对于每一段区间取中轴数时,可以将头中尾先进行排序,这样提高中轴数取到偏小或偏大数的概率。
对于小区间,小于等于8,使用插入排序来替代快速排序。插入排序在短序列的排序效果很好。
二分查找针对有序数据,但是需要维护这个有序数组,插入、删除等操作需要对数组进行O(n)的数组复制操作。
二叉查找树,类似二分法,但是左右节点不平衡,例如数据全挂在左节点,就是一个数组遍历的查找了,不稳定。
平衡二叉树,优化了二叉查找树,保证左右平衡(深度值差不超过1),充分发挥二分查找的优势。
红黑树是实现平衡二叉树的算法。对于需要经常查找但是不怎么需要修改的数据,可以采用快速排序和二分查找代替红黑树。
四叉树搜索,用来规划2D平面,刚好坐标划分为四象限,对于每一块象限又可以划分四象限,根据需求划分到最小快。在游戏项目中的用法有:平面的有效碰撞检测搜索范围、地形的有效展示范围、在地图上查找某方块上的人及二维平面的寻路网格构建。
八叉树搜索,规划3D空间,思想类似四叉树。用在游戏中包括渲染裁切、碰撞检测。
class ShellSort { public bool Sort(int[] datas) { if (datas.Length < 1) return false; for (int gap = datas.Length / 2; gap > 0; gap /= 2) { for (int i = gap; i < datas.Length; i++) { //gap将集合分成几个小集合,跨着对比交换,最后gap=1时,减轻大集合的负担 int j = i; while (j - gap >= 0 && datas[j] < datas[j - gap]) { //当前集合的对比,让每个跨越式的小集合都是有序的 swap(datas, j, j - gap);//交换两个数的值 j -= gap; } } } return true; } private void swap(int[] data, int a, int b) { data[a] = data[a] + data[b]; data[b] = data[a] - data[b]; data[a] = data[a] - data[b]; } }
希尔排序是在插值排序中升级的,将数组改成几个大间距的不同集合,对这些集合进行交换的排序。交换大范围的数据,当在gap缩小到1的时候,就是插值排序了,这时候序列在前面大范围的比较交换后已经有了一定的顺序了,所以只需要交换少量数据就可以完成排序了。
测试代码:
static void TestShellSort() { int[] datas = { 5, 6, 9, 1, 100, 3, 7, 0, 2 }; ShellSort shellSort = new ShellSort(); shellSort.Sort(datas); foreach (var data in datas) { Console.Write(data + " ");//0 1 2 3 5 6 7 9 100 } }
class InsertSort { public bool Sort(int[] datas) { if (datas.Length < 1) return false; for (int i = 1; i < datas.Length; i++)//默认0为已经有序 { int temp = datas[i];//当前需要插入的元素 for (int j = 0; j < i; j++)//在有序段中寻找位置 { if (temp < datas[j])//寻找到 { for (int k = i; k > j; k--) { datas[k] = datas[k - 1];//向后面腾出位置 } datas[j] = temp;//坐上宝座 break; } } } return true; } }
插入排序就是将数组分为了左右两个集合,一个是有序的,一个是无序的,从无序中每次取一个元素,插入到有序的集合中,并保持有序。算法的效率是O(n2),不适合大量元素的排序。
测试代码:
static void TestInsertSort() { int[] datas = { 5, 6, 9, 1, 100,3, 7, 0, 2, 4 }; InsertSort insertSort = new InsertSort(); insertSort.Sort(datas); foreach (var data in datas) { Console.Write(data + " ");//0 1 2 3 4 5 6 7 9 100 } }
对于平衡二叉树的删除方法是一样需要照顾平衡二叉书的平衡的,删除结点会导致bf的值改变,对于不平衡的需要平衡一下。
static bool DeleteElement(ref Node node, int data, ref bool lower) { bool L = false, R = false; if (node == null) return false; if (node.data == data) { Node p, s; p = node.cRight; s = p; lower = true; if (node.cRight == null) { p = node; node = node.cLeft;//右边为空,直接把左边替换上去 lower = true; return true; } else { while (s != null) { p = s;//找到的最左结点 s = s.cLeft; } node.data = p.data;//替换数据,引用保留 DeleteElement(ref node.cRight, data, ref lower);//删除那个最小结点 R = true;//往右走 } } else if (data < node.data) { DeleteElement(ref node.cLeft, data, ref lower); L = true; } else { DeleteElement(ref node.cRight, data, ref lower); R = true; } if (lower) { if (L) { switch (node.bf) { case LH: node.bf = EH; lower = true; break; case RH://本来右边高了,又删了个左边,所以要右平衡一下 RightBalance(ref node); lower = false; break; case EH: node.bf = RH; lower = false; break; } } else { switch (node.bf) { case EH: node.bf = LH; lower = false; break; case RH: node.bf = EH; lower = true; break; case LH: LeftBalance(ref node); lower = false; break; } } } return true; }
采用递归的方式,同样的有一个标志位lower来去判断是否需要平衡的检查。删除结点的操作是一样的,发现小的数据往左边,发现大的往右边,当相等的时候就是要删除的数据了。
同样分两种情况,右边为空,则直接将左边结点替换根。如果右边不为为空,则找到右边的最小(左)结点,替换调根的数值但保留根的左右结点,再删除最小结点。
平衡判断也是看情况的,比如说本来右边高的1,然后把左边删了,那就不平衡了,需要右平衡调整一下。
static void LeftBalance(ref Node node) { Node L, lr; L = node.cLeft; switch (L.bf) { case EH: L.bf = RH; node.bf = LH; R_Rotate(ref node); break; case LH: L.bf = node.bf = EH; R_Rotate(ref node); break; case RH: lr = L.cRight; switch (lr.bf) { case EH: L.bf = L.bf = EH; break; case RH: node.bf = EH; L.bf = LH; break; case LH: L.bf = EH; node.bf = RH; break; default: break; } lr.bf = EH; L_Rotate(ref node.cLeft); R_Rotate(ref node); break; } }
解析的话 参考平衡二叉树的右平衡方法
//右平衡,右边高了 static void RightBalance(ref Node node) { Node R, r1; R = node.cRight; switch (R.bf) { case RH: //右孩子和它一样的平衡因子,直接右旋转 node.bf = EH; R.bf = EH; L_Rotate(ref node); break; case EH: node.bf = RH; R.bf = LH; L_Rotate(ref node); break; case LH: r1 = R.cLeft; switch (r1.bf) { case EH: node.bf = EH; R.bf = EH; break; case RH: R.bf = EH; node.bf = LH; break; case LH: R.bf = RH; node.bf = EH; break; } r1.bf = EH; R_Rotate(ref node.cRight); L_Rotate(ref node); break; } }
看情况,旋转之后的bf状态值会有所改变,所以要具体分析到每一种情况之下。
LH的情况比较多样这里就不详细分析了,不过要讲它为啥要先左旋其右结点再右旋自己。看图:
这种情况就是右平衡的时候,其子树的bf方向是不一致的,需要反向调整到一致,不然就不是一个排序树了。
static bool InsertAVLTree(ref Node node, int data, ref bool taller) { if (node == null) { node = new Node(); node.bf = EH; node.data = data; taller = true; return true; } else { if (data == node.data) { taller = false; return false; } if (data < node.data) { if (!InsertAVLTree(ref node.cLeft, data, ref taller)) { return false; } if (taller) { switch (node.bf) { case EH: node.bf = LH; taller = true; break; case LH: LeftBalance(ref node); taller = false; break; case RH: node.bf = EH; taller = false; break; default: break; } } } else { if (!InsertAVLTree(ref node.cRight, data, ref taller)) { return false; } if (taller) { switch (node.bf) { case EH: node.bf = RH; taller = true; break; case LH: node.bf = EH; taller = false; break; case RH: RightBalance(ref node); taller = false; break; default: break; } } } } return true; }
使用递归的方式,使用一个taller标识符来确认是否需要去判断要不要进行检查平衡操作。
插入成功之后,就设为true,然后程序玩下执行判断是否需要进行平衡操作,这里讲一下左插入的操作,右边的差不多。
当左插入成功后,就判断原结点的bf值,根据不同情况不同处理:
是EH时,表示当前结点下是平衡的,插入了一个左边的值,则让bf=LH就行了,taller设为true往上传递
是LH时,表示在左边高的时候又加了一层,则需要左平衡一下,平衡完后taller就为false
是RH时,表示右边高的时候在左边加了一层,那不就平衡了吗,设bf为EH,taller也为false
在进行平衡二叉树的构建构成中,每当发现不平衡的结点就要及时的做平衡。根据不同的情况对最小不平衡子树进行左右旋转操作。例如:(左旋转)
右边多的进行左旋转,把1拉下来,看起来想往左边转吧!
//左旋转 static void L_Rotate(ref Node node)//传入的是1 { Node temp; temp = node.cRight; node.cRight = temp.cLeft;//2的左结点设为给1的右节点 temp.cLeft = node;//2的左边设为1 node = temp;//原1的位置改为2,这解释,啧啧 }
node.cRight = temp.cLeft;-》如果说原来2是有左结点的话设为x,x<2,又2是1的右结点,所有1<x,又1的原右结点被破坏了,所以可以用1的右节点来承接x结点。如果不这样做的话,你试试,2有左右结点,然后一转,嘿嘿,三个结点了真是奇怪。
//右旋转 static void R_Rotate(ref Node node) { Node temp; temp = node.cLeft; node.cLeft = temp.cRight;//原前驱,变左结点 temp.cRight = node; node = temp; }
右旋转和左旋转差不多,不同的是操作左右结点的不同。
平衡二叉树就是一颗排序二叉树,只不过比排序二叉树又多了一个条件,那就是每一个结点的左子树的高和右子树的高的差的绝对值(bf值)不能超过1,这样就可以解决一些排序二叉树不效率的问题了。
第一张图很明显的二叉排序树的优势就完全没有了,变成了普通的线性遍历搜索了。但是他变形成为一颗AVL平衡二叉树后,明显的效率就提高了,例如查找5,AVL3次,第一张的5次。
const int EH = 0; const int LH = 1; const int RH = -1; class Node { public int data; public int bf; public Node cLeft; public Node cRight; }
平衡二叉树AVL的结点,每个结点都保存着一个bf值,就是它左子树-右子树的值的状态。
三个const表示,EH相等,LH左边高1,RH右边高1,没有出现高2的,因为有的话就会去平衡它了。
左右旋转操作:→
左平衡:→
插入操作:→
删除操作:→
完整的代码可以看:Github