算法设计与分析--最优二叉搜索树(Python)
最优二叉搜索树:
给定一个n个不同关键字的已排序的序列K=<k1,k2,…,kn>(因此k1<k2<…<kn)我们希望用这些关键字构造一棵二叉树。对每个关键字ki,都有一个概率pi表示其搜索频率。
有些要搜索的值可能不在K中,因此,我们还有n+1个“伪关键字”d0,d1,d2,…,dn表示不在K中的值。d0表示所有小于k1的值,dn表示所有大于kn的值,对i=1,2,…,n-1伪关键字di表示所有在ki和k(i+1)之间的值。
对每个伪关键字di也都有一个概率qi表示对应的搜索频率。
假定一次搜索的代价等于访问的结点数,即此次搜索找到的结点在T中的深度再加1.那么在T中进行一次搜索的期望代价为:
对于一个给定的概率集合,我们希望构造一棵期望搜索代价最小的二叉搜索树,我们称之为最优二叉搜索树。
用动态规划方法求解此问题:
步骤1:最优二叉搜索树的结构:
考虑一棵二叉搜索树的任意子树,它必须包含连续关键字ki,…,kj(1<=i<=j<=n),而且其叶结点必然是伪关键字d(i-1),…,dj。
最优子结构:
如果一棵最优二叉搜索树T中有一棵包含关键字ki,…,kj(1<=i<=j<=n)的子树T‘,那么T’必然是包含关键字ki,…,kj和伪关键字d(i-1),…,dj的子问题的最优解。
步骤2:一个递归算法
root[i, j]保存根结点kr的下标r。
步骤3:计算最优二叉搜索树的期望搜索代价
def OptimalBinarySearchTree(q,p,n,e,root,w):#n表示内结点个数#w[i][j]是内结点bi到bj构成的子树的存取概率之和,包括两边的叶子结点#e[i][j]表示搜索代价for i in range(n+1):w[i+1][i]=q[i]e[i+1][i]=0for r in range(n):#r:结点个数-1for i in range(1,n-r+1):j=i+rw[i][j]=round(w[i][j-1]+q[j]+p[j],3)e[i][j]=round(e[i+1][j]+w[i][j],3)root[i][j]=i#k表示用不同的元素作为根节点for k in range(i+1,j+1):t=round(e[i][k-1]+e[k+1][j]+w[i][j],3)if t<e[i][j]:e[i][j]=troot[i][j]=kprint("e")for i in range(1,n+2):print(e[i][1:])print('root')for i in range(1,n+2):print(root[i][1:])print('w')for i in range(1,n+2):print(w[i])#叶子结点的存取概率
q=[0.05,0.10,0.05,0.05,0.05,0.10]
#内结点的存取概率
p=[0,0.15,0.10,0.05,0.10,0.20]
n=len(p)-1
e,root,w=[],[],[]
for i in range(n+2):e.append([0]*(n+1))root.append([0]*(n+1))w.append([0]*(n+1))
OptimalBinarySearchTree(q,p,n,e,root,w)
运行结果如图
算法设计与分析--最优二叉搜索树(Python)相关推荐
- 算法导论 — 15.5 最优二叉搜索树
###笔记 二叉搜索树满足如下性质:假设xxx是二叉搜索树中的一个结点.如果lll是xxx的左子树的一个结点,那么l.key≤x.keyl.key ≤ x.keyl.key≤x.key.如果rrr是x ...
- 最优二叉搜索树相关内容
01 最优二叉搜索树概念 设S={x1,x2,-,xn.}是有序集,且x1<x2<-<xn, 表示有序集S的二叉搜索树利用二叉树的结点来存储有序集中的元素.它具有下述性质:存储于每个 ...
- 【算法设计与分析】动态规划:最优二叉搜索树
最优二叉搜索树问题的问题提出是,设S={x1, x2, -, xn}是一个由n个关键字组成的线性有序集,(a0, b1, a1, -, bn, an) 为集合S的存取概率分布,表示有序集S的二叉搜索树 ...
- 算法:最优二叉搜索树
算法设计第五次作业part2 1.纸面题:对最优二叉树和矩阵连乘两种算法验证四边形法则,如果符合四边形法则则举几个正例,如果不符合则举几个反例 四边形法则 i<i'j<j'w(i,j)+w ...
- 最优二叉搜索树(Optimal BST)-算法导论
问题描述: 维基百科定义: https://en.wikipedia.org/wiki/Optimal_binary_search_tree In the static optimality prob ...
- 算法实验 最优二叉搜索树
最优二叉搜索树 最优二叉搜索树 问题描述 问题分析 代码 问题描述 二叉搜索树我们都知道,左子树结点的值都小于根结点,右子树结点的值都大于根节点.如果某个结点没有左子树或右子树,那么在对应的位置上加一 ...
- 动态规划最优二叉搜索树C语言,【算法导论】动态规划之“最优二叉搜索树”...
详解动态规划之"最优二叉搜索树" 之前两篇分别讲了动态规划的"钢管切割"和"矩阵链乘法",感觉到了这一篇,也可以算是收官之作了.其实根据前两 ...
- 《算法导论》15.5 最优二叉搜索树(含C++代码)
一.问题背景和描述 给定一个n个不同关键字的已排序的序列K=<k1,k2, - kn>(因此k1<k2<-<kn),我们希望用这 些关键字构造一棵二叉搜索树.对每个关键字 ...
- 动态规划最优二叉搜索树C语言,算法 – 动态规划:最优二叉搜索树
好吧,我希望有人可以向我解释一下.我正在攻读决赛,我无法解决问题. 问题是动态编程;构造最优二叉搜索树(OBST).我理解一般的动态编程和特别是这个问题的概念,但我不明白这个问题的递归形式. 我得到的 ...
最新文章
- 字符串转二进制 python_将字符串转换为二进制
- hibernate中一对多关系的映射
- spring boot 邮件端口_不会吧,SpringBoot还能发送邮件发送邮件?快来看看如何操作吧
- 怎么把视频里的音乐提取出来
- 【译】 Sparky: A Lightning Network in Two Pages of Solidity
- CSS中的Position属性
- 深入探究VC —— 编译器cl.exe(1)
- [探索] 利用promise做一个请求锁
- unity2d随机生成物体_平面测量路径生成的4种方式
- [论]【MGT】Meta Graph Transformer: A Novel Framework for Spatial–Temporal Traffic Prediction
- spring中动态代理的两种方式
- ggplot2|详解八大基本绘图要素,你需要的都在这-目录版
- wireshark打开cap抓包文件不能显示中文
- MySQL5.7修改root账户密码
- R语言当前文件工作路径
- 向下取整floor()、向上取整ceil()、截取函数trunc()、四舍五入round()
- 心通达OA系统的研发源自2001年,距今已有21年的历史沉淀
- ASUS华硕飞行堡垒fx80gd怎么用Fn+F5功能控制风扇转速
- Eclipse 修改注释的 date time 日期时间格式,即${date}变量格式
- java计算机毕业设计无人驾驶汽车管理系统源码+数据库+系统+lw文档+mybatis+运行部署
热门文章
- 呼叫中心工单系统,工单回访系统,呼叫中心
- java开发微信公众号(SpringMVC)1-简述
- Coordinate Attention for Efficient Mobile Network Design论文详解(结合代码)
- 【科研技巧】简单的在Office Word 2019中设置页脚的页码从指定页(正文)开始
- 致敬生命 看南京鼓楼医院如何打造IT界的“急救中心”
- 程序人生 - 程序员三十五岁瓶颈你怎么看?
- 【数据挖掘】2022年联想公司数据挖掘工程师笔试题
- R语言与hadoop之间的千万柔情
- python 概率分布函数_用Python计算累积分布函数(CDF)
- Html中超链接标记独占一行,html - zlj012607的个人空间 - OSCHINA - 中文开源技术交流社区...