You are looking for information, articles, knowledge about the topic nail salons open on sunday near me 최적 이진 탐색 트리 on Google, you do not find the information you need! Here are the best content compiled and compiled by the Chewathai27.com/to team, along with other related topics such as: 최적 이진 탐색 트리 Optimal Binary Search tree, 이진 탐색 트리 C언어, Optimal Binary Search Tree Python, 이진 탐색 트리 그리기, Int 를 key 로 하고 char 를 value 로 하는 이진 탐색 트리 구현, C언어 트리
최적 이진 탐색 트리 (Optimal Binary Search Tree)
- Article author: gsmesie692.tistory.com
- Reviews from users: 20718
Ratings - Top rated: 3.1
- Lowest rated: 1
- Summary of article content: Articles about 최적 이진 탐색 트리 (Optimal Binary Search Tree) 최적 이진 탐색 트리 (Optimal Binary Search Tree). 메시에 2019. 6. 16. 02:15. 이전 포스팅에서 설명했던 이진 탐색 트리 (BST) 의 활용 예를 보자. …
- Most searched keywords: Whether you are looking for 최적 이진 탐색 트리 (Optimal Binary Search Tree) 최적 이진 탐색 트리 (Optimal Binary Search Tree). 메시에 2019. 6. 16. 02:15. 이전 포스팅에서 설명했던 이진 탐색 트리 (BST) 의 활용 예를 보자. 이전 포스팅에서 설명했던 이진 탐색 트리 (BST) 의 활용 예를 보자. 설명할 때는 보통 이해하기 쉽게 노드에 들어있는 데이터를 숫자로 가정하지만, 실제로 쓰일 때는 문자열이라던가 더 다양한 데이터가 들어갈..
- Table of Contents:
내가 그리는 세상 :: #5 최적 이진 탐색 트리(Optimal Binary Search Trees)
- Article author: cometouniverse.tistory.com
- Reviews from users: 47540 Ratings
- Top rated: 3.5
- Lowest rated: 1
- Summary of article content: Articles about 내가 그리는 세상 :: #5 최적 이진 탐색 트리(Optimal Binary Search Trees) 최적 이진 탐색 트리란 , 평균 탐색하는 횟수를 최소로 만드는 이진 탐색 트리를 말한다. (그냥 탐색 횟수가 아니라 평균 탐색 횟수로 구하는 이유는 확률 … …
- Most searched keywords: Whether you are looking for 내가 그리는 세상 :: #5 최적 이진 탐색 트리(Optimal Binary Search Trees) 최적 이진 탐색 트리란 , 평균 탐색하는 횟수를 최소로 만드는 이진 탐색 트리를 말한다. (그냥 탐색 횟수가 아니라 평균 탐색 횟수로 구하는 이유는 확률 … 이진 탐색 트리란? 1.각 노드엔 하나의 키(값)만을 가진다 2.임의로 선정된 노드의 왼쪽 노드들은 모두 선정 노드보다 작은 값을 가진다 3.임의로 선정된 노드의 오른쪽 노드들은 모두 선정 노드보다 큰 값을 가..
- Table of Contents:
[알고리즘] 최적 이진 검색 트리, Optimal Binary Search Trees | 설계 및 분석
- Article author: nolzaheo.tistory.com
- Reviews from users: 49413 Ratings
- Top rated: 4.6
- Lowest rated: 1
- Summary of article content: Articles about [알고리즘] 최적 이진 검색 트리, Optimal Binary Search Trees | 설계 및 분석 이진 검색 트리는 말 그대로 이진 트리를 검색 목적으로 사용하는 것이다. 왼쪽에는 같거나 더 작은 값을, 오른쪽에는 더 큰 값을 저장하고 leaf 노드들 … …
- Most searched keywords: Whether you are looking for [알고리즘] 최적 이진 검색 트리, Optimal Binary Search Trees | 설계 및 분석 이진 검색 트리는 말 그대로 이진 트리를 검색 목적으로 사용하는 것이다. 왼쪽에는 같거나 더 작은 값을, 오른쪽에는 더 큰 값을 저장하고 leaf 노드들 … 최적 이진 검색 트리란? 최적 이진 검색트리의 뜻을 알기위해서는 먼저 이진 검색 트리의 뜻을 알아야한다. 이진 검색 트리는 말 그대로 이진 트리를 검색 목적으로 사용하는 것이다. 왼쪽에는 같거나 더 작은 값..지식의 되새김질, 나와 모두의 학습 공간
- Table of Contents:
티스토리툴바
![[알고리즘] 최적 이진 검색 트리, Optimal Binary Search Trees | 설계 및 분석](https://img1.daumcdn.net/thumb/R800x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2FbvJ6lF%2FbtqR6voM2X8%2FU6BrCfIgY6UuQxSG9fu2hk%2Fimg.png)
Optimal Binary Search Tree
- Article author: woochan-autobiography.tistory.com
- Reviews from users: 26651 Ratings
- Top rated: 3.6
- Lowest rated: 1
- Summary of article content: Articles about Optimal Binary Search Tree 최적 이진 탐색트리 문제. : 트리의 각 노드가 탐색될 확률이 주어질 때, 그 트리의 평균 비교횟수가 최소인 탐색 트리를 구축하는 것이 목적이다. …
- Most searched keywords: Whether you are looking for Optimal Binary Search Tree 최적 이진 탐색트리 문제. : 트리의 각 노드가 탐색될 확률이 주어질 때, 그 트리의 평균 비교횟수가 최소인 탐색 트리를 구축하는 것이 목적이다. 트리들 중 어느 트리로 만들어야 좋을까? key 를 search할 때 걸리는 시간을 적게 하고 싶다. 비교횟수를 최소화 하고 싶다. 각 key를 찾을 때까지 key comparison의 최솟값 각각의 key들을 search할 확률이 1/7..
- Table of Contents:
A[1][n] = minimum( A[1][k-1] + A[k+1][n] ) + ∑Pk
이진 탐색 트리의 특성
이진 탐색 트리의 예
최적 이진 탐색트리 문제
이진트리의 평균 탐색 시간을 구하는 수식
티스토리툴바
알고리즘 #9_ 최적 이진 검색 트리(BST: Binary Search Tree)
- Article author: doorbw.tistory.com
- Reviews from users: 36113 Ratings
- Top rated: 5.0
- Lowest rated: 1
- Summary of article content: Articles about 알고리즘 #9_ 최적 이진 검색 트리(BST: Binary Search Tree) 추가적으로, 우리는 어떤 단어 K에 대해서 탐색이 되지 않을 경우도 고려해야 합니다. 따라서 가상키라는 개념을 통해 이를 해결합니다. 가상키는 이진 … …
- Most searched keywords: Whether you are looking for 알고리즘 #9_ 최적 이진 검색 트리(BST: Binary Search Tree) 추가적으로, 우리는 어떤 단어 K에 대해서 탐색이 되지 않을 경우도 고려해야 합니다. 따라서 가상키라는 개념을 통해 이를 해결합니다. 가상키는 이진 … 안녕하세요. 이번 포스팅에서는 동적 프로그래밍(Dynamic Programming)에서의 최적 이진 검색 트리(Optimal Binary Search Tree)에 대해서 알아보겠습니다. 1. 최적 이진 검색 트리 (Optimal Binary Search Tree)..Back-end / DevOps / K8S / Java / Kotlin / Python / Database / Algorithm / etc
- Table of Contents:
알고리즘 #9_ 최적 이진 검색 트리(BST Binary Search Tree)
문 범 우
[신입 개발자 취업을 위한 가이드라인]티스토리툴바
알고리즘 #9_ 최적 이진 검색 트리(BST: Binary Search Tree)
- Article author: euleroj.io
- Reviews from users: 25584 Ratings
- Top rated: 3.6
- Lowest rated: 1
- Summary of article content: Articles about 알고리즘 #9_ 최적 이진 검색 트리(BST: Binary Search Tree) 이진 탐색 트리란 숫자들을 노드에 저장해서 탐색에 이용할 수 있게 만든 트리를 말한다. 이때 언제나 왼쪽 부트리의 숫자들은 부모 노드보다 작고, 오른쪽 부트리의 … …
- Most searched keywords: Whether you are looking for 알고리즘 #9_ 최적 이진 검색 트리(BST: Binary Search Tree) 이진 탐색 트리란 숫자들을 노드에 저장해서 탐색에 이용할 수 있게 만든 트리를 말한다. 이때 언제나 왼쪽 부트리의 숫자들은 부모 노드보다 작고, 오른쪽 부트리의 … 안녕하세요. 이번 포스팅에서는 동적 프로그래밍(Dynamic Programming)에서의 최적 이진 검색 트리(Optimal Binary Search Tree)에 대해서 알아보겠습니다. 1. 최적 이진 검색 트리 (Optimal Binary Search Tree)..Back-end / DevOps / K8S / Java / Kotlin / Python / Database / Algorithm / etc
- Table of Contents:
알고리즘 #9_ 최적 이진 검색 트리(BST Binary Search Tree)
문 범 우
[신입 개발자 취업을 위한 가이드라인]티스토리툴바
Optimal BST (최적 이진 탐색 트리)
- Article author: chipmunk-plump-plump.tistory.com
- Reviews from users: 40519 Ratings
- Top rated: 4.9
- Lowest rated: 1
- Summary of article content: Articles about Optimal BST (최적 이진 탐색 트리) 불균형적인 트리. . 위처럼 1,2,3,4,5 순으로 입력이 있을 경우. 입력이 있을때마다 트리를 최적화하여 아래와 같이 만든다. . 이리하여 이진 탐색 … …
- Most searched keywords: Whether you are looking for Optimal BST (최적 이진 탐색 트리) 불균형적인 트리. . 위처럼 1,2,3,4,5 순으로 입력이 있을 경우. 입력이 있을때마다 트리를 최적화하여 아래와 같이 만든다. . 이리하여 이진 탐색 … – 각 노드의 검색 빈도가 주어질 때, 검색 비용의 기댓값이 가장 작은 이진 검색 트리 예시) 입력이 5,4,6,3,2,8,7 순일 경우 균형적인 트리 입력이 1,2,3,4,5 순일 경우 불균형적인 트리 위처럼 1,2,3..
- Table of Contents:
태그
‘프로그래밍알고리즘’ 관련글
티스토리툴바
See more articles in the same category here: Top 673 tips update new.
최적 이진 탐색 트리 (Optimal Binary Search Tree)
이전 포스팅에서 설명했던 이진 탐색 트리 (BST) 의 활용 예를 보자. 설명할 때는 보통 이해하기 쉽게 노드에 들어있는 데이터를 숫자로 가정하지만, 실제로 쓰일 때는 문자열이라던가 더 다양한 데이터가 들어갈 수 있다. 예를 들어 주소록에서 어떤 사람 이름을 검색하기 위해 BST를 만들었다고 치자.
보면 알겠지만 여기서는 크다, 작다의 기준은 알파벳 ABC순 정렬이다. B로 시작하는 단어가 C로 시작하는 단어보다 왼쪽에 위치하게 되는 것이다.
서로 다른 모양의 트리 2개를 그려놨는데 둘 다 BST다. 그러니까 같은 데이터셋을 가지고 만들 수 있는 BST의 모양은 유일하지 않다. 이 두 BST의 차이는 무엇일까? BST에서 검색을 할 때는 루트 노드부터 시작해서 재귀함수를 호출하면서 아래로 내려가기 때문에, 검색할 대상이 아래쪽에 있을수록 함수 호출을 해야 하는 횟수가 늘어난다. 예를 들어 ‘Crystal’ 을 검색한다고 하면 왼쪽 BST에서는 바로 결과가 나오지만 오른쪽 BST에서는 3번 더 내려가야 한다. 그렇다면 다른 제약사항이 없다고 했을 때 일반적으로 생각할 수 있는건 BST를 최대한 적은 층수 (레벨) 로 구성하는 게 좋다고 생각할 수 있다.
다만 현실에서는 여기에 제약사항이 더 붙는다. 이를테면 단어별로 검색 요청이 들어오는 빈도가 다른데, John은 영어에서 아주 흔한 이름이므로 검색 빈도가 높을 것이라고 생각할 수 있다. 단어별로 검색 빈도가 아래와 같다고 가정하자.
Crystal = 0.1 / Daisy = 0.2 / Beatrice = 0.3 / John = 0.4
BST의 ‘평균 검색 시간’ 은 단어별 ‘검색 빈도 * 필요 탐색 횟수’ 를 모두 더한 것이라고 정의한다. 식으로 표현하면 다음과 같다. c는 단어를 검색하는데 필요한 함수 호출 횟수, p는 단어의 검색 빈도, n은 단어의 수를 의미한다.
위 예시의 두 BST에 대해서 이걸 계산해보면,
왼쪽: (0.1*1) + (0.2*2) + (0.3*2) + (0.4*3) = 2.3
오른쪽: (0.1*4) + (0.2*3) + (0.3*2) + (0.4*1) = 2.0
으로 오른쪽 BST가 더 효율이 좋다는 것을 알 수 있다. 직관적으로 표현하면 검색 빈도가 높은 단어가 깊은 곳에 박혀있으면 효율이 떨어지고, 반대로 루트 노드와 가까운 곳에 있으면 효율이 좋다는 얘기다. 오른쪽 BST가 트리의 레벨은 1 더 높지만, 제일 검색 빈도가 낮은 Crystal을 아래로 내리고 검색 빈도가 높은 John을 루트 노드로 놓으니 오히려 효율이 더 좋아졌다.
가능한 BST의 모양들 중에서 평균 검색 시간이 제일 낮은, 가장 효율적인 트리를 최적 이진 탐색 트리 (Optimal BST) 라고 부른다. 그럼 단어들이 주어졌을 때 최적 BST를 어떻게 찾아낼까?
가능한 모든 BST의 모양을 만들어보는 건 너무 비효율적이다. 노드 n개가 있고 어떤 노드를 루트에 뒀을 때, 그 노드를 제외한 나머지 n-1개의 모든 노드들은 부모 노드의 왼쪽이나 오른쪽에 위치할 수 있으므로 가능한 BST의 경우의 수가 2^(n-1) 개이다. 즉 지수 시간복잡도라는 얘기다.
그래서 최적 BST를 빨리 찾기 위해서 또 다이나믹 프로그래밍이 등장한다. BST의 특성상 어떤 BST의 왼쪽, 오른쪽 서브트리가 각각 최적 BST여야 해당 BST도 최적이다. 즉 최적의 원리가 성립한다.
위 그림을 보자. 어떤 BST가 1번째 key (단어) 가 루트라는 제약사항을 가진 최적 BST라고 하자. 왼쪽, 오른쪽 서브트리는 각각 최적 BST이고, 전체 BST에서 단어를 찾을 때 걸리는 평균 검색 시간은 서브트리에서 찾는 시간 + 루트노드를 탐색하는 시간이다.
이걸 식으로 세워보자.
먼저 i번째 key부터 j번째 key까지로 최적 BST를 만들었을 때의 평균 검색 시간, 즉 최적값을 A[i][j] 라고 정의하자. 그러면 서브트리의 평균 검색 시간은 루트노드가 k번째 key일 때 왼쪽, 오른쪽 각각 A[1][k-1], A[k+1][n] 이다 (서브트리는 각각 최적 BST이므로). 그리고 루트노드는 깊이가 1이므로
에서 c를 뺀 (c=1) 것이 루트노드를 탐색하는 시간이다.
그리고 k개의 BST 중 하나는 반드시 최적이다. 서브트리들은 이미 최적이라고 했기 때문에 루트노드를 k번 바꿔보고 그 중 최적의 값을 구하면 그게 전체에 대한 최적의 값이다. 이를 종합하면 아래와 같은 식이 나온다.
1부터 n까지가 아니라 i번째부터 j번째까지의 key로 일반화할 수도 있다. 그러면 아래와 같은 식이 된다.
이 식을 이용해서 A라는 2차원 배열을 채워나가서, A[1][n] 의 값을 얻으면 그것이 최적 BST의 평균 검색 시간 (최적값) 이 된다.
다만 A라는 DP 배열 하나만으로는 최적값은 구할 수 있지만 최적 BST의 모양을 알 수가 없다. 최적 BST를 구성하기 위한 아이디어는 R이라는 2차원 배열을 하나 더 만드는 것이다. 여기서 R의 각 칸에 들어가는 값은 A 배열에 최적값을 넣는 순간의 k값으로, 이는 즉 i번째 key부터 j번째 key까지를 이용해 BST를 만들 때 루트가 되는 노드의 번호를 의미한다. 즉 R[1][n] 을 구하면 최적 BST의 루트노드를 구할 수 있다. 그 다음 레벨의 노드부터는? 루트가 된 노드가 k번 노드라고 치면 그 왼쪽 서브트리의 루트노드 (즉 k번 노드의 left child) 는 R[1][k-1], 오른쪽 서브트리의 루트노드는 R[k+1][n] 이 된다. 이런 식으로 R 배열의 값들을 이용해 재귀함수를 호출해주면서 노드를 만들어나가면 최적 BST가 만들어진다.
예시를 보면서 이해해보자. 4개의 key (단어) 들이 있고 각각의 검색 빈도는 왼쪽과 같다. A 배열이든 R 배열이든 ‘i번째부터 j번째 key를 이용해서 만든 최적 BST’ 에 대한 내용을 담고 있으므로, i<=j인 경우만 생각하면 된다. 그러므로 대각선을 기준으로 왼쪽 아래에는 값을 넣을 필요가 없고, 대각선 칸은 0으로 모두 채운다. i=j인 경우는 하나의 단어, 그러니까 노드 하나뿐인 BST가 되므로 A 배열에는 그 단어의 검색 빈도가 그대로 들어가고 R 배열에는 그 단어의 번호가 들어간다. 그 다음 칸부터 본격적으로 위의 점화식을 이용해서 칸을 채운다. 예를 들어 A[1][2] 의 경우, A[1][0] + A[2][2] (k=1인 경우) A[1][1] + A[3][2] (k=2인 경우) 둘 중에 작은 값을 선택하게 되는데 둘 다 3/8이고, 거기에 각 key의 검색 빈도를 다 더하므로 3/8이 두번 더 더해져서 9/8이 된다. R[1][2] 에는 선택한 작은 값에 해당하는 k값을 넣는데 여기서는 1, 2를 둘 다 넣을 수 있지만 동률일 경우 더 작은 값을 우선으로 넣기로 한다. A, R 배열을 만드는 파이썬 함수를 작성했다. 신경쓰일 만한 부분은 주석으로도 달아놨지만 한번 더 써보면, - n은 key의 개수, p는 각 key에 대한 검색 빈도가 저장되어 있는 리스트다. - 아까 위에서 봤던 예시 그림에서 A, R 배열을 잘 보면 가로로는 0, 1, 2... 인데 세로로는 1, 2, 3... 이다. 그러니까 코드를 좀 더 이해하기 쉽게 작성하기 위해서 세로로 한 줄을 더 만들었다. 위 그림이랑 비교해서 제일 위에 0으로 채워진 한 줄이 더 있는 것이다. 메모리 낭비라고 생각할 수 있지만 예시니까 넘어가자 - for문 두 개와 diagonal 변수는 대각선 기준으로 위쪽만 돌기 위해 저렇게 만들었다. - 그 아래로는 점화식을 코드로 옮긴 것이다. 첫번째 for문은 minimum 찾는 부분, 두번째 for문은 p값들을 더하는 시그마 부분이다. 위에서 만든 R 리스트를 이용해서 최적 BST를 만드는 함수다. 아까 R 배열에 대해서 설명할 때 언급했듯 재귀적으로 동작하므로 i, j를 인자로 받아야 한다. 예시처럼 key가 4개라면, 처음 호출할 때는 (1, 4, R, Keys) 로 호출하면 된다. Keys는 말 그대로 key 단어들이 들어가있는 리스트다. R 리스트에서 k를 가져온 다음, k가 0이 아니라면 k번째 key를 사용해서 노드를 만든다. 그리고 이 노드의 왼쪽, 오른쪽 자식노드를 각각 재귀호출로 만든다. 마지막에 return node를 해줘야 만들어진 노드 객체가 부모 노드의 left, right 속성으로 들어간다는 점을 주의하자.
내가 그리는 세상 :: #5 최적 이진 탐색 트리(Optimal Binary Search Trees)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96
//key1,key2…keyn typedef int index; // 트리에 들어갈 값들의 순번 const float p[ 6 ] = { NULL , 3. / 16 , 4. / 16 , 5. / 16 , 3. / 16 , 1. / 16 }; //각 값들의 확률 //정해진 구간의 모든 확률을 더하는 함수 float sum(index begin , index end ) { float sum_total = 0 ; for ( int i = begin ; i < = end ; i + + ) { sum_total + = p[i]; } return sum_total; } //optimal search tree를 구하는 함수 void optsearchtree(index n,index * * R) { index i, j, k, diagonal; float * * A = new float * [n + 2 ]; float min; for ( int s = 0 ; s < n + 2 ; s + + ) A[s] = new float [n + 1 ]; //계산않하는 구간 처리 for (i = 1 ; i < = n; i + + ) { A[i][i - 1 ] = 0 ; A[i][i] = p[i]; A[ 0 ][i - 1 ] = NULL ; R[i][i] = i; R[i][i - 1 ] = 0 ; R[ 0 ][i - 1 ] = NULL ; } A[ 0 ][n] = NULL ; A[n + 1 ][n] = 0 ; R[ 0 ][n] = NULL ; R[n + 1 ][n] = 0 ; //구간을 바꾸고. 구간 간격을 늘려가면서 평균 탐색 횟수가 최소인 구간 구하기 //diagonal 은 1~n-1. 행렬 A1~An까지 있으면 최대 간격은 n-1 for (diagonal = 1 ; diagonal < = n - 1 ; diagonal + + ) { for (i = 1 ; i < = n - diagonal; i + + ) { j = i + diagonal; min = A[i][i - 1 ] + A[i + 1 ][j] + sum(i,j); for (k = i; k < = j; k + + ) { if (min > = A[i][k – 1 ] + A[k + 1 ][j] + sum(i, j)) { min = A[i][k – 1 ] + A[k + 1 ][j] + sum(i, j); R[i][j] = k; } } A[i][j] = min; } } for (index i = 1 ; i < = n; i + + ) { for (index j = i; j < = n; j + + ) { printf ( "A[%d][%d]는::%f" , i, j, A[i][j]); printf ( " " ); } } for ( int s = 0 ; s < n + 2 ; s + + ) delete []A[s]; } int main() { int n = sizeof (p) / sizeof ( float ) - 1 ; //R[i][j]는 i~j에서의 최적 이진 탐색 트리의 루트 노드를 기록한 행렬이다 index * * R = new index * [n + 2 ]; for ( int i = 0 ; i < n + 2 ; i + + ) { R[i] = new index[n + 1 ]; //memset(R[i],0,sizeof(index)*(n+1)); } optsearchtree(n,R); for ( int i = 1 ; i < = n; i + + ) { for ( int j = i; j < = n; j + + ) { printf ( "R[%d][%d]는::%d" , i, j, R[i][j]); printf ( " " ); } } for ( int i = 0 ; i < n + 2 ; i + + ) delete [] R[i]; system( "pause" ); return 0 ; } Colored by Color Scripter
[알고리즘] 최적 이진 검색 트리, Optimal Binary Search Trees
최적 이진 검색 트리란?
최적 이진 검색트리의 뜻을 알기위해서는 먼저 이진 검색 트리의 뜻을 알아야한다. 이진 검색 트리는 말 그대로 이진 트리를 검색 목적으로 사용하는 것이다. 왼쪽에는 같거나 더 작은 값을, 오른쪽에는 더 큰 값을 저장하고 leaf 노드들 간의 depth 차이가 1보다 클 수 없다. 여기서 ‘최적’이란 단어까지 붙으면 최적 이진 검색트리가 된다. 최적 이진 검색 트리는 가능한 이진 검색 트리 중 key를 찾는데에 걸리는 평균 시간이 가장 짧은 이진 검색 트리를 의미한다.
탐색시간은 원하는 키를 찾기까지 필요한 비교 횟수이다. 평균 탐색시간은 한 노드에 담긴 key m 이 찾고자하는 search key일 확률을 p m 라고 하고, key m 을 찾기까지의 비교횟수를 c m 이라고 할 때 p m 과 c m 의 곱의 합으로 나타내며 수식은 아래와 같다.
C m : key m 을 찾아가기 위한 비교횟수
P m : key m 이 search key일 확률
<이진 트리에서 사용하는 자료구조>
① 노드를 구조체로 나타냄
//노드를 구조체로써 나타냄 struct nodetype { keytype key nodetype* left nodetype* right } Typedef nodetype* node_pointer;
② A : 최적의 평균 탐색시간 값을 담은 배열
A[i][j] = key i 부터 key j 까지의 최적 평균 탐색시간
알고리즘 설계전략
① 재귀 관계식 정립
root를 추가할 때 마다 기존의 트리는 그 root의 subtree가 되므로 비교횟수가 각각 한번씩(c i (=1) x p i ) 더 늘어난다.
따라서 A[1][n] = A[1][k-1] + p 1 + … + p k-1 + p k + A[k+1][1] + p k+1 + … + p n
결론적으로 다음과 같은 재귀관계식이 도출된다.
② bottom-up 방식으로 해결
왼쪽 sub tree의 노드 개수가 0개일 때부터 n-1개일 때까지를 앞의 것의 결과를 토대로 순서대로 구한다. foundations of algorithms 교재 example 3.9에 이 과정에 대한 예시가 나와있다.
출처: foundations of algorithms, Richard Neapolitan, 도경구역
알고리즘 수도코드
최적의 평균 탐색 시간을 찾는 코드이다.
void optsearchtree(int n, const float p[], float& minavg, index R[][]) { index i, j, k, diagonal; float A[1..n+1][0..n]; for(i=1; i<=n; i++) { A[i][i-1] = 0; A[i][i] = p[i]; R[i][i-1] = 0; } A[n+1][n] = 0; R[n+1][n] = 0; for(diagonal = 1; diagonal <= n-1; diagonal++) for(i=1; i <= n-diagonal; i++) { j = i + diagonal; A[i][j] = minimum(A[i][k-1]+A[k+1][j])) + sum of pi ~ pj; //basic operation R[i][j] = a value of k that gave the minimum; } minavg = A[1][n]; } //배열 R을 이용해 트리 생성 nodepointer tree(index i, j) { index k; node_pointer p; k = R[i][j]; if(k==0) return NULL; else { p = new nodetype; p->key = key[k]; p->left = tree(i,k-1); p->right = tree(k+1,j); return p; } }
알고리즘 성능분석
basic operation : 각 k 값에 대한 덧셈, 비교연산 (A[i][j] = minimum(A[i][k-1]+A[k+1][j])) + sum of pi ~ pj;)
최적 이진 트리 탐색도 플로이드 알고리즘과 같이 every-case이다.
위 수도코드를 보면 j = i + diagonal이므로
– i에 대한 for문을 수행하는 횟수 = n – diagonal
– k에 대한 for문을 수행하는 횟수 = j-i+1 = (i+diagonal)-i+1 = diagonal+1
∴Θ(n3)
So you have finished reading the 최적 이진 탐색 트리 topic article, if you find this article useful, please share it. Thank you very much. See more: Optimal Binary Search tree, 이진 탐색 트리 C언어, Optimal Binary Search Tree Python, 이진 탐색 트리 그리기, Int 를 key 로 하고 char 를 value 로 하는 이진 탐색 트리 구현, C언어 트리
