数据结构实验三BST动态查找表Word下载.docx

1、3 查找成功，查找次数4100 查找成功，查找次数519查找失败只有左子树的情况 100 1 12 35 43 95 54 82 78 93 /10个数据1235 95 错误的节点数输入-2 /BST的节点个数错误的结点数输入错误的结点值的输入（字母）10 /BST的结点个数 1 q 2 3 4 5 6 7 8 9 /10个数据无效的结点输入错误的结点值的输入（负数） 1 -2 2 3 4 5 6 7 8 9 /10个数据 输出：二叉树中任意结点的值大于左节点的值，小于右节点的值，满足BST树的性质，所以用BST树来实现。二概要设计1.抽象数据类型 二叉树中任意结点的值大于左节点的值，小于右节

2、点的值，满足BST树的性质，同时本题在建树时需要大量的插入操作，运用链式结构比较方便，所以用链式结构的二叉树来满足BST树的构建。 2.ADT二叉树的ADT：数据对象D：D是BinNode类的数据元素的集合数据关系R：若D为空集，则称为空树 。否则: （1） 在D中存在唯一的称为根的数据元素root； （2） 当n1时，其余结点可分为m （m0）个互不相交的有限集T1, T2, , Tm，其中每一棵子集本身又是一棵符合本定义的树，称为根root的子树。基本操作： bool InitBST（BST *b） /初始化二叉树 bool InitBSTNode（BSTNode * &n）/初始化节点b

3、ool clearBST（BSTNode * &n） /销毁BST结点的ADT数据对象：包含结点的值，同时包含结点的左右指针数据关系：每个结点都有各自的值 若结点左右指针为空，则该节点称为叶子结点/结点的初始化BinNodePtr（）lc=rc=NULLBinNodePtr（Elem e,BinNodePtr* l=NULL;BinNodePtr* r=NULL）it=e;lc=l;rc=r;/判断是否是叶子结点bool isleaf（）return（lc=NULL）&（rc=NULL）;3.算法的基本思想 构建BST树：输入节点数后，依次输入每个结点的值，将第一个结点作为根结点，插入一个数，

4、这个数与根节点先比较，若小于则再与根结点的左子树相比较，若大于则与根节点的右子树相比较。比较时，若小于根结点且根结点的左子树为空，则这个数为根结点左子树的值，若小于根结点又大于根结点的左子树，则运用指针将根结点的左指针指向这个值得地址，这个值地址的指针再指向原来根结点左子树；大于的情况同理。 查找：设置一个计数器，每查找一次则加一。从根节点开始，在BST中检索值K。如果根节点存储的值为K，则检索结束。如果不是，必须检索数的更深的一层。BST的效率在于只需检索两棵子树之一。如果K小于根节点的值，则只需检索左子树；若果K结点大于根结点的值，则检索右子树。这个过程一直持续到K被知道或者遇到一个叶子结

5、点为止。如果叶子结点仍没有发现K，那么K就不在BST中。4.程序的流程程序由三个模块组成：输入模块：输入结点数目初始数据，构建二叉查找树查找模块：判断需要查找的值是否在该BST中输出模块：输出查找成功与否，并输出比较的次数3、详细设计1.物理数据类型动态查找表的数据为小数或整数，用float类型保存。树的ADT具体实现/初始化二叉树 bool InitBST（BST *b） b-root = NULL; return true; /销毁BSTn） if （n） return false; if （n-lchild） clearBST（n-lchild）;rchild）rchild）; free

6、（n）;/初始化节点n） n = （BSTNode *）malloc（sizeof（BSTNode）; n-lchild = NULL;rchild = NULL;结点的ADT具体实现BinNodePtr（）lc=rc=NULL/结点的初始化bool isleaf（）2.算法的具体步骤结点输入操作：先输入结点数，在输入每个结点的值，通过循环调用insert函数将每个结点进行插入cout BST结点数目： n;for （int i = 0; i pi; if （pi = 0） cout root = NULL） b-root = n; return true;之后结点的插入：插入一个数，这个数与

7、根结点先比较，若小于则再与根结点的左子树相比较，若大于则与根节点的右子树相比较。while （1）/循环比较 if （edata）/小于根节点则插入左子树 if （m-lchild = NULL） m-lchild = n;/给左孩子赋值 return true; lchild != NULL&elchild-data） n-lchild = m-lchild; else m = m- continue; else/大于根节点则插入右子树rchild = NULL）rchild = n; /给右孩子赋值 rchild !erchild = m-rchild; else m = m-完整的ins

8、ert插入操作：插入元素e时，先判断该二叉树是否为空，若为空，将e作为该二叉树的根节点。否则，从根节点开始，比较e与节点n的大小。如果e的值更小，判断n的左子树是否为空，若为空，将e作为节点n的左孩子并返回e，否则比较e与n左孩子的值，依此循环下去；如果e的值更大，判断n的右子树是否为空，若为空，将e作为节点n的右孩子并返回e，否则比较e与n右孩子的值，依此循环下去。bool insert（BST *b, ElemType e）/把结点插入BST BSTNode *n, *m; InitBSTNode（n）;data = e; if （b- m = b-root; while （1）/循环比较

9、continue;find查找操作，查找元素时，从根节点开始，比较e与节点x的大小，若相等，返回true；如果e比节点x的值小，判断x的左子树是否为空，若为空，返回false，不为空则比较e与x左孩子的值，依次循环下去；如果e比节点x的值大，判断x的右子树是否为空，若为空，返回false，不为空则比较e与x右孩子的值，依次循环下去。bool find（BST *b, ElemType e） /查询元素e，记录比较的次数查询成功返回true，否则返回false int count = 0; BSTNode *x = b- count+;/设置计数器x-data）/小于根节点则在左子树中查找 if

10、 （x- cout 查找失败,查找次数： count /继续与左孩子的值比较 if （edata） /大于根节点则在右子树中查找/右子树为空则查找失败/继续与右孩子的值比较 if （e = x-查找成功,查找次数： /cout count; return true; 3.算法的时空分析 查找元素需要的比较次数由树的深度决定查找，最好时间复杂度O（logN），最坏时间复杂度O（N）（只有左子树或右子树的情况）。4.输入和输出的格式输入BST结点数 /等待输入 cout BST结点数：输入BST结点数据BST节点数据： /等待输入输入要查找的数据 输入要查找的数据（输入-1结束查找） m;若BST

11、结点数目输入错误：输出 “无效的结点数目输入”if （n cout 无效的结点数目输入 system（若BST节点数据输入错误：输出 “无效的结点输入”if （pi 查找失败，查找次数： if （x-四调试分析 1.本程序会将第一个输入的值作为root，如果第一个值输入过大，导致所有数据都被存放进左子树，导致树的长度n过长，接下来的查找效率过低，因为最好在输入前就大致考虑一下中间值是多少，尽量避免树过长。 2.一开始insert函数并没有考虑太多，后来发现再输入节点的值时有限制，必须输入比之前输入所有节点值的最小值还小，或者比之前输入最大值还要大。举例 输入3142，此程序生成的树为 3 /

12、1 4,此时insert（2）只能接在1后面，错误，错误结果如下经过修改，3的左指针指向2,2的左指针指向15测试结果第一组：输入节点数10节点数据 50 1 3 2 78 65 100 59 43 18结果正确第二组：第三组：第四组:第五组：6、用户使用说明本程序会将第一个数作为root，所以输入前大致想好范围，第一个数尽量输入中间值，可以减少查找的时间复杂度7试验心得1.试验刚开始考虑过先将输入的数进行排序，后来觉得冒泡排序对时间复杂度的影响是O（n2）,远大于查找最大时间O（n ）,于是放弃，本程序通过BST树，极大的优化了时间复杂度，数据结构的魅力也就在此。2.由于对时间复杂度的不满意

13、，查阅了有关最优二叉查找树资料3.动态规划方法生成最优二叉查找树 （参考CSDN） 基于统计先验知识，我们可统计出一个数表（集合）中各元素的查找概率，理解为集合各元素的出现频率。比如中文输入法字库中各词条（单字、词组等）的先验概率，针对用户习惯可以自动调整词频所谓动态调频、高频先现原则，以减少用户翻查次数。这就是最优二叉查找树问题：查找过程中键值比较次数最少，或者说希望用最少的键值比较次数找到每个关键码（键值）。为解决这样的问题，显然需要对集合的每个元素赋予一个特殊属性查找概率。这样我们就需要构造一颗最优二叉查找树。n个键a1,a2,a3.an,其相应的查找概率为p1,p2,p3.pn。构成最

14、优BST,表示为T1n ，求这棵树的平均查找次数C1, n（耗费最低）。换言之，如何构造这棵最优BST，使得C1, n 最小。动态规划法策略是将问题分成多个阶段，逐段推进计算，后继实例解由其直接前趋实例解计算得到。对于最优BST问题，利用减一技术和最优性原则，如果前n-1个节点构成最优BST，加入一个节点an后要求构成规模n的最优BST。按 n-1, n-2 , . , 2, 1 递归，问题可解。自底向上计算：C1, 2?C1, 3 ?. ?C1, n。为不失一般性用Ci, j 表示由a1,a2,a3.an构成的BST的耗费。其中1=i =j =n。这棵树表示为Tij。从中选择一个键ak作根节

15、点，它的左子树为Tik-1，右子树为Tk+1j。要求选择的k 使得整棵树的平均查找次数Ci, j最小。左右子树递归执行此过程。（根的生成过程）递推计算式基本算法8附录#includestdlib.husing namespace std;#includealgorithmtypedef float ElemType;typedef struct BSTNode ElemType data; struct BSTNode *lchild, *rchild;BSTNode;typedef struct BST BSTNode *root;BST;bool InitBST（BST *b） /初始化二叉树n） /初始化节点void main（） int n, m = 0, count; BST b; InitBST（&b）;