Διακριτά Μαθηματικά ΙI Δυαδικά Δέντρα Αναζήτησης

Παρουσίαση με θέμα: "Διακριτά Μαθηματικά ΙI Δυαδικά Δέντρα Αναζήτησης"— Μεταγράφημα παρουσίασης:

1 Διακριτά Μαθηματικά ΙI Δυαδικά Δέντρα Αναζήτησης
Κώστας Στεργίου Λέκτορας Τμήμα Μηχανικών Πληροφοριακών & Επικοινωνιακών Συστημάτων Πανεπιστήμιο Αιγαίου ΤΜΗΜΑ ΜΠΕΣ

2 Δυαδικά Δέντρα Αναζήτησης
Ένας τρόπος αναπαράστασης μιας ταξινομημένης λίστας αντικειμένων. Υποστηρίζει τις παρακάτω διεργασίες σε γρήγορο χρόνο (Θ(log n) πολυπλοκότητα μέσης περίπτωσης, όπως θα δούμε αργότερα): Αναζήτηση ενός υπάρχοντος αντικειμένου. Εισαγωγή ενός καινούργιου αντικειμένου, αν δεν είναι ήδη παρόν. Υποστηρίζει την εκτύπωση όλων των αντικειμένων σε Θ(n) χρόνο Η εισαγωγή ενός αντικειμένου σε μια συνεχόμενη ακολουθία ai είναι πιο ακριβή (Θ(n) στη χειρότερη περίπτωση). ΤΜΗΜΑ ΜΠΕΣ

3 Δυαδικά Δέντρα Αναζήτησης
Τα αντικείμενα αποθηκεύονται σε κόμβους του δέντρου. Το δέντρο είναι οργανωμένο κατά τέτοιο τρόπο ώστε να ισχύει πάντα το παρακάτω: Για κάθε αντικείμενο x, Το κλειδί κάθε κόμβου στο αριστερό υποδέντρο του x είναι μικρότερο του κλειδιού του x. Το κλειδί κάθε κόμβου στο δεξιό υποδέντρο του x είναι μεγαλύτερο του κλειδιού του x. Παράδειγμα: 7 3 12 1 5 9 15 2 8 11 ΤΜΗΜΑ ΜΠΕΣ

4 Δέντρα Απόφασης Ένα δυαδικό δέντρο αναζήτησης είναι μια ειδική κατηγορία ενός δέντρου απόφασης Ένα δέντρο απόφασης (decision tree) αναπαριστά μια διαδικασία λήψης απόφασης. Κάθε πιθανό “σημείο απόφασης” ή κατάσταση αναπαριστάται από έναν κόμβο. Κάθε πιθανή επιλογή που μπορεί να γίνει σε ένα σημείο απόφασης αναπαριστάται με μια ακμή προς έναν κόμβο-παιδί. Σε εκτεταμένα δέντρα απόφασης που χρησιμοποιούνται στην ανάλυση αποφάσεων, συμπεριλαμβάνονται κόμβοι που αναπαριστούν τυχαία γεγονότα και τα αποτελέσματα τους. ΤΜΗΜΑ ΜΠΕΣ

5 Πρόβλημα Ζύγισης Κερμάτων
Υποθέστε ότι έχετε 8 κέρματα, ένα εκ των οποίων είναι πλαστό και ελαφρύτερο από τα άλλα, και μια ζυγαριά όπως η διπλανή. Δε χρειάζεται ζυγαριά που μετράει ακριβές βάρος για να λυθεί αυτό το πρόβλημα! Πόσες ζυγίσεις απαιτούνται για να είστε σίγουροι ότι βρέθηκε το πλαστό νόμισμα? ? ΤΜΗΜΑ ΜΠΕΣ

6 Ως Πρόβλημα Δέντρου Απόφασης
Σε κάθε κατάσταση, διαλέγουμε δύο διακριτά και ίσου μεγέθους υποσύνολα κερμάτων για να βάλουμε στη ζυγαριά. Το βάρος “αποφασίζει” αν θα γείρει αριστερά, δεξιά, ή θα ισορροπήσει. Μια δεδομένη ακολουθία ζυγισμάτων δίνει ένα δέντρο απόφασης με παράγοντα διακλάδωσης 3. ΤΜΗΜΑ ΜΠΕΣ

7 Εφαρμόζοντας το Θεώρημα Ύψους Δέντρων
Το δέντρο απόφασης πρέπει να έχει τουλάχιστον 8 φύλλα, μια και υπάρχουν 8 πιθανά αποτελέσματα. Σε σχέση με το ποιο νόμισμα είναι το πλαστό. Το θεώρημα ύψους δέντρου μας λέει, h≥logm. Όπου  και m είναι το πλήθος των φύλλων και ο παράγοντας διακλάδωσης αντίστοιχα Οπότε το δέντρο απόφασης πρέπει να έχει ύψος h ≥ log38 = 1.893… = 2. Ας δούμε αν μπορούμε να λύσουμε το πρόβλημα με μόνο 2 ζυγίσεις… ΤΜΗΜΑ ΜΠΕΣ

8 Γενική Στρατηγική Επίλυσης
Το πρόβλημα είναι παράδειγμα αναζήτησης ενός μοναδικού συγκεκριμένου αντικειμένου, ανάμεσα σε μια λίστα από n φαινομενικά ίδια αντικείμενα. Κάτι ανάλογο του “ψάχνοντας καρφίτσα σε αχυρώνα.” Χρησιμοποιώντας τη ζυγαριά, μπορούμε να επιτεθούμε στο πρόβλημα με μια διαίρει-και-βασίλευε στρατηγική, παρόμοια με αυτή στη δυαδική αναζήτηση. Θέλουμε να μειώσουμε το σύνολο των πιθανών σημείων όπου το αντικείμενο που ψάχνουμε (νόμισμα) μπορεί να βρεθεί από n σε μόνο 1, με έναν λογαριθμικό τρόπο. Κάθε ζύγιση έχει 3 πιθανά αποτελέσματα. Μπορούμε να το χρησιμοποιήσουμε αυτό ώστε κάθε φορά να διαιρούμε τον εναπομείναντα χώρο αναζήτησης σε τρία τμήματα Αυτή η στρατηγική θα οδηγήσει στο ελάχιστο πιθανό πλήθος ζυγίσεων που απαιτούνται ΤΜΗΜΑ ΜΠΕΣ

9 Γενική Στρατηγική Επίλυσης
Σε κάθε βήμα, βάλε n/3 των n νομισμάτων προς εξέταση σε κάθε πλευρά της ζυγαριάς. Αν η ζυγαριά κλίνει προς τα αριστερά, τότε: Το ελαφρύ πλαστό βρίσκεται στο δεξιό υποσύνολο n/3 ≈ n/3 νομισμάτων. Αν η ζυγαριά κλίνει προς τα δεξιά, τότε: Το ελαφρύ πλαστό βρίσκεται στο αριστερό υποσύνολο n/3 ≈ n/3 νομισμάτων. Αν η ζυγαριά ισορροπήσει τότε: Το ελαφρύ πλαστό βρίσκεται στα εναπομείναντα n − 2n/3 ≈ n/3 νομίσματα που δε ζυγίσαμε! Μπορεί να αποδειχθεί ότι η στρατηγική αυτή οδηγεί σε ισορροπημένο 3-αδικό δέντρο. ΤΜΗΜΑ ΜΠΕΣ

10 Δέντρο Απόφασης Ζύγισης Νομισμάτων
Στη δική μας περίπτωση το δέντρο έχει την παρακάτω μορφή: 123 vs 456 δεξιά: 123 ισορροπία: 78 αριστερά: 456 1 vs. 2 4 vs. 5 7 vs. 8 Α:1 Δ:2 Ι:3 Α:4 Δ:5 Ι:6 Α:7 Δ:8 ΤΜΗΜΑ ΜΠΕΣ

11 Δέντρα Αναζήτησης Binary Search Tree (BST): Ορισμοί BST Δομή Δεδομένων
findMin, findMax find insert remove ΤΜΗΜΑ ΜΠΕΣ

12 Δυαδικά Δέντρα Ένα δυαδικό δέντρο (binary tree) είναι ένα δέντρο όπου κάθε κόμβος έχει το πολύ δύο παιδιά δηλαδή κάθε κόμβος έχει 0, ή 1, ή 2 παιδιά binary tree ΤΜΗΜΑ ΜΠΕΣ

13 Δυαδικό Δέντρο Αναζήτησης
Ένα δυαδικό δέντρο αναζήτησης (binary search tree) (BST) είναι ένα δυαδικό δέντρο όπου για κάθε κόμβο X, Όλοι οι κόμβοι στο αριστερό υποδέντρο του X περιέχουν κλειδί < από το κλειδί του X Όλοι οι κόμβοι στο δεξιό υποδέντρο του X περιέχουν κλειδί > από το κλειδί του X Οι κανόνες 1 και 2 είναι γνωστοί ως η ιδιότητα BST Το κλειδί ενός κόμβου είναι η τιμή του δεδομένου που αποθηκεύει ΤΜΗΜΑ ΜΠΕΣ

14 Δυαδικό Δέντρο Αναζήτησης – Παράδειγμα
9 7 4 17 14 11 12 21 25 27 22 Η BST ιδιότητα ισχύει σε κάθε κόμβο ΤΜΗΜΑ ΜΠΕΣ

15 Κλειδιά Κόμβων Δέντρου Αναζήτησης
Θα χρησιμοποιήσουμε κλειδιά που είναι ακέραιοι αριθμοί Μπορούμε να χειριστούμε μη-ακέραια κλειδιά με παρόμοιο τρόπο Γενικά σε κάθε κόμβο του δέντρου μπορεί εκτός από το κλειδί να περιέχονται και άλλες πληροφορίες. Π.χ. ΑΜ: int (κλειδί) Όνομα: string Ημερομηνία Γέννησης: date κτλ. ΤΜΗΜΑ ΜΠΕΣ

16 Βασική Δομή Δεδομένων Δέντρου Αναζήτησης
Όπως και σε ένα γενικό δέντρο, η βασική δομή δεδομένων σε ένα BST είναι ένας κόμβος που ονομάζουμε BinaryNode Αντίθετα με τα γενικά δέντρα όπου το πλήθος των παιδιών κάθε κόμβου δεν είναι γνωστό στατικά, ένας BST κόμβος μπορεί να έχει το πολύ δύο παιδιά Οπότε, είναι λογικό να χρησιμοποιήσουμε δύο δείκτες lchild (left-child) και rchild (right-child) υποθέτουμε ότι οι δείκτες των φύλλων είναι NULL ΤΜΗΜΑ ΜΠΕΣ

17 Βασική Δομή Δεδομένων Δέντρου Αναζήτησης
class BinaryNode{ private: int key; // the integer key BinaryNode *lchild; // pointer to left child BinaryNode *rchild; // pointer to right child public: // public methods go here } ΤΜΗΜΑ ΜΠΕΣ

18 Λειτουργίες σε Δέντρα Αναζήτησης
Οι βασικές λειτουργίες σε ένα BST είναι: findMin: βρες το ελάχιστο κλειδί μέσα στο BST findMax: βρες το μέγιστο κλειδί μέσα στο BST find(x): βρες το κλειδί ‘x’ μέσα στο BST insert(x): εισήγαγε το κλειδί ‘x’ μέσα στο BST remove(x): διέγραψε το κλειδί ‘x’ από το BST isEmpty: δες αν το BST είναι άδειο makeEmpty: άδειασε το BST printTree: τύπωσε όλα τα κλειδιά στο BST ΤΜΗΜΑ ΜΠΕΣ

19 findMin Σε ένα δέντρο όλες οι διασχίσεις αρχίζουν από τη ρίζα
Σύμφωνα με την BST ιδιότητα, το κλειδί του lchild της ρίζας θα είναι < του κλειδιού της ρίζας Το κλειδί του lchild του lchild της ρίζας θα είναι < του κλειδιού του lchild της ρίζας κ.ο.κ. Αν μια διάσχιση ενός BST αρχίσει στη ρίζα και «πηγαίνει συνέχεια αριστερά» καθώς κατεβαίνει προς τα κάτω, ο τελευταίος κόμβος στη διάσχιση θα έχει το μικρότερο κλειδί στο δέντρο ΤΜΗΜΑ ΜΠΕΣ

20 findMin Η παράμετρος εισόδου στη findMin μέθοδο είναι η ρίζα του BST
findMin(root); Η findMin μέθοδος επιστρέφει τον κόμβο που περιέχει το μικρότερο κλειδί στο BST Έτσι, ο τύπος που επιστρέφει η findMin είναι BinaryNode* ΤΜΗΜΑ ΜΠΕΣ

21 findMin Algorithm Βήματα αλγορίθμου:
Ξεκίνα από τη ρίζα Αν η ρίζα είναι NULL (άδειο BST) επέστρεψε NULL Σε κάθε κόμβο πήγαινε στο lchild Ολοκλήρωσε τη διάσχιση όταν συναντηθεί ο πρώτος NULL δείκτης Επέστρεψε τον τελευταίο κόμβο που επισκέφτηκες Ο αλγόριθμος μπορεί να υλοποιηθεί αναδρομικά ή μη-αναδρομικά ΤΜΗΜΑ ΜΠΕΣ

22 findMin Algorithm (με αναδρομή)
// Recursive algorithm BinaryNode* findMin(BinaryNode *t){ // check if the tree is empty if (t==NULL) return NULL; // if the left child is null // return the current node if (t->lchild==NULL) return t; return findMin (t->lchild); } ΤΜΗΜΑ ΜΠΕΣ

23 findMin Algorithm (χωρίς αναδρομή)
// Non-recursive algorithm BinaryNode* findMin(BinaryNode *t) begin // έλεγξε αν το δέντρο είναι άδειο if (t!=NULL) // προχώρα κάτω προς το lchild σε κάθε κόμβο while (t->lchild!=NULL) t = t->lchild; end return t; ΤΜΗΜΑ ΜΠΕΣ

24 findMin Παράδειγμα: 9 7 4 17 14 11 12 21 25 27 22 ΤΜΗΜΑ ΜΠΕΣ

25 findMax Σύμφωνα με την BST ιδιότητα, το κλειδί του rchild της ρίζας θα είναι > του κλειδιού της ρίζας Το κλειδί του rchild του rchild της ρίζας θα είναι > του κλειδιού του rchild της ρίζας κ.ο.κ. Χρησιμοποιώντας παρόμοια τεχνική όπως στη findMin, το μέγιστο κλειδί σε ένα BST πρέπει να βρίσκεται ξεκινώντας από τη ρίζα και «πηγαίνοντας όλο δεξιά» ΤΜΗΜΑ ΜΠΕΣ

26 findMax Βήματα αλγορίθμου:
Ξεκίνα από τη ρίζα Αν η ρίζα είναι NULL (άδειο BST) επέστρεψε NULL Σε κάθε κόμβο πήγαινε στο rchild Ολοκλήρωσε τη διάσχιση όταν συναντηθεί ο πρώτος NULL δείκτης Επέστρεψε τον τελευταίο κόμβο που επισκέφτηκες Η παράμετρος εισόδου στη findMax και ο τύπος που επιστρέφει είναι ίδια με τη findMin ΤΜΗΜΑ ΜΠΕΣ

27 findMax Algorithm (με αναδρομή)
// Recursive algorithm BinaryNode* findMax(BinaryNode *t){ // check if the tree is empty if (t==NULL) return NULL; // if the right child is null // return the current node if (t->rchild==NULL) return t; return findMax (t->rchild); } ΤΜΗΜΑ ΜΠΕΣ

28 findMax Algorithm (χωρίς αναδρομή)
// Non-recursive algorithm BinaryNode* findMax(BinaryNode *t) begin // έλεγξε αν το δέντρο είναι άδειο if (t!=NULL) // προχώρα κάτω προς το rchild σε κάθε κόμβο while (t->rchild!=NULL) t = t->rchild; end return t; ΤΜΗΜΑ ΜΠΕΣ

29 findMax Παράδειγμα: 9 7 4 17 14 11 12 21 25 27 22 ΤΜΗΜΑ ΜΠΕΣ

30 find Ο αλγόριθμος find είναι συνδυασμός των τεχνικών της findMin και της findMax Η διαφορά μεταξύ του find και των findMin/findMax: Οι findMin/findMax εγγυώνται ότι θα επιστρέψουν έναν κόμβο όταν το BST δεν είναι άδειο. Από την άλλη, ο αλγόριθμος find επιστρέφει έναν κόμβο μόνο όταν το ζητούμενο κλειδί ‘x’ βρεθεί μέσα στο BST ΤΜΗΜΑ ΜΠΕΣ

31 find Οι παράμετροι εισόδου είναι η ρίζα του BST και το κλειδί προς αναζήτηση: int x find(x, root); Η μέθοδος find επιστρέφει τον κόμβο στο BST που περιέχει το κλειδί ‘x’ αν υπάρχει, και NULL αν δεν υπάρχει Ο τύπος που επιστρέφει είναι πάλι BinaryNode* ΤΜΗΜΑ ΜΠΕΣ

32 find Algorithm Βήματα αλγορίθμου:
1) Start at root; current_node = root 2) if current_node is NULL return NULL 3) if (x < current_node -> key) current_node = current_node -> lchild 4) if (x > current_node -> key) current_node = current_node -> rchild Repeat steps 2-4 until x = = current_node->key or current_node = = NULL ΤΜΗΜΑ ΜΠΕΣ

33 find Algorithm end // Non-recursive algorithm
BinaryNode* findMax(BinaryNode *t, key x) begin // έλεγξε αν το δέντρο είναι άδειο if (t!=NULL) while (t!=NULL && x!=t->key) if (x < t -> key) t = t->lchild; else if (x > t -> key) t = t->rchild; end return t; ΤΜΗΜΑ ΜΠΕΣ

34 find Algorithm (με αναδρομή)
// ‘t’ denotes the current node BinaryNode* find(int x, BinaryNode *t){ // check if current node is NULL if (t==NULL) return NULL; else if (x < t->key) // search along left subtree return find(x, t->lchild); else if (x > t->key) // search along right subtree return find(x, t->rchild); else // if we reach here it means // x == t->key. x is found // Return the node containing x return t; ΤΜΗΜΑ ΜΠΕΣ

35 find Παράδειγμα: Εύρεση του κλειδιού ‘12’ Εύρεση του κλειδιού ‘23’ 9 7 4 17 14 11 12 21 25 27 22 ΤΜΗΜΑ ΜΠΕΣ

36 Insert Εισαγωγή του κλειδιού ‘5’ 9 7 4 17 14 11 12 21 25 27 22 5 9 7 4
ΤΜΗΜΑ ΜΠΕΣ

37 Insert – Παράδειγμα (εισαγωγή του 5)
Ξεκινάμε από τη ρίζα που περιέχει το κλειδί 9 5 < 9, πηγαίνουμε στο lchild του 9 που είναι το 7 5 < 7, πηγαίνουμε στο lchild του 7 που είναι το 4 5 > 4, πηγαίνουμε στο rchild του 4 που είναι το NULL Δεν υπάρχει άλλο σημείο στο BST που μπορεί να περιέχει το 5 λόγω της BST ιδιότητας Οπότε, εισάγουμε το 5 ως το rchild του 4. ΤΜΗΜΑ ΜΠΕΣ

38 Insert Κανόνας: Διπλά κλειδιά δεν επιτρέπονται σε ένα BST
Αν θέλουμε να εισάγουμε το κλειδί ‘x’, πρώτα κάνουμε ένα find(x) Αν το ‘x’ βρεθεί, δεν κάνουμε την εισαγωγή Αν το ‘x’ δε βρεθεί, προχωράμε με την εισαγωγή Αν το ‘x’ δε βρεθεί, τότε η find τελειώνει στον κόμβο κάτω από τον οποίο πρέπει να μπει το ‘x’ ΤΜΗΜΑ ΜΠΕΣ

39 Insert insert (5, root) Πρώτα προσπαθούμε να βρούμε αν το 5 είναι ήδη στο BST find algorithm 5 < 9 πηγαίνουμε στο lchild του 9 που είναι το 7 5 < 7 πηγαίνουμε στο lchild του 7 που είναι το 4 5 > 4 πηγαίνουμε στο rchild του 4 που είναι null και η find τερματίζει επιστρέφοντας NULL Ο τελευταίος κόμβος που επισκεφτήκαμε ήταν ο 4 Το καινούργιο κλειδί 5 πρέπει να εισαχθεί κάτω από τον 4 Δημιουργούμε έναν καινούργιο κόμβο με κλειδί 5 και μια 5 > 4 προσθέτουμε τον καινούργιο κόμβο ως rchild του 4 ΤΜΗΜΑ ΜΠΕΣ

40 Insert Βήματα Αλγορίθμου:
Τρέξε ένα find για το κλειδί που θέλουμε να εισαχθεί Αν το κλειδί βρεθεί, επέστρεψε NULL. Αν το κλειδί δε βρεθεί, εισήγαγε έναν καινούργιο κόμβο που περιέχει το κλειδί ως αριστερό ή δεξιό παιδί του τελευταίου κόμβου που επισκέφτηκε η find Παράδειγμα: Εισαγωγή των κλειδιών 6, 9, 14, 17, 5, 7, 16, 20, 18, 19, 4, 11 σε ένα κενό αρχικά δέντρο αναζήτησης ΤΜΗΜΑ ΜΠΕΣ

41 insert Algorithm (με αναδρομή)
// Recursive Algorithm // ‘t’ is the current node void insert(int x, BinaryNode *t){ // if the current node is NULL // we have not found the key // in the BST and reached a NULL // pointer. So, we insert a new node // containing ‘x’ at the current_node. if (t == NULL) { t = new BinaryNode(x, NULL, NULL); return;} ΤΜΗΜΑ ΜΠΕΣ

42 insert Algorithm (με αναδρομή)
// in this portion we are doing the // steps for the find algorithm else if (x < t->key) return insert(x, t->lchild); else if (x > t->key) return insert(x, t->rchild); else return NULL; // the code reaches here if // x == t-> key. } ΤΜΗΜΑ ΜΠΕΣ

43 remove Όπως στην περίπτωση του insert, πρέπει πρώτα να κάνουμε ένα find Αν δε βρεθεί ο κόμβος, προφανώς δε μπορούμε να τον διαγράψουμε Αν βρεθεί υπάρχουν 3 διαφορετικές περιπτώσεις ανάλογα με το είδος του κόμβου: κόμβοι χωρίς παιδιά (φύλλα), κόμβοι με ένα παιδί κόμβοι με δύο παιδιά ΤΜΗΜΑ ΜΠΕΣ

44 remove - Κανόνες Κανόνες: 9 7 4 17 14 11 12 21 25 27 22 27
1) Αν ο κόμβος που θέλουμε να διαγράψουμε είναι φύλλο, τότε διαγράφεται κατευθείαν 9 7 4 17 14 11 12 21 25 27 22 27 Μπορεί να διαγραφεί κατευθείαν ΤΜΗΜΑ ΜΠΕΣ

45 remove - Κανόνες 2) Αν ο κόμβος που θέλουμε να διαγράψουμε έχει ένα παιδί, το παιδί αυτό γίνεται το καινούργιο παιδί του πατέρα του διαγραμμένου κόμβου 25 27 21 διέγραψε το 25 27 21 ΤΜΗΜΑ ΜΠΕΣ

46 remove - Κανόνες 3) Αν ο κόμβος που θέλουμε να διαγράψουμε έχει δύο παιδιά Αντικατέστησε τον κόμβο προς διαγραφή με τον κόμβο που περιέχει το ελάχιστο κλειδί στο δεξιό του υποδέντρο (χρησιμοποιώντας τη findMin στη ρίζα του δεξιού υποδέντρου του κόμβου προς διαγραφή) Ο κόμβος με το ελάχιστο κλειδί δε μπορεί να έχει lchild. Αν είχε τότε το lchild θα περιείχε το ελάχιστο κλεδί Οπότε ο κόμβος με το ελάχιστο κλειδί έχει μόνο rchild ή καθόλου παιδιά ΤΜΗΜΑ ΜΠΕΣ

47 remove - Κανόνες Αντικατέστησε το ‘2’ με το ‘3’ 6 2 1 8 5 3 4 6 3 8
διέγραψε το 2 5 1 Αυτός ο κόμβος και οι σχετιζόμενοι δείκτες διαγράφονται Το ‘2’ έχει 2 παιδιά. findMin στη ρίζα του δεξιού υποδέντρου του ‘2’ δίνει ‘3’ που έχει ένα rchild 3 4 ΤΜΗΜΑ ΜΠΕΣ