algoritmer och datastructurer - sökträd, naiva och balancerade lösningar -hashtable
DESCRIPTION
Algoritmer och datastructurer - Sökträd, naiva och balancerade lösningar -HashTable -- Kapitel 19, 20. Speciella träd -Binära Sökträd. Har ordnade element Mindre värde till vänster Högre värde till höger. 7. 2. 9. 11. 1. 5. 3. Är det ett sökträd?. 7. 2. 9. 11. 1. 5. 8. 3. - PowerPoint PPT PresentationTRANSCRIPT
För utveckling av verksamhet, produkter och livskvalitet.
Algoritmer och datastructurer-Sökträd, naiva och balancerade lösningar
-HashTable-- Kapitel 19, 20.
Algoritmer och datastructurer-Sökträd, naiva och balancerade lösningar
-HashTable-- Kapitel 19, 20.
För utveckling av verksamhet, produkter och livskvalitet.
Speciella träd -Binära Sökträd
7
2
3
9
1151
Har ordnade element Mindre värde till vänsterHögre värde till höger
För utveckling av verksamhet, produkter och livskvalitet.
Är det ett sökträd?
7
2
3
9
1151
8
För utveckling av verksamhet, produkter och livskvalitet.
Implementation – noden
3
class Node <AnyType>{ AnyType element; Node left; Node right; Node( AnyType data) { element=data; left=right=null; }}
För utveckling av verksamhet, produkter och livskvalitet.
...och BinarySearchTree
public class BinarySearchTree <AnyType extends
Comparable<? super AnyType> > { Node <AnyType> root; public BinarySearchTree() { root=null; } -public void insert -public nbrOfNodes -public remove -public find , findMin, findMax}
För utveckling av verksamhet, produkter och livskvalitet.
Insert ()
7
2
3
9
1151
6
För utveckling av verksamhet, produkter och livskvalitet.
Insert ()
7
2
3
9
1151
6
För utveckling av verksamhet, produkter och livskvalitet.
Insert ()
7
2
3
9
1151
6
För utveckling av verksamhet, produkter och livskvalitet.
Insert ()
7
2
3
9
1151
6
För utveckling av verksamhet, produkter och livskvalitet.
BinarySearchTree-insert (Comparable x)
public void insert ( Comparable x){ root = isert(x, root);}
public BinaryNode insert( Comparable x, BinaryNode t){ if(t==null) t= new BinaryNode(x); else if ( x.compareTo(t.element)<0) t.left=findPlaceAndLink(x, t.left); else if (x.compareTo(t.element)>0) t.right=findPlaceAndLink(x, t.right); else throw new DuplicateException(" No dublicates"); return t;
}
För utveckling av verksamhet, produkter och livskvalitet.
Binära Sökträd – metoden find()-mycket kort söktid
För utveckling av verksamhet, produkter och livskvalitet.
Binära Sökträd – metoden findMax()-mycket kort söktid
För utveckling av verksamhet, produkter och livskvalitet.
BinarySearchTree-find( )
public String find ( Comparable x){ BinaryNode n= findNode( x, root); if(n==null) return null; else return n.element;
}
public BinaryNode findNode( Compare x, BinaryNode t){ while( t!=null) { if(x.compareTo(t.element)<0) t=t.left; if(x.compareTo(t.element)>0) t=t.right; else return t ; // hittat!! }return null; // inte hittat !! }
För utveckling av verksamhet, produkter och livskvalitet.
Remove ()
7
2
3
9
1151
a) Om noden är löv
För utveckling av verksamhet, produkter och livskvalitet.
Remove ()
7
2
3
9
1151
b) Om noden har ett barn
För utveckling av verksamhet, produkter och livskvalitet.
Remove ()
7
2
3
9
1151
4
c) Om noden har två barn
3
Ersätt värdet i noden med den minsta värdet i i det högra delträdet och sedan ta bort den noden
För utveckling av verksamhet, produkter och livskvalitet.
Farliga specialfall! Trädet blir en länkad lista
För utveckling av verksamhet, produkter och livskvalitet.
Lösningen? Balancerade träd
• Hur ? Försök hålla djupet av trädet så lågt som möjligt.
För utveckling av verksamhet, produkter och livskvalitet.
Hur?
• Olika tekniker att balancera • AVL Träd• Red Black Träd• AA Träd
För utveckling av verksamhet, produkter och livskvalitet.
Balancerad Search Trees – AVL
12
8 16
14104
2 6
Ett träd är balancerad om höjdskillnaden mellan den vänstra delträdet och den högra delträdet är maximum 1.
HR=1HL=2
HL– HR = 2 – 1 = 1
För utveckling av verksamhet, produkter och livskvalitet.
Balanced Search Trees – AVL
12
8 16
14104
2 6
HL=1
HL– HR = 1 – 0 = 1
HR=0
Ett träd är balancerad om höjdskillnaden mellan den vänstra delträdet och den högra delträdet är maximum 1.
För utveckling av verksamhet, produkter och livskvalitet.
BST: AVL – Balanced?
128 16
104
2 6
1
14
insert
För utveckling av verksamhet, produkter och livskvalitet.
BST: AVL – Rotation höger
A
k1
B
C
k2
A B C
k1
k2
För utveckling av verksamhet, produkter och livskvalitet.
BST: AVL – Rotate right
10
12
16
14
k2
8
4
2 6
1
k1
För utveckling av verksamhet, produkter och livskvalitet.
BST: AVL – Rotation vänster
A
k1
B C
k2
A
B
C
k1
k2
För utveckling av verksamhet, produkter och livskvalitet.
AA – Träd
En ny nod skapas alltid som löv och har nivå 1.
En horizontal länk är en förbindelase med en nod med samma nivå. .
Två horisontala länkar är inte tilllåtna. Split!
5 6
5 76
4 1
5
6
7
2
1 1
För utveckling av verksamhet, produkter och livskvalitet.
Vänster länk är inte tilllåten
I det fallat gör – screw!
AA – Träd
4 5
4 5
För utveckling av verksamhet, produkter och livskvalitet.
AA – Träd : Operation split()
A
10 2015
B
15
2010
A B
För utveckling av verksamhet, produkter och livskvalitet.
AA – Träd : Operation skew()
A
10 15
B c
1510
A B c
För utveckling av verksamhet, produkter och livskvalitet.
Hash Tabeller?
• Varför en annan datastruktur?
• Konstant tid för både insert- och find- operationer
För utveckling av verksamhet, produkter och livskvalitet.
Hash?
Insert
”Daniel”=18
Find
För utveckling av verksamhet, produkter och livskvalitet.
Hashfunktioner!
• Hash functioner använder associerade “key” ( som kan vara data i sig ) .
• Hash funktionerna är olika för olika sorts data. • Integers• Images• StringsEtc…
För utveckling av verksamhet, produkter och livskvalitet.
Hashing integers?
• Tänk 16bit int => 0 – 65 535• Skapa int[] vec = new int[65536];• Add i => vec[i]++;• Sök value j => Is vec[j] > 0?• Ta bort value k => vec[k]--;• Men för en ... Java int : 32bit
• 4 billion items => impractical!
För utveckling av verksamhet, produkter och livskvalitet.
Exempel av hash funktion
DD aa nn ii ee ll
”Daniel”
68 97 110 105 101 108+ + + + + = 589
För utveckling av verksamhet, produkter och livskvalitet.
Men...
• Hur unik är den?• hashfunc(”Daniel”) → 589• hashfunc(”leinaD”) → 589
• Bättre lösning men….!• hashfunc(”TestValue”) → 129310392• Wrapp värdet till ett visst intervall
• Vilken? Arraystorleken…
För utveckling av verksamhet, produkter och livskvalitet.
En bättre hash funktion
• Ett bättre sätt att beräkna hash värdet • Om vi har en text sträng av längd n+1 och alla tecken har
index An, An-1,...,A0
• gör s = AnXn + An-1Xn-1 +...+ A0X0 =
• = ((An)X + An-1)X +...+ A0
• Använd hashValue = s % array.length
För utveckling av verksamhet, produkter och livskvalitet.
Och då......
• For example: ”Danne”
(((’D’)128 + ’a’)128 + ’n’)128 + ’n’)128 + ’e’ =
(((68)128 + 97)128 + 110)128 + 110)128 + 101 =
18 458 851 173
hashValue = 18 458 851 173 % array.length
om length = 7919 (prim nummer) =>
hashValue = 18 458 851 173 % 7919 =2690
För utveckling av verksamhet, produkter och livskvalitet.
Hur löser man kollision?
• Oavsett hur unika keys en hash- funktionen tar fram, kommer kollisioner alltid att inträffa.
• Terminology• Load factor
positions avaliable total#
positions used#LF
För utveckling av verksamhet, produkter och livskvalitet.
Lösningar
• Linear probing ( undersökning ??)• Quadratic probing• Double hashing• Separate chaining
För utveckling av verksamhet, produkter och livskvalitet.
Linear probing
• Sök fram till näst lediga platsen.
hashfunc( )
101818
X=18 X+1, X+2, X+3, X+4, X+5, ...
För utveckling av verksamhet, produkter och livskvalitet.
Linear probing
• Fenomen kallat: Primary clusters
För utveckling av verksamhet, produkter och livskvalitet.
Linear probing
• Bygger upp kluster• Påverkar exekveringstiden för insert () och find()!
För utveckling av verksamhet, produkter och livskvalitet.
Quadratic probing
• Försök undvika“primary clusters “• Snabbare än linjär probing• Kvadratisk inkrementation av undersöknings-avståndet
X=18 X+12, X+22, X+32, X+42, X+52, ...
För utveckling av verksamhet, produkter och livskvalitet.
Quadratic probing
• Garantera att hitta fria platser om de finns
12 = 122 = 432 = 9
För utveckling av verksamhet, produkter och livskvalitet.
Double hashing
• Använder ytterligare en till hash funktion för att hitta fri plats.
X = hash(obj);X2 = hash2(obj);
X=18, X2=7 X+1*X2, X+2*X2, X+3*X2, X+4*X2, ...
X=18, X2=7 18+1*7, 18+2*7, 17+3*7, 18+4*7, ...
För utveckling av verksamhet, produkter och livskvalitet.
Separate chaining
• Varje hash-position har en länkad lista. • Påverkar inte andra värdet, probing görs bara i listan. • Varje element i tabellen är en länkad lista.
För utveckling av verksamhet, produkter och livskvalitet.
Separate chaining
HH HH HH HH HH HH HH HH HHInsertInsertInsert
För utveckling av verksamhet, produkter och livskvalitet.
Jämförelse
• Linear probing• Enkel• Kan resultera i linjär söktid
• Quadratic probing• Kräver Load factor < 0.5 annars rehashing ??• Kräver primtal för array storleken
• Separate chaining• LF < 1• Ingen dubblering, länkade listor är dynamiska !• Kan leda till linjär sökning men i verklighetet ganska
kort • Double hash probing
• Eliminerar kluster
För utveckling av verksamhet, produkter och livskvalitet.
Hash tabeller i java
• I klassen java.util finns klassen HashMap<K,V> som implementerarinterfacet Map<K,V>.
public int hashCode() och public boolean equals(Object x)
så att man får identisk hashkod för objekt som är lika enligt metodenequals.Anm: För flera av Javas egna klasser är detta redan gjort. T exklassen String.
För utveckling av verksamhet, produkter och livskvalitet.
Använding av HashMap
• Antag vi vill vill sätta in Person-objekt i en hashtabell, med nyckel= personens namn:
class Person {String name; // namnlong pNbr; // personnummer
public Person(String n, long pnbr) {...}public boolean equals(Object rhs) {return name.equals(((Person) rhs).name);}// andra metoder i klassen Person}
För utveckling av verksamhet, produkter och livskvalitet.
Använding av HashMap
HashMap<String,Person> reg = new HashMap<String,Person>();Person p = new Person("Kalle", 1111111111);reg.put(p.name, p);...Person q = reg.get("Kalle");if (q != null) {...}Observera att vi här inte själva behöver omdefiniera hashCodeeftersom nycklarna är av typen String, och i denna klass är redanhashCode omdefinierad ( så att strängar för vilka equals ger trueockså får samma hashkod).
För utveckling av verksamhet, produkter och livskvalitet.
Användning av HashSet• Om vi vill sätta in Person-objekt i en samling av typen HashSet<Person> och
gör så här:
HashSet<Person> reg = new HashSet<Person>();Person p = new Person("Kalle", 1111111111);reg.add(p);...if (reg.contains(new Person("Kalle",0))System.out.println("found");elseSystem.out.println("not found");så blir utskriften ”not found”
För utveckling av verksamhet, produkter och livskvalitet.
• Anledningen är att när Kalle sätts in beräknas hashkoden förobjektet som p refererar till och placeringen i tabellen beror pådenna.• När vi sedan söker efter Kalle baseras sökningen på hashkodenav det objekt som är parameter till contains-metoden och dettaär ett annat objekt (med samma namn).• Sökningen utgår från den plats denna senare hashkod anger ochmed största sannolikhet är det i en helt annan del av tabellen änden där Kalle sattes in.
Användning av HashSet
För utveckling av verksamhet, produkter och livskvalitet.
hashCode-metod
• Vi kan se till att alla Person-objekt som har samma namn ocksåfår samma hashkod genom att omdefiniera metoden hashCode iklassen Person:
class Person {String name; // namnlong pNbr; // personnummer
public Person(String n, long pnbr) {...}public boolean equals(Object rhs) {som förut}public int hashCode() {return name.hashCode();}// övriga metoder i klassen Person}