填充红黑树的最有效方法是什么?
What is the most efficient way to populate a red black tree?
假设我知道关于某些数据集的所有信息以及它进入的控制顺序 - 将其组织成红色黑色树的最有效方法是什么?
或者,在流行的std::set/map
实现(基于"红黑树")的上下文中,使用上述数据集填充std::set
的最有效方法是什么?
在回答之前,请考虑以下事项:
-
afaik,红黑树有便宜的O(1)(正确提示)插入...除非树深度突破一定的限制,在这种情况下,它将被重新平衡(以O(log N)成本)——就像在
std::vector::push_back()
的情况下,我们最终得到摊销的常数复杂性 -
例如,如果数据集是一个值列表[0,999],则应该有一系列永远不会触发重新平衡的提示插入(即保持每个插入O(1))。
非常微不足道的例子(需要弄清楚如何选择这些 YYY/ZZZ 值):
std::set<int> s;
std::vector< std::set<int>::iterator > helper(1000);
helper[0] = s.insert(0);
helper[1] = s.insert(helper[0], 1);
//...
helper[500] = s.insert(helper[YYY], 500);
//...
helper[999] = s.insert(helper[ZZZ], 999);
我在寻找什么:
一种算法,允许我用(特别是)准备好的(任意长)序列填充(基于"红黑树")
std::set
,其中每个插入都保证 O(1)应该有一种方法可以减少额外的内存需求(即
helper
的大小)或理想情况下消除对它的需求一种在最坏情况下填充树的算法(以了解传入的数据集不应该是什么样子)——当我们最终得到最大可能的
rebalance
事件数时就是这种情况奖励目标是获得基于"AVL 树"的问题 1-3 的答案
std::set
谢谢
找到一种不需要额外内存且适用于任何二叉搜索树(红黑/AVL/等)的算法:
-
用于表示"扁平化"二叉树的传入数据数组(根位于 [0],根子节点位于 [1] 和 [2],左节点子节点位于 [3] 和 [4],右节点子节点位于 [5] 和 [6] 等)。诀窍是选择每个子树的根,这样生成的二叉树就填充了每个lvl(但最后一个),并且在最后一层,所有节点都形成一条"不间断"的线。喜欢这个:
N11 / N21 N22 / / N31 N32 N33
请参阅下面的代码,了解如何将排序后的数组转换为此类序列。我相信对于任何序列,只有一种可能的方法可以在这样的二叉搜索树中排列它 - 即你最终在这里得到某种"稳定性"保证(对于给定的序列长度,我们确切地知道每个元素将在树中结束的位置)。
- 然后对数据执行一次传递并逐级填充树。在每个级别,我们确切地知道在切换到下一个 lvl(或数据耗尽)之前要拉多少个元素(2^(lvl-1))。在每次迭代开始时,我们将位置重置为最左侧的元素(
std::set<T>::begin()
),在插入左右子元素后,我们移动到当前级别的下一个叶子(从上次insert()
调用的结果开始双++it
)。
笔记:
-
具有
std::set<int>
性能优势(与排序序列的提示插入相比为 5-10%) -
不幸的是,MS 红黑树实现最终在这里执行了许多不必要的工作——检查相邻元素(以确保插入不会破坏二叉树不变性)、重新绘制节点(由于某种原因新插入的节点总是红色)以及可能的其他内容。检查邻居涉及额外的比较和内存访问,以及遍历树的多个级别
-
如果这种方法在内部实现(不使用
std::set
公共接口)作为一个函数,期望数据符合要求,如果不是,则声明"未定义的行为",那么这种方法的好处会高得多...... -
。在这种情况下,更好的算法将填充树深度优先,并要求以不同的方式重新排列输入数据(
[N11, N21, N31, N32, N22, N33]
在上面的示例中)。我们最终也只会做一棵树遍历......唉,但是,无法使用std::set
公共接口来实现这种方法 - 它将在构建的每一步强制执行红黑树不变性,从而导致不必要的重新平衡
代码:(MSVC 2015,原谅马铃薯质量 - 它写在膝盖上大约一个小时)
#include <set>
#include <cassert>
#include <vector>
#include <utility>
#include <chrono>
#include <cstdio>
using namespace std;
unsigned hibit(size_t n)
{
unsigned long l;
auto r = _BitScanReverse(&l, n);
assert(r);
return l;
}
int const* pick_root(int const* begin, int const* end)
{
assert(begin != end);
size_t count = end - begin;
unsigned tree_order = hibit(count); // tree height minus 1
size_t max_tail_sz = 1 << tree_order; // max number of nodes on last tree lvl
size_t filled_sz = max_tail_sz - 1; // number of nodes on all but last tree lvl
size_t tail_sz = count - filled_sz; // number of nodes on last lvl
return (tail_sz >= max_tail_sz/2) ? // left half of tree will be completely filled?
begin + max_tail_sz - 1 // pick (2^tree_order)'s element from left
:
end - max_tail_sz/2; // pick (2^(tree_order - 1))'s element from right
}
vector<int> repack(vector<int> const& v)
{
vector<int> r; r.reserve(v.size());
if (!v.empty())
{
unsigned tree_order = hibit(v.size()); // tree height minus 1
vector<pair<int const*, int const*>> ranges(1, make_pair(&v[0], &v[0] + v.size()));
for(size_t i = 0; i <= tree_order; ++i)
{
vector<pair<int const*, int const*>> ranges2; ranges2.reserve(ranges.size()*2);
for(auto const& range: ranges)
{
auto root = pick_root(range.first, range.second);
r.push_back(*root);
if (root != range.first)
{
ranges2.push_back(make_pair(range.first, root));
if (root + 1 != range.second)
ranges2.push_back(make_pair(root + 1, range.second));
}
}
ranges.swap(ranges2);
}
assert(ranges.empty());
}
return r;
}
set<int> populate_simple(std::vector<int> const& vec)
{
set<int> r;
for(auto v: vec) r.insert(v);
return r;
}
set<int> populate_hinted(std::vector<int> const& vec)
{
set<int> r;
for(auto v: vec) r.insert(r.end(), v);
return r;
}
set<int> populate_optimized(std::vector<int> const& vec)
{
set<int> r;
if (vec.empty()) return r;
int const* p = &vec[0];
int const* pend = &vec[0] + vec.size();
r.insert(*p++); // take care of root
if (p == pend) return r;
for(size_t count = 1; ; count *= 2) // max number of pairs on each tree lvl
{
auto pos = r.begin();
for(size_t i = 1; ; ++i)
{
r.insert(pos, *p++);
if (p == pend) return r;
//++pos; // MS implementation supports insertion after hint
pos = r.insert(pos, *p++);
if (p == pend) return r;
// pos points to rightmost leaf of left subtree of "local" tree
++pos; // pos points to root of "local" tree (or end())
if (i == count) break;
++pos; // pos points to leftmost leaf of right subtree of "local" tree
}
}
}
struct stopwatch
{
chrono::high_resolution_clock::time_point start_;
stopwatch() : start_(std::chrono::high_resolution_clock::now()) {}
auto click()
{
auto finish = std::chrono::high_resolution_clock::now();
auto mks = std::chrono::duration_cast<std::chrono::microseconds>(finish - start_);
return mks.count();
}
};
int main()
{
size_t N = 100000;
vector<int> v(N, 0);
for(unsigned i = 0; i < N; ++i) v[i] = i; // sorted array
auto rv = repack(v);
{
stopwatch w;
auto s = populate_simple(v);
printf("simple : %I64d mksn", w.click());
}
{
stopwatch w;
auto s = populate_hinted(v);
printf("hinted : %I64d mksn", w.click());
}
{
stopwatch w;
auto s = populate_optimized(rv);
printf("optimized: %I64d mksn", w.click());
}
return 0;
}
典型结果:
simple : 14904 mks
hinted : 7885 mks
optimized: 6809 mks
simple : 15288 mks
hinted : 7415 mks
optimized: 6947 mks
我很确定测量并不完全准确,但关系始终存在 - 优化版本总是更快。另外,请注意,用于重新排列元素的算法可能会得到改进 - 目的是优化树种群(而不是输入数据准备)。
首先,对输入进行排序。
理想的情况是将排序后的输入放入一个平衡的二叉树中,但假装它在树中是可以的;它只需要更多的簿记。它实际上不一定是真正的树数据结构;您可以使用根为元素 0,元素 i 的子元素位于 2i+1 和 2i+2 的数组。在任何情况下,树都可以递归构建。
一旦你有了原始数据的平衡二叉树,你需要将其复制到集合中,而不会产生任何重新平衡。为此,请对树进行广度优先扫描(如果您使用上面提到的数组,这只是阵列的顺序扫描,这使得此步骤非常简单)。您可以在 BFS 中保存每个关卡的插入点,以便获得下一个关卡的提示(因此您需要能够将迭代器保持在树的一半左右),但是在构建集合时遍历集合会更容易,而且可能更快,从每个关卡的开头开始, 否则,每次插入后前进两个元素。
这些都不比按顺序构建集合更快。但这是问题的答案。
对于最差的提示插入填充,请按反向排序顺序插入元素,用前一个插入点的插入点提示每个插入。
我认为相同的算法也适用于 AVL 树。
- 在C++中初始化向量映射的最有效方法
- 将此布尔值传递给此函数的最有效方法是什么?
- 比较C++变量的最有效方法
- 在 c++ 中解决段树以外的范围查询的有效方法是什么?
- 存储变量的更有效方法是什么?
- 确保套装新鲜度的有效方法
- 当映射包含字符串向量作为值时,从值中获取键的有效方法
- 映射唯一值和重复值的有效方法.可以访问键或值的位置
- 在C++事务之间存储大量字符数据的有效方法
- 在unordered_multimap中精确迭代一次每个键的有效方法
- 一种将 Dart 中的字节数据转换为 C++ 中的无符号字符*的有效方法?
- 检查两个向量是否并行的最有效方法
- 从浮点数中删除小数部分但保留类型的有效方法
- 传递非泛型函数的最有效方法是什么?
- 按升序打印矢量的所有元素直到它为空而没有重复项的最有效方法是什么?
- 创建字符串数组的有效方法
- 返回一个引用C++中另一个类对象的对象的有效方法
- C++去除前x个元素的有效方法,在不改变向量大小的情况下将第x+1个元素推到第一个
- 将一种数据类型的向量复制到同一数据类型的结构向量中的有效方法是什么
- 从std::map值中获取密钥的有效方法