当前位置: 首页 > 编程笔记 >

Ruby实现的最优二叉查找树算法

桓宜
2023-03-14
本文向大家介绍Ruby实现的最优二叉查找树算法,包括了Ruby实现的最优二叉查找树算法的使用技巧和注意事项,需要的朋友参考一下

算法导论上的伪码改写而成,加上导论的课后练习第一题的解的构造函数


#encoding: utf-8

=begin

author: xu jin

date: Nov 11, 2012

Optimal Binary Search Tree

to find by using EditDistance algorithm

refer to <<introduction to algorithms>>

example output:

"k2 is the root of the tree."

"k1 is the left child of k2."

"d0 is the left child of k1."

"d1 is the right child of k1."

"k5 is the right child of k2."

"k4 is the left child of k5."

"k3 is the left child of k4."

"d2 is the left child of k3."

"d3 is the right child of k3."

"d4 is the right child of k4."

"d5 is the right child of k5."

The expected cost is 2.75.  =end

INFINTIY = 1 / 0.0 a = ['', 'k1', 'k2', 'k3', 'k4', 'k5'] p = [0, 0.15, 0.10, 0.05, 0.10, 0.20] q = [0.05, 0.10, 0.05, 0.05, 0.05 ,0.10] e = Array.new(a.size + 1){Array.new(a.size + 1)} root = Array.new(a.size + 1){Array.new(a.size + 1)}

def optimalBST(p, q, n, e, root)   w = Array.new(p.size + 1){Array.new(p.size + 1)}   for i in (1..n + 1)     e[i][i - 1] = q[i - 1]     w[i][i - 1] = q[i - 1]   end   for l in (1..n)     for i in (1..n - l + 1)       j = i + l -1       e[i][j] = 1 / 0.0       w[i][j] = w[i][j - 1] + p[j] + q[j]       for r in (i..j)         t = e[i][r - 1] + e[r + 1][j] + w[i][j]         if t < e[i][j]           e[i][j] = t           root[i][j] = r         end       end     end   end end

def printBST(root, i ,j, signal)   return if i > j   if signal == 0    p "k#{root[i][j]} is the root of the tree."    signal = 1   end   r = root[i][j]   #left child   if r - 1< i     p "d#{r - 1} is the left child of k#{r}."   else     p "k#{root[i][r - 1]} is the left child of k#{r}."     printBST(root, i, r - 1, 1 )   end   #right child   if r >= j      p "d#{r} is the right child of k#{r}."   else     p "k#{root[r + 1][j]} is the right child of k#{r}."     printBST(root, r + 1, j, 1)   end   end

optimalBST(p, q, p.size - 1, e, root) printBST(root, 1, a.size-1, 0) puts "\nThe expected cost is #{e[1][a.size-1]}."

 类似资料:
  • 考虑一下Robert Sedgewick在他的网站上的声明: 我非常困惑,当键大于根时会发生什么,尤其是当他说:“但只有当右子树中有一个键小于或等于键时”。我想他的意思是,如果键小于根,那么键肯定在左子树中。另一方面,如果密钥更大,则密钥“可能”在正确的子树中,因此也可能在正确的子树上找不到密钥。根据他的floor()方法: 他确实检查了右子树,但没有检查左子树。但我完全不能想出一个例子,其中键大

  • 主要内容:什么是二叉排序树?,使用二叉排序树查找关键字,二叉排序树中插入关键字,二叉排序树中删除关键字,总结前几节介绍的都是有关静态 查找表的相关知识,从本节开始介绍另外一种查找表—— 动态查找表。 动态查找表中做查找操作时,若查找成功可以对其进行删除;如果查找失败,即表中无该关键字,可以将该关键字插入到表中。 动态查找表的表示方式有多种,本节介绍一种使用树结构表示动态查找表的实现方法—— 二叉排序树(又称为 “二叉查找树”)。 什么是二叉排序树? 二叉排序树要么是空 二叉树,要么具有如下特点:

  • 我正在努力实现二叉搜索树。完成实现所需的功能之一是重新平衡功能。 根据规范,该功能的工作方式如下: rebalance() 方法应创建一个平衡树,从而将偏度降低为零。平衡树是指在整个树中,左子树和右子树的大小相差不超过1(即,每个子树也是平衡的)。 为了平衡树,rebalance() 方法应反复将根值移动到较小的子树,并将最小/最大值从较大的子树移动到根,直到树平衡。然后,它应该以递归方式平衡两个

  • 本文向大家介绍python实现二叉查找树实例代码,包括了python实现二叉查找树实例代码的使用技巧和注意事项,需要的朋友参考一下 本文研究的主要是python实现二叉查找树的相关内容,具体介绍及实现如下。 1. 二叉查找树的定义: 左子树不为空的时候,左子树的结点值小于根节点,右子树不为空时,右子树的结点值大于根节点,左右子树分别为二叉查找树 2. 二叉查找树的最左边的结点即为最小值,要查找最小

  • 我正在做一个AlgoExpert挑战,我已经花时间自己解决它,看了关于它的视频讲座,我觉得我有一个很好的理解,但我在递归和树遍历方面的技能现在很低(这就是我工作的原因)。 这是提示 编写一个函数,该函数接受二进制搜索树(BST)和目标整数值,并返回与BST中包含的目标值最接近的值。每个BST节点都有一个整数值、一个左子节点和一个右子节点。其子节点本身是有效的BST节点或无/空 目标:12 这是我目

  • 我们已经看到了两种不同的方法来获取集合中的键值对。回想一下,这些集合实现了 map 抽象数据类型。我们讨论的 map ADT 的两个实现是在列表和哈希表上的二分搜索。在本节中,我们将研究二叉查找树作为从键映射到值的另一种方法。 在这种情况下,我们对树中项的确切位置不感兴趣,但我们有兴趣使用二叉树结构来提供高效的搜索。