提供网站建设教学视频推广软文范例

各种查找算法的效率

1. 顺序查找
   • 一般顺序表（没有顺序，随机排列）
     • 成功时平均查找长度：$\frac{1+...+n}{n}=\frac{n+1}{2}$
     • 失败时平均查找长度：$n$
   • 有序顺序表（按照递增或递减排列）
     
     • 成功时平均查找长度：$\frac{1+...+n}{n}=\frac{n+1}{2}$
     • 失败时平均查找长度：$\frac{1+2+...+n+n}{n+1}=\frac{n}{2}+\frac{n}{n+1}$
2. 折半查找（二分查找）
   • 用折半查找法找到给定值的比较次数不会超过树的高度（n个元素的树高为$\lceil lo{g}_2(n+1)\rceil$）
   • 成功时的平均查找长度：$ASL=\frac{1}{n}(1\times 1+2\times 2+3\times 4+...+h\times 2^{h-1}=\frac{n+1}{n}lo{g}_2(n+1)-1\approx lo{g}_2(n+1)-1$
   • 折半查找的时间复杂度为$O(lo{g}_{2}n)$
3. 分块查找（索引顺序查找）
   • 平均查找长度：$ASL=L_I+L_S$（$L_I$为索引查找的平均查找长度，$L_S$为块内查找的平均查找长度）
     • 如将长度为n的查找表均匀地分成b块，每块有s个记录，在等概率情况下，若在块内和索引表中均采用顺序查找，则平均查找长度为$ASL=L_I+L_S=\frac{b+1}{2}+\frac{s+1}{2}=\frac{s^2+2s+n}{2s}$。可见若$s=\sqrt{n}$，则平均查找长度取最小值$\sqrt{n}+1$
4. 树型查找
   • 二叉排序树（主要取决于树的高度）
     • 若二叉排序树的左右子树高度之差不超过1（即平衡二叉树），则平均查找长度为$O(lo{g}_{2}n)$
     • 若二叉排序树是一个只有左（右）孩子的单支树，则平均查找长度为$O(n)$
   • 平衡二叉树（查找过程与二叉排序树相同）
     • 平均查找长度为$O(lo{g}_{2}n)$
       • 因为含有n个节点的平衡二叉树的最大深度为$O(lo{g}_{2}n)$
   • 红黑树
     • 平均查找长度为$O(lo{g}_{2}n)$
   • B树和B+树
     
     
5. 散列表
   虽然散列表在关键字与记录的存储位置之间建立了直接映像，但由于冲突的产生，使得散列表的查找过程仍然是一个给定值和关键字进行比较的过程。因此仍需以平均查找长度作为衡量散列表的查找效率的度量。
   散列表的查找效率取决于三个因素：散列函数、冲突处理的方法和装填因子。
   直观的看，$\alpha$越大，表示装填的记录越满，发生冲突的可能性越大。

折半查找（二分查找）与二叉排序树的区别

二叉排序树与二分查找（折半查找）的查找过程相似，平均时间性能差不多。不同点如下：

1. 唯一性：二分查找的判定树唯一，而二叉排序树随着关键字插入顺序不同可能生成不同的二叉排序树
2. 插入和删除：二分查找的对象是有序顺序表，若有插入和删除节点的操作，所花的代价是$O(n)$；二叉排序树则无需移动节点，只需修改指针即可完成插入和删除操作
3. 适用于动态还是静态：当有序表是静态查找表时，宜用顺序表作为其存储结构，采用二分查找实现找操作；若有序表是动态查找表，应选择二叉排序树作为其逻辑结构

平衡二叉树和红黑树的区别

二者的查、插、删的时间复杂度都是$O(lo{g}_{2}n)$，区别如下：

1. 平衡二叉树的插入和删除很容易破坏平衡特性，故插/删后大都需要调整树的形态（计算平衡因子+找到最小不平衡树+LL/RR/LR/RL），这样一来时间开销就很大；而红黑树由于其特性，很多时候插入删除后并不会破坏红黑特性，即便需要调整一般也都可以在常数级时间内完成
2. 即虽然二者的插、删、查的时间复杂度都是$O(lo{g}_{2}n)$，但实际上红黑树的插入和删除性能更好一点，平衡二叉树的查找性能更好一点
3. 使用场景：平衡二叉树适用于以查为主、很少插入/删除的场景；红黑树适用于频繁插入、删除的场景，实用性更强

B树和B+树的区别

二者相同点是：除根节点外，最少$\lceil \frac{m}{2}\rceil$个分叉（确保节点不要太空）。任何一个节点的子树都要一样高（确保绝对平衡）