Binary Search Tree

二叉搜索树性质

一个二叉搜索树具有以下性质

  • 若任意节点的左子树不空,则左子树上所有节点的值均小于它的根节点的值
  • 若任意节点的右子树不空,则右子树上所有节点的值均大于它的根节点的值
  • 任意节点的左、右子树也分别为二叉查找树
  • 没有键值相等的节点

二叉搜索树特点

由于二叉搜索树的特点,在进行查找、插入、删除时,时间复杂度最好能到 O ( l o g n ) O(logn) O(logn),但是最差的情况在 O ( n ) O(n) O(n),此时二叉搜索树退化成一个有序链表
二叉搜索树的中序遍历序列就是二叉搜索树上所有节点的排好序的序列

二叉搜索树算法

查找

在二叉搜索树b中查找x的过程为:

  • 若b是空树,则搜索失败
  • 若x等于b的根节点的数据域之值,则查找成功
  • 若x小于b的根节点的数据域之值,则搜索左子树
  • 若x大于b的根节点的数据域之值,则搜索右子树
插入

向一个二叉搜索树b中插入一个节点s的算法,过程为:

  • 若b是空树,则将s所指节点作为根节点插入
  • 若s->data等于b的根节点的数据域之值,则返回
  • 若s->data小于b的根节点的数据域之值,则把s所指节点插入到左子树中
  • 若s->data大于b的根节点的数据域之值,则把s所指节点插入到右子树中
删除

在二叉查找树删去一个结点,分三种情况讨论:

  1. 若*p结点为叶子结点,即PL(左子树)和PR(右子树)均为空树。由于删去叶子结点不破坏整棵树的结构,则只需修改其父亲结点的指针即可
  2. 若*p结点只有左子树PL或右子树PR,此时只要令PL或PR直接成为其父亲结点*f的左子树(当*p是左子树)或右子树(当*p是右子树)即可,作此修改也不破坏二叉查找树的特性
  3. 若*p结点的左子树和右子树均不空。在删去*p之后,为保持其它元素之间的相对位置不变,可按中序遍历保持有序进行调整,可以有两种做法:其一是令*p的左子树为*f的左/右(依*p是*f的左子树还是右子树而定)子树,*s为*p左子树的最右下的结点,而*p的右子树为*s的右子树;其二是令*p的直接前驱(in-order predecessor)或直接后继(in-order successor)替代*p,然后再从二叉查找树中删去它的直接前驱(或直接后继)

二叉搜索树优化

  • Size Balanced Tree(SBT)
  • 加权平衡树(WBT)
  • AVL树
  • 红黑树
  • Treap(Tree+Heap)

这些均可以使查找树的高度为 O ( l o g n ) O(logn) O(logn)

参考自:wiki

内容概要:本文介绍了基于SMA-BP黏菌优化算法优化反向传播神经网络(BP)进行多变量回归预测的项目实例。项目旨在通过SMA优化BP神经网络的权重和阈值,解决BP神经网络易陷入局部最优、收敛速度慢及参数调优困难等问题。SMA算法模拟黏菌寻找食物的行为,具备优秀的全局搜索能力,能有效提高模型的预测准确性和训练效率。项目涵盖了数据预处理、模型设计、算法实现、性能验证等环节,适用于多变量非线性数据的建模和预测。; 适合人群:具备一定机器学习基础,特别是对神经网络和优化算法有一定了解的研发人员、数据科学家和研究人员。; 使用场景及目标:① 提升多变量回归模型的预测准确性,特别是在工业过程控制、金融风险管理等领域;② 加速神经网络训练过程,减少迭代次数和训练时间;③ 提高模型的稳定性和泛化能力,确保模型在不同数据集上均能保持良好表现;④ 推动智能优化算法与深度学习的融合创新,促进多领域复杂数据分析能力的提升。; 其他说明:项目采用Python实现,包含详细的代码示例和注释,便于理解和二次开发。模型架构由数据预处理模块、基于SMA优化的BP神经网络训练模块以及模型预测与评估模块组成,各模块接口清晰,便于扩展和维护。此外,项目还提供了多种评价指标和可视化分析方法,确保实验结果科学可信。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值