Structuri de date avansate pentru cautare

2-3 arbori B-arbori arbori bicolori Tabele hash Arbori digitali

2-3-arbori: definitie
orice nod intern v are 2 copii (este de aritate 2) sau 3 copii (este de aritate 3)

valStg p->stg

valStg valMij p->mij p->drp

subarbore subarbore stanga mijlociu

subarbore dreapta

2-3-arbori : definitie
pentru orice nod v de aritate 2, valorile memorate in subarborele stinga < vvalStg < valorile memorate in subarborele mijlociu

valStg

x < valStg

valStg < y

2-3-arbori : definitie
pentru orice nod v de aritate 3, valorile memorate in subarborele stinga < vvalStg < valorile memorate in subarborele mijlociu < vvalMijl < valorile memorate in subarborele dreapta

valStg valMij

x< valStg

valStg< y< valMij

valMij<z

2-3-arbori : definitie
toate nodurile de pe frontiera au acelasi nivel

h h

cautare in 2-3-arbore
function poz23Arb(t, a) begin p t while (p != NULL) do switch(cmp(a, p)) a < p->stg: p p->stg; break; p->stg < a < p->mij: p p->mij; break; p->drp < a: p p->mij; break; otherwise: return p; return p end

inserare in 2-3-arbore
35 80;

30; 60
10; 20 40; 50

100; 70; 90;

110; 120

80;
30; 60 40 10; 20 35; 50; 70; 90;

100;
110; 120

inserare 2-3-arbore (continuare)

80; 40

30;
10; 20 35; 50;

60;
70; 40; 80 90;

100;
110; 120

30; 10; 20 35; 50;

60; 70; 90;

100; 110; 120

inserare 2-3-arbore (continuare)

subprograme necesare radNoua(t, x, q)

creeaza o noua radacina cu cheia x t: intrare rad subarb. stg. iesire noua rad. q rad. subarb. drp poz23ArbMod(t, x, s) memoreaza drumul de la radacina la x in stiva s insInNod(p, x, q) insereaza x innodul p parametri sunt similari subprogramului radNoua() imparte(p, x, q) sparge un nod parametri sunt similari subprogramului insInNod()

inserare 2-3-arbore (continuare)

procedure ins23Arb(t, x) begin if (t == NULL) then radNoua(t, x, NULL) else p = poz23ArbMod(t, x, s) if (p == NULL) then throw x in t else q NULL while(true) do if (p->valMij = ) then insInNod(p, x, q); break imparte(p, x, q) if (p = t) then radNoua(t, x, q); break; else p = top(s); pop(s); end

stergere 2-3-arbore
daca elementul sters nu se afla intr-un de pe frontiera, atunci se poate interschimba cu un vecin aflat pe frontiera vecinul cu care face interschimbarea se poate face ca la arborii binari de cautare

asa ca putem considera numai cazul cand elementul care se sterge se afla pe frontiera

stergere 2-3-arbore
40; 80

30;
10; 20 35; 50;

60;
70; 40; 80 90;

100;
110; 120

30; 10; 20 35; 50; 60 90;

100; 110; 120

stergere 2-3-arbore: combinare

combina

40; 80 30; 100; 50; 60 90; 110; 120 80; 30; 40 100; 50; 60 90; 110; 120

10; 20

35;

10; 20

35;

stergere 2-3-arbore: rotatie

roteste dreapta

50; 80

30; 40

60;

100;

40; 80 30;

50;

100;

stergere 2-3-arbore
modifica p atat timp cat p are zero elemente && p nu e radacina fie r radacina lui p fie q fratele lui p (stg. sau drp. dupa caz) daca q este de aritate 3 atunci roteste altfel combina r devine p

Exercitiu: Sa se scrie procedura de stergere

Teorema Clasa 2-3-arborilor este O(log n)-stabila.

2-3-4-arbori
sunt generalizari ale 2-3 arborilor un nod intern poate avea 2, 3 sau 4 copii un nod cu 4 copiii va memora 3 chei se mentin proprietatile de arbore de cautare si aceeasi inaltime pentru toate nodurile de pe frontiera ca si in cazul celorlalti abori de cautare, exista doua moduri de implementare: elementele multimii memorate in nodurile interne (si frunze) elementele multimii doar in nodurile frunza (pe frontiera) inserarea se face tot prin spargerea nodurilor la momentul inserarii si propagarea spre radacina sau in timpul cautarii, fiecare nod plin este spart in doua

Arbori de cautare pe M-cai

generalizare de la 2-3 si 2-3-4 la M un nod poate avea n copii cu 2 <= n <= M numarul de chei memorate intr-un nod este n-1; cheile k1,..., kn-1 sunt ordonate crescator are proprietatea de arbore de cautare: elementele memorate in subarborele Ti sunt mai mici decat cheia ki elementele memorate in subarborele Ti+1 sunt mai mari decat cheia ki

B-arbori - motivatie
Un index ordonat este un fisier secvential. Pe masura ce dimensiunea acestuia creste, cresc si dificultatile de administrare un acces la disc este mult mai scump decat executia unei instructiuni ( 200,000 instructiuni) memoria secundara (discul) este divizata in blocuri egale (512, 1024, 2048 etc) o operatie I/O transfera un bloc scopul este de a minimiza numarul de accesari ale discului Solutia: indexarea pe mai multe nivele . un posibil instrument : B arborii (arbori de cautare multicai)

Organizarea pe nivele a indexului

B-arbori
sunt arbori de cautare pe M-cai cu proprietati presupunem ca M = 2f f = factorul de minimizare ordinul arborelui este 2f-1 fiecare nod intern are cel putin un numar de f-1 chei (f fii) si cel mult 2f-1 chei (2f fii) doar radacina poate avea mai putin de f fii lungimea oricarui drum de la radacina la o frunza trebuie sa fie aceeasi (generalizeza 2-3 si 2-3-4 arborii)

B-arbore: structura unui nod

Optimizarea accesului la disc

Daca fiecare nod necesita accesarea discului atunci B-arborii vor necesita numar minim de astfel de accesari Factorul de minimizare va fi ales astfel incat dimensiunea unui nod sa corespunda unui multiplu de blocuri ale dispozitivului de memorare Aceasta alegere optimizeaza accesarea discului Inaltimea h a unui B-arbore cu n > 0 chei si f > 1 este h <= logf[(n+1)/2]

B-arbori: cautarea
cauta in nodul curent daca nu gaseste, cuta in subarborele care corespunde intervalului la care apartine cheia function B-Tree-Search(v, k) i 0; while (i < v->nrChei k > v->cheie[i]) do

i i + 1 if (i <= v->nrChei k = v->cheie[i] ) then return (v, i) if (v->tipNod = frunza) then return NULL citesteDisk(v->fiu[i]) return B-Tree-Search(v->fiu[i], k)
end

B-arbori: insertia
Pentru a efectua o insertie intr-un B-arbore trebuie intai gasit nodul in care urmeaza a se face insertia. Pentru aceasta se aplica un algoritm similar cu BTreeSearch. Apoi cheia urmeaza a fi inserata Daca nodul determinat anterior contine mai putin de 2f1chei se face inserarea Daca acest nod contine 2f-1 chei urmeaza spargerea acestuia Procesul de spargere poate continua pana in radacina Pentru a evita doua citiri de pe disc ale aceluiasi nod, algoritmul sparge fiecare nod plin (2f-1 chei) intalnit la parcurgea top-down in procesul de cautare a nodului in care urmeaza a se face inserarea Timpul de spargere a unui nod este O(f) Rezulta pentru insertie complexitatea timp O(f log n)

B-arbori: eliminarea
daca nodul gazda a cheii ce urmeaza a fi stearsa nu este frunza, atunci se efectueaza o interschimbare intre acesta si succesorul sau in ordinea naturala a cheilor. Se repeta operatia pana se ajunge intr-o frunza, care devine nod curent; se sterge intrarea corespunzatoare cheii; daca nodul curent contine cel putin f-1 chei, operatia de stergere se considera terminata; daca nodul curent contine mai putin decat f-1 chei se considera fratii vecini; daca unul din fratii vecin are mai mult decat f-1 chei, atunci se redistribuie una dintre intrarile acestui frate in nodul parinte si una din intrarile din nodul parinte se redistribuie nodului curent (deficitar); daca ambii fratii au exact f-1 chei, atunci se uneste nodul curent cu unul dintre fratii vecini si cu o intrare din parinte; daca nodul parinte devine deficitar (contine mai putin decat f1 chei) acesta devine nod curent si se reiau pasii de mai sus.

Arbori bicolori
un arbore bicolor este caracterizat de urmatoarele proprietati: sint arbori binari de cautare in care nodurile pendante (coresp. intervalelor) fac parte din structura fiecare nod este colorat cu negru sau rosu toate nodurile de pe frontiera sint negre daca un nod este rosu atunci ambii fii ai acelui nod sint negri pentru orice nod v, toate drumurile simple care pleaca din acel nod si se opresc intr-un nod de pe frontiera, au acelasi numar de noduri negre

Exemplu de arbore bicolor

70

40 20 50 60 80 90

100 110

arbori bicolori - proprietati

Notatie bh(x) = numarul de noduri negre aflate pe un drum din x pe frontiera (x nu se considera) bh(x) nu depinde de drum (ultima conditie)
Lema

Subarborele cu radacina in x contine cel putin

bh( x )

noduri interne. Teorema Inaltimea unui arbore bicolor este cel mult 2log(n + 1). Teorema Arborii bicolori sint echilibrati.

arbori bicolori - inserare

11
2 1 5 x 7 8 y 14
unchiul lui x

15

4
recolorare

arbori bicolori - inserare

11
2 1 5 7 x 8 14 y

unchiul lui x

15

4
roteste stanga

arbori bicolori - inserare

11
7 x 2 1 4 5 8 14 y

unchiul lui x

15

roteste dreapta

arbori bicolori - inserare

7

11

14

4
recoloreaza

15

arbori bicolori - inserare

7

11

14

15

Discrepanta SSr
A B C A D

unchiul lui C

unchiul lui C

B
x C

Daca bunicul e radacina, devine negru

Discrepanta SDr
A B C A D

unchiul lui C

unchiul lui C

B
C

Daca bunicul e radacina, devine negru

Discrepanta SSn
A B C B A D D

unchiul lui C

B C

A
D

Discrepanta SDn
A B C C A D D

unchiul lui C

C B

A
D

arbori bicolori - inserare

se considera si transformarile simetrice ...

arbori bicolori - stergere

nodul sters are cel mult un fiu (daca nu se face o interschimbare cu un vecin din lista ordonata) daca nodul sters este rosu, arborele ramane unul bicolor daca nodul sters este negru si are un fiu rosu, atunci acesta (fiul) se recoloreaza cu negru in celelalte cazuri avem o discrepanta ce trebuie rezolvata (a se vedea slide-urile urmatoare) Legenda: D sau S dau pozitia nodului sters (Dreapta sau Stanga) n sau r dau culoarea nodului frate 0, 1sau 2 da numarul de fii/nepoti rosii ai nodului frate

arbori bicolori stergere discrepanta Dn0

nodul sters este Dreapta, fratele negru care are ambii copii negri

A B

copiii lui B

arbori bicolori stergere discrepanta Dn1

nodul sters este Dreapta, fratele negru care are un copil rosu si unul negru

A B

copiii lui B

arbori bicolori stergere discrepanta Dn1

nodul sters este Dreapta, fratele negru care are un copil rosu si unul negru

A B

B
C
copiii lui B

arbori bicolori stergere discrepanta Dn2

nodul sters este Dreapta, fratele negru care are ambii copii rosii

A B

B
C
copiii lui B

arbori bicolori stergere discrepanta Dr0

nodul sters este Dreapta, fratele rosu care are toti nepotii negri

A B

arbori bicolori stergere discrepanta Dr1

nodul sters este Dreapta, fratele rosu care are un nepot rosu

A B

B
C

nepotii lui B

arbori bicolori stergere discrepanta Dr1

nodul sters este Dreapta, fratele rosu care are un nepot rosu

A
B B C C D
nepotii lui B

arbori bicolori stergere discrepanta Dr2

nodul sters este Dreapta, fratele rosu care are doi nepoti rosii

A
B B C C D
nepotii lui B

Hashing (dispersie) Tipul de data abstract TabelaDeSimboluri entitati de tip data: o colectie de perechi (nume, atribute) in care numele identifica unic perechea operatii: Atribut(TS, nume) cauta numele in tabela TS numele nume si intoarce atributele acestuia (daca il gaseste) Insereaza(TS, nume, atribut)- insereaza in tabela TS perechea (nume, atribut) Elimina(TS,nume) cauta in tabela TS numele nume si daca-l gaseste il elimina impreuna cu atributele sale.

Hashing (dispersie)
Implementarea prin tehnica dispersiei structura de date o tabela (hash sau de dispersie) T[0..p-1] cu p numar prim de obicei o functie hash h: mult. numelor [0..p-1]
0 1 2 3 4 5 6 curs

[curgere, mergere, expunere]

(curs, [curgere, mergere, expunere]) nume = curs valoare = [curgere, mergere, expunere] h(curs) = 2

Hashing (continuare I)
operatii cautarea i = h(nume) if (T[i] ) then return T[i]->atrib inserarea i = h(nume) if (T[i] ) then throw ERR: coliziune else T[i]->atrib atribut eliminarea i = h(nume) if (T[i] ) then T[i]

Alegerea functiei hash

modul h(x) = x % p

0 1 2 3 4 5 6 35 18

h(18) = 18 % 8 = 2 h(35) = 35 % 8 = 5 h(58) = 58 % 8 = 2 ???

Alegerea functiei hash

folding h(64747488286) = (647+4748+8286) % 8 = 5

0 1 2

3
4 5 64747488286 6 7

Alegerea functiei hash

binning domeniul cheilor: 0..1000 dimensiunea tabelei: 10 h(x) = 0, 0 <= x < 100 h(x) = 1, 100 <= x < 200

0 1

h(218) = 2

2
3 4

218

Alegerea functiei hash

cazul cand cheia x este sir: suma codurilor ASCII
int h(String x, int p) { char ch[]; ch = x.toCharArray(); int xlength = x.length(); int i, sum; for (sum=0, i=0; i < x.length(); i++) sum += ch[i]; return sum % p; }

x = prelegere, sum = 955, p = 8, h(x, p) = 3 x = aaaabbbb, sum = 780, p = 8, h(x, p) = 4 x = abababab, sum = 780, p = 8, h(x, p) = 4

Alegerea functiei hash

cazul cand cheia x este sir: suma a cate 4 octeti
long sfold(String s, int M) { int intLength = s.length() / 4; long sum = 0; for (int j = 0; j < intLength; j++) { char c[] = s.substring(j * 4, (j * 4) + 4).toCharArray(); long mult = 1; for (int k = 0; k < c.length; k++) { sum += c[k] * mult; mult *= 256; } }

Alegerea functiei hash (cont.)

char c[] = s.substring(intLength * 4).toCharArray(); long mult = 1; for (int k = 0; k < c.length; k++) { sum += c[k] * mult; mult *= 256; } return(Math.abs(sum) % p); }

x = prelegere, sum = 13238595, p = 8, h(x, p) = 3 x = aaaabbbb, sum = 12779715, p = 8, h(x, p) = 3 x = abababab, sum = 12714189, p = 8, h(x, p) = 4

Alegerea functiei hash

cazul cand cheia x este sir:
int h(String x, int p) { char ch[]; ch = x.toCharArray(); int xlength = x.length();
int i, sum; for (sum=0, i=0; i < x.length(); i++) sum = (sum << 5) + ch[i]; return sum % p; }

Distributia cheilor
demo: http://research.cs.vt.edu/AVresearch/hashing/

Hashing (continuare III)

coliziunea inlantuire (demo) numarul mediu de comparatii in cazul cautarilor cu succes = 1 + b/2, unde b = #S/p este factorul de incarcare al tabelei (demonstratia pe tabla) adresare deschisa liniara (demo) se cerceteaza pe rind pozitiile h(x,i), i = 0,1,2, ... unde h(x,i) =(h1(x)+i) % p numarul mediu de comparatii in cazul cautarilor FARA succes = 1/(1-b) numarul mediu de comparatii in cazul cautarilor CU succes = (1 + 1/(1-b))

Arbori digitali
se mai numesc si structuri trie (de la information retrieval) cautarea depinde de lungimea cheii salveaza spatiu prin memorarea o singura data a prefixelor comune spatiul de cautare este micsorat dinamic pe masura parcurgerii cheii utile, de exemplu, la memorarea dictionarelor

Arbori digitali - I
Cazul cheilor de aceeasi lungime S = {102, 120, 121, 210, 211, 212}

Arbori digitali - II
algoritmul de cautare

function poz(a, m, t) i 0 p t while ((p != NUL) && (i<m)) do p succ[a[i]] i i+1 return p end

Arbori digitali - III

Cazul cheilor de lungime diferita

Arbori digitali - IV
compactarea lanturilor

Arbori digitali - V
Inserarea lui 0111 in structura compactata

Arbori digitali - VI
Eliminarea lui 1011 in structura compactata