雙陣列trie樹

原文

trie樹的陣列實現原理

trie(retrieval tree)又稱字首樹，可以用來儲存多個字串，並且非常便於查詢。在trie中查詢乙個字串的時間只取決於組成該串的字元數，與樹的節點數無關。因此，它的查詢速度通常比二叉搜尋樹更快。trie的結構很簡單，每條邊表示乙個字元，從根節點到葉節點就可以表示乙個完整的字串。所以，如果用trie表示一組英文單詞，就是一顆26叉數；表示一組自然數，就是一顆10叉樹。直觀上，實現trie很簡單，比如實現英文單詞的trie，使用如下的節點構造樹：

struct node
;

這樣做雖然簡單，但沒有很好的利用記憶體，edges陣列肯定很多都是閒置的，如果使用到更多字元的話，這種浪費會更嚴重。這裡介紹一種基於陣列結構的trie實現方式，不僅節省記憶體，而且查詢速度更快。基於陣列查表的時間複雜度為o(|p|)，基於平衡樹的時間複雜度為o(|p|log|σ|)，其中，p表示查詢的字串長度，σ表示字元集合。

基於陣列的實現方式，把trie看作乙個dfa，樹的每個節點對應乙個dfa狀態，每條從父節點指向子節點的有向邊對應乙個dfa變換。遍歷從根節點開始，字串的每個字元作為輸入用來確定下乙個狀態，直到葉節點。

三陣列trie

trie可以用三個陣列來表示：

base：其中的每個元素對應trie上的乙個節點，即dfa的狀態。對於節點s，base[s]是next和check在狀態轉換表中的起始位置。如果base[i]為負值或沒有next轉換，表示該狀態為乙個詞語。

next：和check搭配使用，提供資料池分配稀疏向量，用於儲存trie狀態轉換表的各行資料。來自各個節點的轉換向量儲存在此陣列中。

check：與next平行使用，它與next相同位置的元素記錄了next中對應元素的擁有者，即之前的狀態。

所謂trie狀態轉換表，即狀態轉換矩陣，是dfa裡的概念：橫行是狀態轉換向量，比如，狀態s接受n種輸入字元c1,…,cn，即構成狀態s的狀態轉換向量；縱列是各種狀態，即trie的各節點。

對於輸入字元c，從狀態s轉換到t，用三陣列trie可以表示為：

check[base[s]+c] = s
next[base[s]+c] = t

類似下圖： trie tripple

遍歷樹對於給定狀態s和輸入字元c的遍歷演算法表示如下：

t := base[s]+c
if check[t] = s then
next state := next[t]
else
fail
endif

建立樹

當插入乙個狀態轉換，比如，輸入字元c，狀態從s轉換到t，此時，陣列元素next[base[s]+c]]應該是空的，否則，整個占用該陣列元素位置的狀態轉換向量或者狀態s的狀態轉換向量必須要重新遷移(relocate)。實際過程中選擇代價較小的那個。假設遷移狀態s的狀態轉換向量，重新分配的起始位置為b，整個過程很簡單：

relocate(s: 狀態, b: next陣列中新的起始位置)
begin
foreach 狀態s後的每種輸入字元c
begin
check[b+c] := s  標記前件狀態
next[b+c] := next[base[s]+c]   複製原先的狀態資料
check[base[s]+c] := none 釋放原先的狀態資料
endbase[s] := b  完成遷移
end

新位置b的選擇比較關鍵，應該避免遷移過程中再次發生衝突。整個過程如下圖，實線表示遷移前，虛線表示遷移後：

雙陣列trie

三陣列trie的next和check陣列元素之間存在間隙，可以將base和next合併，把base陣列中的表示穿插在next中進行，而next中有值的項直接表示為base的內容，這樣就得到兩個平行的陣列base和check，即雙陣列trie。

對於輸入字元c，從狀態s轉換到t，用雙陣列trie可以表示為：

check[base[s]+c] = s
base[s]+c =t

類似下圖 double

遍歷對於給定狀態s和輸入字元c的遍歷演算法表示如下：

t := base[s] + c;
if check[t] = s then
next state := t
else
fail
endif

建立樹

雙陣列trie的建立類似三陣列trie，但重新遷移方法略有不同：

relocate(s: 狀態, s: base陣列中的起始位置)
begin
foreach 狀態s後的每種輸入字元c
begin
check[b+c] := s   標記前件狀態
base[b+c] := base[base[s}+c]  複製原先的狀態資料
foreach 狀態base[s]+c後的每種輸入字元d
begin
check[base[base[s]+c]+d] := b+c
endcheck[base[s]+c] := none  釋放原先的狀態資料
endbase[s] := b 完成遷移
end

整個過程如下圖：

參考an implementation of double-array trie

雙陣列trie樹

雙陣列trie樹

雙陣列TRIE樹原理

Trie樹的雙陣列實現

雙陣列trie樹

雙陣列trie樹

雙陣列TRIE樹原理

Trie樹的雙陣列實現

相關推薦