knuder indeholder et element. For alle knuder v: alle nøgler i venstre deltræ er key[v]. alle nøgler i højre deltræ er key[v]. v Repræsentation. Hver knude består af root key[] left[] null right[] parent[] (data[]) Plads. O(n) null null null null null null null key[v] key[v] null null Indsættelse INSERT(): start i rod. Ved knude v: hvis key[] key[v] gå til venstre. hvis key[] > key[v] gå til højre. hvis null, indsæt INSERT(9) 9

Indsættelse Indsættelse INSERT(): start i rod. Ved knude v: hvis key[] key[v] gå til venstre. hvis key[] > key[v] gå til højre. hvis null, indsæt Opgave. Indsæt følgende nøglesekvens i binært søgetræ: 6,,,, 2, 9, 4,, 7 INSERT(,v) if (v == null) return if (key[] < key[v]) left[v] = INSERT(, left[v]) if (key[] > key[v]) right[v] = INSERT(, right[v]) Tid. O(h) 9 Predecessor PREDECESSOR(k): start i rod. Ved knude v: k == key[v]: returner v. k < key[v]: fortsæt søgning i venstre deltræ. k > key[v]: fortsæt søgning i højre deltræ. Hvis der ikke findes knude i højre deltræ med nøgle k, returner v. key[v] v key[v]

Predecessor PREDECESSOR(v, k) if (v == null) return null if (key[v] == k) return v if (key[v] < k) return PREDECESSOR(left[v], k) t = PREDECESSOR(right[v], k) if (t null) return t else return v Tid. O(h) SUCCESSOR med tilsvarende algoritme i O(h) tid. key[v] v key[v] Sletning Sletning DELETE(): DELETE(): har barn: split ud. 0 børn barn

Sletning DELETE(): har barn: split ud. har 2 børn: find y = SUCCCESSOR(key[]). Split y ud og udskift y med 2 børn y Sletning DELETE(): har barn: split ud. har 2 børn: find y = SUCCCESSOR(key[]). Split y ud og udskift y med. Tid. O(h) y y Tid. PREDECESSOR, SUCCESSOR, INSERT og DELETE i O(h) tid. Højden h er afhængig sekvens af operationer. I værstefald er h = Ω(n). I gennemsnit er h = Θ(log n). Med balancerede søgetræer (2- træer, AVL-træer, rød-sorte træer,..) tager alle operationer O(log n) tid i værstefald. Plads. O(n). Nærmeste nabo Datastruktur PREDECESSOR SUCCESSOR INSERT DELETE Plads hægtet liste O(n) O(n) O() O() O(n) binær søgning O(log n) O(log n) O(n) O(n) O(n) binært søgetræ O(h) O(h) O(h) O(h) O(n) balanceret søgetræ O(log n) O(log n) O(log n) O(log n) O(n)

Trægennemløb Inorder gennemløb (inorder traversal). Besøg venstre deltræ rekursivt. Besøg knude. Besøg højre deltræ rekursivt. Inorder:,,,,,,, Udskriver knuderne i et binært søgetræ i sorteret rækkefølge. Tid. O(n) Trægennemløb Preorder gennemløb (preorder traversal). Besøg knude. Besøg venstre deltræ rekursivt. Besøg højre deltræ rekursivt. Tid. O(n) Preorder:,,,,,,, Trægennemløb Postorder gennemløb (postorder traversal). Besøg venstre deltræ rekursivt. Besøg højre deltræ rekursivt. Besøg knude. Postorder:,,,,,,, Tid. O(n)