Διαβάζω Δομές δεδομένων για προχωρημένους από τον Peter Brass.
Στην αρχή του κεφαλαίου στα δέντρα αναζήτησης, δήλωσε ότι υπάρχουν δύο μοντέλα δέντρων αναζήτησης - ένα όπου οι κόμβοι περιέχουν το πραγματικό αντικείμενο (η τιμή εάν το δέντρο χρησιμοποιείται ως ένα λεξικό), και μια άλλη, όπου όλα τα αντικείμενα αποθηκεύονται σε φύλλα και εσωτερικούς κόμβους είναι μόνο για συγκρίσεις.
Ποια είναι τα πλεονεκτήματα του δεύτερου μοντέλου κατά το πρώτο;
και την αποθήκευση πληροφοριών αντικείμενα στους κόμβους, μιλάμε σε περίπτωση που για ένα trie αυτό, είναι χρήσιμο για γρήγορη retrival των πληροφοριών (πιο γρήγορα από ό, τι την αποθήκευση πράγματα σε μια σειρά / hashtable, όπου η χειρότερη περίπτωση auf acces είναι O (n), στο Trie αυτό είναι O (m) [m είναι το μήκος του n])
δείτε εδώ: https://en.wikipedia.org/wiki/Trie
Σε ένα δέντρο αναζήτησης αυτό oerations μπορεί να είναι πολύ πιο περίπλοκη (δείτε AVL δέντρο O (log n)) και έτσι μπορεί να είναι πιο αργή και πιο compley να εφαρμόσει.
Ποια δομή δεδομένων για να διαλέξετε ?? Καλά αυτό εξαρτάται από το τι θες να κάνω
Ένα από τα μεγάλα πλεονεκτήματα ενός δυαδικού δένδρου όπου τα δεδομένα είναι μόνο στους κόμβους φύλλα είναι ότι μπορείτε να κατάτμηση με βάση τα στοιχεία που δεν υπάρχουν στο σύνολο δεδομένων σας.
Για παράδειγμα, αν έχω ένα δυνατό σύνολο δεδομένων 0-1 εκατομμύρια, αλλά η συντριπτική πλειοψηφία των ειδών είτε στο υψηλό τέλος ή χαμηλό τέλος, αλλά όχι στη μέση, αυτό μπορεί να εξακολουθούν να θέλουν την πρώτη μου συγκρίνετε ενάντια 500.000 - ακόμα κι αν αυτό τον αριθμό δεν είναι στο σύνολο δεδομένων μου . Αν κάθε κόμβος έχει δεδομένα, δεν θα μπορούσα να το κάνουμε αυτό. Αν και δεν χρειάζεται κανονικά στη θεωρία, έχω τρέξει σε πολλές φορές ότι η στεγανοποίηση με βάση μια τιμή εκτός των δεδομένων απλοποιημένη εφαρμογή μου.
Β + δέντρα είναι ένα παράδειγμα μιας περίπτωσης όπου όλα τα κλειδιά / τιμές αποθηκεύονται σε κόμβους φύλλα. Το κύριο πλεονέκτημα εδώ είναι ότι, δεδομένου ότι όλα τα στοιχεία είναι στους κόμβους φύλλα, οι κόμβοι φύλλα μπορούν να συνδεθούν μεταξύ τους για να σχηματίσουν μια συνδεδεμένη λίστα που επιτρέπει την ταχεία διέλευση στην παραγγελία. Αν έχετε πρόσβαση σε ένα συγκεκριμένο στοιχείο, μπορείτε πάντα να βρείτε το επόμενο στοιχείο στη σειρά, χωρίς να επισκέπτονται οποιοδήποτε γονείς, διότι οι κόμβοι φύλλα συνδέονται μεταξύ τους. Συστήματα αρχείων και συστημάτων αποθήκευσης δεδομένων μπορούν να επωφεληθούν από αυτό δομών για τις αναζητήσεις εύρος και την ουσία.
Ας πούμε χτίζετε δέντρο πάνω από ορισμένα αντικείμενα σε ορισμένα σύνθετα κριτήρια. Στις παράδειγμα υπολογίζεται από πολλαπλές ιδιότητες. Μερικές φορές δεν μπορείτε να αλλάξετε αυτό το αντικείμενο στο κατάστημά υπολογιζόμενη τιμή και τον υπολογισμό αυτά τα κριτήρια είναι επεκτατική. Έτσι ώστε να υπολογίσει αυτά τα κριτήρια μόνο μία φορά, και να αποθηκεύουν αντικείμενα σε φύλλα με βάση κριτήρια αποτέλεσμα. Στη συνέχεια, όταν το δέντρο σας είναι πλήρης μπορείτε να βρείτε απαιτούνται αντικείμενο πολύ πιο γρήγορα, επειδή δεν χρειάζεται να υπολογίσει τα κριτήρια για κάθε κόμβο του δένδρου στο δρόμο σας.
