add documentation merge tree
All checks were successful
continuous-integration/drone/push Build is passing
All checks were successful
continuous-integration/drone/push Build is passing
This commit is contained in:
parent
423e581529
commit
ba2e2744ce
57
doc/exercises/merge_tree.md
Normal file
57
doc/exercises/merge_tree.md
Normal file
@ -0,0 +1,57 @@
|
||||
---
|
||||
author: Raffaele Mignone
|
||||
title: Caratterizzazione della complessità di un algoritmo per la fusione di due alberi binari ordinati tra loro
|
||||
keywords:
|
||||
- Complessità
|
||||
- Alberi binari
|
||||
- fusione
|
||||
subject: Caratterizzazione della complessità
|
||||
papersize: a4
|
||||
lang: it-IT
|
||||
---
|
||||
|
||||
# Merge di due alberi binari
|
||||
|
||||
## Traccia
|
||||
|
||||
Siano $T_1$ e $T_2$ due alberi binari di ricerca tali che tutte le chiavi in $T_1$ sono minori delle chiavi in $T_2$.
|
||||
Scrivere un programma che crea un albero binario di ricerca contenente tutte le chiavi di $T_1$ e $T_2$ e calcolarne la complessità computazionale.
|
||||
|
||||
## Soluzione
|
||||
|
||||
L'esercizio è stato risolto usando uno pseudo *decorator* che va a wrappare i due alberi come mostrato in @fig:classDiagram.
|
||||
|
||||
```{#fig:classDiagram .plantuml caption="Class Diagram"}
|
||||
interface Tree<K: Comparable<K>, V> {
|
||||
+ get(key: K): Option<V>
|
||||
+ set(key: K, value: V)
|
||||
}
|
||||
|
||||
class MergeTree<K: Comparable<K>, V> {
|
||||
- leftTree: Tree<K, V>
|
||||
- rightTree: Tree<K, V>
|
||||
- medianKey: K
|
||||
}
|
||||
|
||||
Tree <|-- MergeTree
|
||||
|
||||
note top of MergeTree: fun get(key: K): Option<V> {\n\treturn if( key <= medianKey ) leftTree.get(key)\n\telse rightTree.get(key)\n}
|
||||
```
|
||||
|
||||
Sulla classe `MergeTree` sono consentite tutte l'operazione operazioni che è possibile fare un un albero standard in quanto implementa l'Interfaccia `Tree`.
|
||||
Il ruolo di `MergeTree` è fare da dispatcher e passare le chiamate ai due sotto alberi.
|
||||
La scelta dell'albero da chiamare avviene mediante il valore mediano[^size] che viene calcolato all'atto della creazione andando a recuperare la chiave più grande dell'albero di sinistra[^delete].
|
||||
|
||||
[^size]: Alcune operazioni, come `select` e `rank` vengono smistate tramite la size dei due alberi.
|
||||
|
||||
[^delete]: In caso di un'operazione di `delete` sulla chiave presa come valore mediano, oltre a passare la chiamata di `delete` bisogna avere anche l'accortezza di aggiornare il valore mediano.
|
||||
|
||||
## Caratterizzazione della complessità
|
||||
|
||||
Per creare il nuovo albero è necessario recuperare il valore più grande dell'albero di sinistra, per fare ciò si usa la funzione `max` che ha una complessità $log(l)$ dove $l$ sono gli elementi presente nell'albero di sinistra.
|
||||
Se indichiamo con $n$ la somma del numero di chiavi presenti nell'albero $T_1$ e $T_2$ possiamo affermare che nel caso migliore (albero di sinistra vuoto) la creazione ha complessità $1$, nel caso peggiore (albero di destra vuoto) una complessità $logn$;
|
||||
quindi mediamente ci aspettiamo una complessità pari a $log\frac{n}{2}$ e quindi $logn$.
|
||||
|
||||
| Best case | Average | Worst case |
|
||||
| :-: | :-: | :-: |
|
||||
| $1$ | $logn$ | $logn$ |
|
Loading…
Reference in New Issue
Block a user