第7章 查找

教学内容
 7.1 查找的基本概念
 7.2 线性表的查找
 7.3 树表的查找
 7.4 散列表的查找
 教学目标
 熟练掌握顺序表和有序表（折半查找）的查
找算法及其性能分析方法；
 熟练掌握二叉排序树的构造和查找算法及其
性能分析方法；
 掌握二叉排序树的插入算法，掌握二叉排序
树的删除方法；
 熟练掌握散列函数（除留余数法）的构造
 熟练掌握散列函数解决冲突的方法及其特点
 7.1 查找的基本概念
 查找的基本概念
查找表
 由同一类型的数据元素（或记录）构成的集合
查找表常用的操作
 查询某个“特定的”数据元素是否在表中；
 查询某个“特定的”数据元素的各种属性；
 在查找表中插入一元素；
 从查找表中删除一元素。
静态查找表
 对查找表没有修改操作（插入和删除）
 7.1 查找的基本概念
 查找的基本概念
动态查找表
 对查找表有修改操作
关键字
 记录中某个数据项的值，可用来标识一个记录
主关键字
 能唯一地标识一个记录的关键字
次关键字
 可以标识若干个数据元素
查找成功
 若表中存在特定元素，称查找成功。
 7.1 查找的基本概念
 查找方法评价
时间复杂度
空间复杂度
平均查找长度 ASL(Average Search Length)
 为确定记录在表中的位置，需与给定值进行比较的关
键字的个数的期望值叫查找算法的 ASL 。
n
对含有n个记录的表，ASL   pi ci
i 1
n

 pi  1
其中：pi 为查找表中第i个元素的概率，
i 1

ci 为找到表中第i个元素所需比较次数
 7.2 线性表的查找
 7.2.1 顺序查找
 7.2.2 折半查找
 7.2.3 分块查找
 7.2.1 顺序查找
 顺序查找
查找过程
 从表的一端开始逐个进行记录的关键字和给定值的比
较
应用范围
 顺序表或线性链表表示的静态查找表
 表内元素之间无序
typedef struct {
顺序表的表示 KeyType key; // 关键字域
typedef struct { InfoType otherinfo;
ElemType *R; // 表基址}ElemType;
int length; // 表长
}SSTable;
 7.2.1 顺序查找
 第 2 章在顺序表 L 中查找值为 e 的数据元素
int LocateElem(SqList L,ElemType e)
{
for (i=0;i< L.length;i++)
if (L.elem[i]==e) return i+1;
return 0;
}
改进：把待查关键字 key 存入表头（“哨兵”），
从后向前逐个比较，可免去查找过程中每一步都要
检测是否查找完毕，加快速度。
 7.2.1 顺序查找
 带“哨兵”的顺序查找
int Search_Seq(SSTable ST, KeyType key){
// 若成功返回其位置信息，否则返回 0
ST.R[0].key =key;
for( i=ST.length; ST.R[i].key!=key; - - i );
return i;
}
顺序查找 i i
ST.elem
64 21 37 88 19 92 05 64 56 80 75 13
0 1 2 3 4 5 6 7 8 9 10 11
key = 64 ST.Length

i i
ST.elem
60 21 37 88 19 92 05 64 56 80 75 13
0 1 2 3 4 5 6 7 8 9 10 11

key = 60 ST.Length
 7.2.1 顺序查找
 顺序查找的性能分析
空间复杂度
 一个辅助空间 O(1)
时间复杂度 O(n)
平均查找长度
 查找成功时的平均查找长度
 设表中各记录查找概率相等
 ASL=(1+2+ ... +n)/n =(n+1)/2
 查找不成功时的平均查找长度
 ASL=n+1
 7.2.1 顺序查找
 顺序查找算法的特点
优点
 算法简单，对表结构无任何要求，即适用于顺序结
构，也适用于链式结构，无论记录是否按关键字有序
均可应用。
缺点
 平均查找长度较大，查找效率较低
 当 n 很大时，不宜采用顺序查找
 7.2.2 折半查找
 折半查找
查找过程：每次将待查记录所在区间缩小一半
适用条件：采用顺序存储结构的有序表
算法实现
 设表长为 n ， low 、 high 和 mid 分别指向待查元素
所在区间的上界、下界和中点， k 为给定值
 初始时，令 low=0 ， high=n-
1 ， mid=(low+high)/2
 让 k 与 mid 指向的记录比较
 若 k==r[mid].key ，查找成功
 若 k<r[mid].key ，则 high=mid-1
 若 k>r[mid].key ，则 low=mid+1
 重复上述操作，直至 low>high 时，查找失败
 7.2.2 折半查找
 数组 a 中存放从小到大排好序的 n 个整数，
查找给定值 k 在数组中的下标；若查找失
败，返回 -1 。
找 37
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
5 13 19 21 37 56 64 75 80 88 92 100 111 120 125

low mid high

查找成功
 7.2.2 折半查找

找 90
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
5 13 19 21 37 56 64 75 80 88 92 100 111 120 125

low mid high

查找失败
 7.2.2 折半查找
 折半查找算法
int Search(SSTable ST,KeyType key)
{ int low,high,mid;
low=1; high=ST.length;
while(low<=high )
{
mid=(low+high)/2;
if(k>ST. R[mid].key) low=mid+1;
else if (k==ST. R[mid].key) return mid;
else high=mid-1;
}
return 0;
}
分析折半查找的平均查找长度
先看一个具体的情况，假设：
n=11
i 1 2 3 4 5 6 7 8 9 10 11
Ci 3 4 2 3 4 1 3 4 2 3 4
判定树 6
3 9
1 4 7 10
2 5 8 11
 7.2.2 折半查找
 判定树
折半查找的过程可以用二叉树来描述，树中的每
个结点对应有序表中的一个记录，结点的值为该
记录在表中的位置。把当前查找区间的中间位置
作为根，左子表和右子表分别作为根的左子树和
右子树。由此得到的二叉树称为折半查找的判定
树。
 7.2.2 折半查找
 判定树的构造方法
当 n=0 时，折半查找判定树为空；
当 n ＞ 0 时，折半查找判定树的根结点是有序表
中序号为 mid=(n+1)/2 的记录，根结点的左子树
是与有序表 r[1] ~ r[mid-1] 相对应的折半查找判
定树，根结点的右子树是与 r[mid+1] ~ r[n] 相对
应的折半查找判定树。
 7.2.2 折半查找
 加上外部结点的判定树
1 2 3 4 5 6 7 8 9 10 11
5 13 19 21 37 56 64 75 80 88 92

6 1
< = > 2
3 9
1 4 7 10 内结点

-1 2 3-4 5 6-7 8 9-10 11 h

1-2 2-3 4-5 5-6 7-8 8-9 10-11 11-

外结点
若所有结点的空指针域设置为一个指向一个方形结点的指针，称
方形结点为判定树的外部结点；对应的，圆形结点为内部结点。
 7.2.2 折半查找
 练习
假定每个元素的查找概率相等，求查找成功时的
平均查找长度。
6 1
< = > 2
3 9
1 4 7 10 内结点

-1 2 3-4 5 6-7 8 9-10 11 h

1-2 2-3 4-5 5-6 7-8 8-9 10-11 11-

外结点
ASL ＝ 1/11*(1*1 ＋ 2×2 ＋ 4×3+4*4 ) ＝
33/11=3
 7.2.2 折半查找
 折半查找性能分析
具有 n 个结点的折半查找判定树的深度为ëlog 2 nû +1
查找成功
 在表中查找任一记录的过程，即是折半查找判定树中
从根结点到该记录结点的路径，和给定值的比较次数
等于该记录结点在树中的层数。
查找不成功
 查找失败的过程就是走了一条从根结点到外部结点的
路径，和给定值进行的关键字的比较次数等于该路径
上内部结点的个数。
 7.2.2 折半查找
 折半查找的平均查找长度
1 次比较就查找成功的元素有 1 个（ 20 ），即中间值；
推 2 次比较就查找成功的元素有 2 个（ 21 ），即 1/4 处（或 3/4 ）
导 处；
过 3 次比较就查找成功的元素有 4 个（ 22 ），即 1/8 处（或 3/8 ）处
程 …
4 次比较就查找成功的元素有 8 个（ 23 ），即 1/16 处（或 3/16 ）
处…
……
则第 h 次比较时查找成功的元素会有（ 2h-1 ）个；
 7.2.2 折半查找
 折半查找算法的优缺点
优点
 比较次数少，查找速度快
缺点
 要求表有序，且顺序存储
 适用：不经常变动且查找频繁的有序表
 7.2.2 折半查找
 课堂练习（多项选择）
使用折半查找算法时，要求被查文件
Ａ．采用链式存储结构
Ｂ．记录的长度≤ 128
√
Ｃ．采用顺序存储结构
√
Ｄ．记录按关键字递增有序
 索引顺序表
在建立顺序表的同时，建立一个索引。

例如： 顺序表
0 1 2 3 4 5 6 7 8 9 10 11 12 13 ……
17 08 21 19 14 31 33 22 25 40 52 61 78 46 ……

索引 21 0 40 5 78 10 ……

索引顺序表 = 索引 + 顺序
表
 7.2.3 分块查找
 分块查找（索引顺序查找）
查找过程
 将表分成几块，块内无序，块间有序；先确定待查记录
所在块，再在块内查找
适用条件
 分块有序表
 每个子块中的关键字都比后一块中的关键字小 ( 但子表内部未
必有序 )
算法实现
 用数组存放待查记录，每个数据元素至少含有关键字域
 建立索引表，每个索引表结点含有最大关键字域和指向
本块第一个结点的指针
 7.2.3 分块查找
 查找步骤分两步进行
对索引表使用折半查找法
确定了待查关键字所在的子表后，在子表内采用
顺序查找法
 因为各子表内部是无序表
 分块查找示例 索引表
22 48 86 查 38
1 7 13

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
22 12 13 8 9 20 33 42 44 38 24 48 60 58 74 57 86 53
查找成功
 7.2.3 分块查找
 分块查找性能评价
ASLbs=Lb+Lw
其中：Lb ——查找索引表确定所在块的平均查找长度
Lw ——在块中查找元素的平均查找长度
若将表长为n 的表平均分成b 块，每块含s 个记录，并设表中每个记录
的查找概率相等，则：
(1)在索引表中用顺序查找确定所在块：
1 b
1 s
b 1 s 1 1 n
ASLbs 
b

j 1
j 
s
i 
i 1 2

2
 (  s)  1
2 s
( 2)在索引表中用折半查找确定所在块：
n s
ASLbs  l og2(  1) 
s 2
 7.2.3 分块查找
分块查找优缺点
优点：插入和删除比较容易，无需进行大量移动。
缺点：要增加一个索引表的存储空间并对初始索
引表进行排序运算。
适用情况：如果线性表既要快速查找又经常动态
变化，则可采用分块查找。
 7.2 线性表的查找
查找方法比较
顺序查找 折半查找 分块查找
ASL 最大 最小 两者之间

表结构 有序表、无序表 有序表 分块有序表

存储结构 顺序存储结构 顺序存储结构 顺序存储结构
线性链表 线性链表
 7.3 树表的查找
 树表查找的特点
表结构在查找过程中动态生成 二叉排序树
对于给定值 key 平衡二叉树
 若表中存在，则成功返回； B- 树
 否则插入关键字等于 key 的记录 B+ 树
键树
 7.3.1 二叉排序树
 二叉排序树
二叉排序树的定义
二叉排序树的查找
二叉排序树的插入
二叉排序树的构造
二叉排序树的删除
 7.3.1 二叉排序树
 二叉排序树的定义
二叉排序树或是空树，或是满足如下性质的二叉
树
 若其左子树非空，则左子树上所有结点的值均小于根
结点的值；
 若其右子树非空，则右子树上所有结点的值均大于等
于根结点的值；
 其左右子树本身是一棵二叉排序树
 7.3.1 二叉排序树
 课堂练习
下列图形中，哪个不是二叉排序树 ？
 7.3.1 二叉排序树
 课堂练习 45

中序遍历二叉排序 12 53
树后的结果有什么
3 37 100
规律？
61
24 90
3 ， 12 ， 24 ， 37 ， 45 ， 53 ， 61 ， 78 ， 90 78
， 100
递增

得到一个关键字递增的有序序列
 7.3.1 二叉排序树
 二叉排序树的查找
若查找的关键字等于根结点的关键字，则查找成
功
否则
 若给定值小于根结点的关键字，则继续在左子树上进
行查找；
 若给定值大于根结点的关键字，则继续在右子树上进
行查找。
 7.3.1 二叉排序树
 二叉排序树的查找示例
二叉排序树
50
30 80
20 40 90
35 85
32 查找关键字 88
== 50 , 35 , 90 , 95 ,
 7.3.1 二叉排序树
 二叉排序树查找的算法思想
若二叉排序树为空，则查找失败，返回空指针。
若二叉排序树非空，将给定值 key 与根结点的关
键字 T->data.key 进行比较：
 若 key 等于 T->data.key ，则查找成功，返回根结点
地址；
 若 key 小于 T->data.key ，则进一步查找左子树；
 若 key 大于 T->data.key ，则进一步查找右子树。
 7.3.1 二叉排序树
 二叉排序树查找的算法描述
BSTree SearchBST(BSTree T, KeyType key) {
if((!T) || key==T->data.key) return T;
else if (key<T->data.key)
return SearchBST(T->lchild,key); // 在左子树中继续查找
else
return SearchBST(T->rchild,key); // 在右子树中继续查找

} // SearchBST
 7.3.1 二叉排序树
 二叉排序树的插入
根据动态查找表的定义，“插入”操作在查找不
成功时才进行 ;
若二叉排序树为空树，则新插入的结点为新的根
结点；否则，新插入的结点必为一个新的叶子结
点，其插入位置由查找过程得到。

插入的元素一定在叶结点上
 7.3.1 二叉排序树
二叉排序树的插入
插入思想
在二叉排序树中插入一个新结点 s 时，若
二叉排序树为空，则令新结点 s 为插入后二叉排序树
的根结点；否则，将结点 s 的关键字与根结点 T 的关
键字进行比较：
① 若相等： 不需要插入；
② 若 s.key<T->key ：结点 s 插入到 T 的左子
树中；
③ 若 s.key>T->key ：结点 s 插入到 T 的右子
树中。
 7.3.1 二叉排序树
二叉排序树的插入
例：插入值为 98 的结点
root
63
63 root

55 90
∧ 55 90 ∧

58 70 98 ∧ 58 ∧ ∧ 70 ∧ ∧ 98 ∧

s
 7.3.1 二叉排序树
 二叉排序树的插入 45

12 53

3 37 100
61
插入结点 20 24 90
20 78
 7.3.1 二叉排序树
 二叉排序树的构造
从空树出发，经过一系列的查找、插入操作之
后，可生成一棵二叉排序树
示例 1
{10 ， 18 ， 3 ， 8 ， 12 ，
2 ， 7}
10 10 10 10 10
18 3 18 3 18 3 18

10 10 8 8 12

3 18 3 18
2 8 12 2 8 12

7
 7.3.1 二叉排序树
 二叉排序树的构造
示例 2 ：给定关键字序列
= （ 45 ， 24 ， 53 ， 45 ， 12 ， 24 ， 90 ）

查找成功， 查找成功，
返回 返回

则生成二叉排序树的过程为：
45

24 53

12 90
 7.3.1 二叉排序树
 二叉排序树的构造
示例 3 ：输入待查找的关键字序列
= （ 24 ， 53 ， 45 ， 45 ， 12 ， 24 ， 90 ）
查找成功， 查找成功，
返回 返回
则生成的二叉排
序树： 注：若数据元素的输入
24
顺序不同，则得到的二
12 叉排序树形态也不同！
53

45 90
 7.3.1 二叉排序树
 二叉排序树的构造
不同插入次序的序列生成不同形态的二叉排序树
40 ， 24 ， 12 ， 37 ， 12 ， 24 ， 37 ， 40 ，
55 55
12
40
24
24 55
37
12 37 40
55
 7.3.1 二叉排序树
二叉排序树的查找性能
对于含有同样关键字序列的一组结点，结点插
入的先后次序不同，所构成的二叉排序树的形态和深度
不同。而二叉排序树的平均查找长度 ASL 与二叉排序树
的形态有关，二叉排序树的各分支越均衡，树的深度浅，
其平均查找长度 ASL 越小。 例如：
12
45 24
37
24 53
45
53
12 37 93 93
(a) 输入关键字序列为 (b) 输入关键字序列为
{45,24,53,12,37,93} 时的二 {12,24,37,45,53,93} 时的二
叉排序树 叉排序树
 7.3.1 二叉排序树
假设每个元素的查找概率相等，则它们的
平均查找长度分别是：
ASL=(1+2+2+3+3+3)/6=14/6
ASL=(1+2+3+4+5+6)/6=21/6
由此可见，在二叉排序树上进行查找时的平均查找
长度和二叉排序树的形态有关。
若考虑把 n 个结点，按各种可能的次序插入到二叉
排序树中，则有 n ！棵二叉排序树（其中有的形态
相同），可以证明，对这些二叉排序树进行平均，
得到的平均查找长度仍然是 O(log2n) 。
 二叉排序树的查找性能分析
1 ） 二叉排序树上查找某关键字等于给定值的结点过程，其实
就是走了一条从根到该结点的路径。
比较的关键字次数＝此结点的层次数 ;
最多的比较次数＝树的深度（或高度），即  log2 n+1
2) 一棵二叉排序树的平均查找长度为：
其中：
ni 是每层结点个数；
Ci 是结点所在层次数；
m 为树的深度（或高度）。
最坏情况：即插入的 n 个元素从一开始就有序，
—— 变成单支树的形态！
此时树的深度为 n ， ASL= (n+1)/2
此时查找效率与顺序查找情况相同。
二叉排序树的查找性能分析
最好情况：即：与折半查找中的判定树相同（形态比较均衡）
树的深度为： log 2n  +1
ASL=log 2(n+1) –1 ， 与折半查找相同。
 7.3.1 二叉排序树
 二叉排序树的删除
对于二叉排序树，删除树上一个结点相当于删除
有序序列中的一个记录，删除后仍需保持二叉排
序树的特性。
可分三种情况讨论
 被删除的结点是叶子；
 被删除的结点只有左子树或者只有右子树；
 被删除的结点既有左子树，也有右子树。
（ 1 ）被删除的结点是叶子结点
被删关键字 = 88
20
例如 :
50
30 80
20 40 90
35 85
32 88
其双亲结点中相应指针域的值改为“空”
（ 2 ）被删除的结点只有左子树或者只有右子树
被删关键字 = 80
40
50
30 80
20 40 90
35 85
32 88
其双亲结点的相应指针域的值改为“指向被
删除结点的左子树或右子树”。
（ 3 ）被删除的结点既有左子树，也有右子树
被删关键字 = 50
50
40
30 80
20 40 90
35 85
32 88
前驱结点 被删结点 以其前驱替代之，然后
再删除该前驱结点
例：请从下面的二叉排序树中删除结点
P。 F
F P
P 法 C PR

C
1: CL
PR Q
QL
CL S
Q SL PR
QL
S
法 2:
F
SL PS
C PR
CL
Q
QL
SL S
SL
 7.3.2 平衡二叉树
 平衡二叉树
何谓“平衡二叉树”？

如何构造“平衡二叉排序树”
 7.3.2 平衡二叉树
 何谓“平衡二叉树”？
平衡二叉树又称 AVL 树 ( 发明者 G.M.
Adelson-Velsky 和 E.M. Landis) ，它是具有
如下性质的二叉排序树
 左、右子树是平衡二叉树；
 所有结点的左、右子树深度之差的绝对值不超过 1 。
 平衡因子
对于每个结点，其左子树的深度减去右子树的深
度
 7.3.2 平衡二叉树
结点的平衡因子＝ HL-HR
判断下列二叉树是否平衡树？

5 5
4 8 4 8
2 2

平衡树
1 非平衡树

在平衡树中，结点的平衡因子可以是 1 ， 0 ， -1 。
 7.3.2 平衡二叉树
 平衡二叉树的性质
任一结点的平衡因子只能取： -1 、 0 或 1 ；如
果树中某个结点的平衡因子的绝对值大于 1 ，则
这棵二叉树就失去平衡，不再是 AVL 树；
对于一棵有 n 个结点的 AVL 树，其高度保持在
O(log2n) 数量级， ASL 也保持在 O(log2n) 量级。
例：判断下列二叉树是否 AVL 树？
2
-1
1 -1 -1 0
0 0 1
0 1
0
0
(a) 平衡树 (b) 不平
 7.3.2 平衡二叉树
最小不平衡子树：在平衡二叉树的构造过程中，以距
离插入结点最近的、且平衡因子的绝对值大于 1 的结
点为根的子树。
5

4 8

1
 7.3.2 平衡二叉树
 如何构造“平衡二叉排序树”
 如果在一棵 AVL 树中插入一个新结点，就有可能造成失
衡，此时必须重新调整树的结构，使之恢复平衡。我们称
调整平衡过程为平衡旋转。
 平衡旋转可以归纳为：
 LL 平衡旋转

 RR 平衡旋转

 LR 平衡旋转

 RL 平衡旋转
 7.3.2 平衡二叉树
 LL 平衡旋转
1 2 0
A A B
B 0 B 1 0
AR AR A
h h
BL
h B h B h B h B h+1
L R L R h AR h
BR
X
X
插入前 插入后，调整前
调整后
 7.3.2 平衡二叉树
 LL 平衡旋转示例

10 1→2 8

8 12 7 10

7 9 6 9 12

6
 7.3.2 平衡二叉树
 RR 平衡旋转
-2 0
-1
A A B

B -1 A 0
h
AL B 0 h
AL BR
h+1
h A h B
h B h B h B h B L L
L L R
R
X

插入前 插入后，调整前
调整后
 7.3.2 平衡二叉树
 LR 平衡旋转
2 0
A
C
-1
B -1 AR 0
h B A
C
h B h-1 CL h-1 CR
L h B
L AR h
h-1 CL CR h-1
X
X
调整后
插入后，调整前
 7.3.2 平衡二叉树
 RL 平衡旋转
-2 0
A
C
0
AL B 1 1
h A B
C
BR h AL h-1 CL h-1 CR
CR h-1
h BR h
h-1 CL
X
X
调整后
插入后，调整前
 7.3.2 平衡二叉树
1 ） LL 平衡旋转：
A
若在 A 的左子树的左子树上插入
结点，使 A 的平衡因子从 1 增加 B
至 2 ，需要进行一次顺时针旋转。 C A
( 以 B 为旋转轴）

2 ） RR 平衡旋转：
若在 A 的右子树的右子树上插入 A
结点，使 A 的平衡因子从 -1 增
加至 -2 ，需要进行一次逆时针旋 B
转。 A C
( 以 B 为旋转轴）
 7.3.2 平衡二叉树
3 ） LR 平衡旋转：
若在 A 的左子树的右子树上插入 A
结点，使 A 的平衡因子从 1 增加
C
B
至 2 ，需要先进行逆时针旋转，
再顺时针旋转。 B C
A
( 以插入的结点 C 为旋转轴）

4 ） RL 平衡旋转：
若在 A 的右子树的左子树上插入 A
结点，使 A 的平衡因子从 -1 增加 C
B
至 -2 ，需要先进行顺时针旋转，
再逆时针旋转。 A B
C
( 以插入的结点 C 为旋转轴）
 7.3.2 平衡二叉树
 重要结论
当平衡的二叉排序树因插入结点而失去平衡时，
仅需对最小不平衡子树进行平衡处理即可。
平衡处理的关键是识别不平衡树是 AB 型还是
ABC 型。
由于经过旋转处理后的子树深度和插入之前相
同，因而不影响插入路径上所有祖先结点的平
衡。
例 1 ：请将下面序列构成一棵平衡二叉排序
树：

（ 13 ， 24 ， 37 ， 90 ， 53 ）
-2
-1
0 -1
0
24 需要 RL 平衡旋
13
转

-1
0 0 -1
-2
0
需要 RR 平衡旋转 24 13 37
53

0 0 01
37 37 90

0
53
0
53

0 0
37 90
例 2 ：设序列 {20 ， 35 ， 40 ， 15 ， 30 ， 25} ，构造
平衡树。

20 35 30

35 20 40
20 35

40 15 30
15 25 40

25
课堂练习：设有关键码序列 {5, 4, 2, 8, 6, 9} ，构造平衡
树
4
5
LL 2 5
4 型
8
2
6
4 6
RL
型 2 6 RR
型 4 8
5 8
2 5 9
9
综上所述，在一个平衡二叉排序树上插入一个新结
点 S 时，主要包括以下三步：
（ 1 ）查找应插位置，同时记录离插入位置最近的
可能失衡结点 A （ A 的平衡因子不等于 0 ）。
（ 2 ）插入新结点 S ，并修改从 A 到 S 路径上各
结点的平衡因子。
（ 3 ）根据 A 、 B 的平衡因子，判断是否失衡以及
失衡类型，并做相应调整。
 7.3.3 B - 树
 B- 树
为什么引入 B- 树
定义
查找过程
插入操作
删除操作
 7.3.3 B - 树
 为什么引入 B- 树？
前面介绍的折半查找和分块查找等，均适用于存
储在计算机内存中较小的文件，统称内查找法。
若要查找存储在外存中的大文件，内查找法都以
结点为单位进行查找，需反复地进行内、外存交
换，非常耗时。
对于存放于外存中的大量数据，查找的主要矛盾
变为减少访问外存次数。
 为此， 1970 年 ,R.Bayer 和 E.Mccreight 提出用
B_ 树作为索引组织文件 , 显著提高了查找速度。
 7.3.3 B - 树
 B- 树定义
一颗 m 阶的 B- 树，或为空树，或为满足下列特
性的 m 叉树
 树中每个结点至多有 m 棵子树；
 若根结点不是叶子结点，则至少有两棵子树；

除根之外的所有非终端结点至少有 m/2 棵子树；
 所有叶子结点都出现在同一层次上，并且不带信息，
通常称为失败结点。失败结点实际上并不存在，指向
这些结点的指针为空。
 7.3.3 B - 树
 B- 树定义
所有非终端结点最多有 m-1 个关键字，并且非终
端结点包含以下数据
n A0 K1 A1 K2 ··· Kn An

 （ n ， A0 ， K1 ， A1 ， K2 ，…， Kn ， An ）
 n （ m/2 1≤n≤m 1 ）为关键字的个数；
 Ki （ 1≤i≤n ）为关键字，且 Ki ＜ Ki+1 （ 1≤i≤n-1 ）；
 Ai （ 0≤i≤n ）为指向子树的指针，且指针 Ai 所指子树中所有结点的关键字均
小于 Ki+1 大于 Ki 。
 7.3.3 B - 树
 B- 树示例 1 · 35 ·

1 · 18 · 2 · 43 · 78 ·

1 · 11 · 1 · 27 · 1 · 39 · 2 · 47 · 53 · 1 · 99 ·

F F F F F F F F F F F
 7.3.3 B - 树
 B- 树的特点
平衡、有序、多路
 所有叶子结点均在同一层次，这体现出其平衡的特点
 树中每个结点中的关键字都是有序的，且关键字
Ki“ 左子树”中的关键字均小于 Ki ，而其“右子树”
中的关键字均大于 Ki ，这体现出其有序的特点。
 除叶子结点外，有的结点中有一个关键字，两棵子
树，有的结点中有两个关键字，三棵子树，这体现出
其多路的特点。
 3 阶 B －树又称为 2-3 树。
 7.3.3 B - 树
 B - 树的存储结构
#define m 3
typedef struct BTNode {
int keynum; // 结点中关键字个数，结点大
小
struct BTNode *parent; // 指向双亲结点的指针
KeyType key[m+1]; // 关键字（ 0 号单元未用）
struct BTNode *ptr[m+1]; // 子树指针向量
Record *recptr[m+1]; // 记录指针向量（ 0 号单元不
用）
} BTNode, *BTree; // B- 树结点和 B- 树的类型
 7.3.3 B - 树
 B - 树的查找
查找过程
 从根结点出发，顺着指针查找结点和在结点的关键字
中进行查找 交叉进行的过程。
若查找成功，则返回指向被查关键字所在结点的
指针和关键字在结点中的位置；
若查找不成功，则返回插入位置。
 7.3.3 B - 树
 B - 树的查找算法思想（见算法 7.8 ）
将给定值 key 与根结点的各个关键字 K1 ， K2 ，
… ,Kj(1<=j<=m-1) 进行比较
 若 key=Ki ，则查找成功；
 若 key<K1, 则顺着指针 A0 所指向的子树继续向下查找
 若 Ki<key<Ki+1, 则顺着指针 Ai 所指向的子树继续向下
查找；
 若 key>Kj, 则顺着指针 Aj 所指向的子树继续向下查
找；
 重复上述过程，直到查找成功或到达叶子结点
 7.3.3 B - 树
 B - 树的查找
查找 53
1 · 35 ·

1 · 18 · 2 · 43 · 78 ·

1 · 11 · 1 · 27 · 1 · 39 · 2 · 47 · 53 · 1 · 99 ·

F F F F F F F F F F F
 7.3.3 B - 树
 B- 树的插入
利用 B- 树的查找算法找出插入的位置
按规则插入关键字
 插入一个关键字不是在树中添加一个叶子结点，而是
首先在最底层的某个非终端结点中添加一个关键字，
若该结点的关键字个数 n≤m-1 ，则插入完成，否则要
产生结点的分裂。
 7.3.3 B - 树
 B- 树的插入
令 n 为被插入结点中关键字的个数，则插入的情
况有以下三种 ( m/2 1≤n≤m1)
 插入前结点中关键字个数 n<m-1 ，则直接插入即可 ;
 插入前结点中关键字个数 n=m-1 ，则需进行“结点
分裂”
 令 s = m/2, 在原结点中保留 (A0,K1,…, Ks-1,As-1), 建新结点
p=(As,Ks+1,…,Kn,An), 将（ Ks ， p ）插入双亲结点。由于双亲
结点增加一个新纪录，所以必须对其重复上述步骤，直到根
结点。
 由于根结点无双亲，则由其分裂产生的两个结点的指
针 p 和 q, 以及关键字为 Ks 的纪录构成一个新的根结
点。此时， B- 树的高度增加 1.
例如 : 下列为 3 阶 B- 树 (2-3 树 )

50

3030
505050 8080
80

 20
 20
 40 6080
   40  608090
 60
 80
 90

插入关键字 = 60, 90, 30,

 2 – 3 树——插入操作

18 33

12 23 30 48

10 15 20 21 24 31 45 47 50 52

11
结点只包含 1 个记录 插入新记录
 2 – 3 树——插入操作

18 33

12 23 30 48

10 11 15 20 21 24 31 45 47 50 52
 2 – 3 树——插入操作

结点只包含 2 个记录 插入新记录，分裂－提升

18 33

12 23 30 48

10 15 20 21 24 31 45 47 50 52

55
 2 – 3 树——插入操作

结点只包含 2 个记录 插入新记录，分裂－提升

18 33

12 23 30 48

10 15 20 21 24 31 45 47 50 52 55
插入
 2 – 3 树——插入操作

结点只包含 2 个记录 插入新记录，分裂－提升

18 33

12 23 30 48

10 15 20 21 24 31 45 47 50 52 55
分裂
 2 – 3 树——插入操作

结点只包含 2 个记录 插入新记录，分裂－提升

18 33

12 23 30 48 52

10 15 20 21 24 31 45 47 50 55
提升
 7.3.3 B - 树
B- 树的删除
和插入的考虑相反，首先必须找到待删
关键字所在结点，并且要求删除之后，结点
中关键字的个数不能小于 m/2-1 ，否则，要
从其左 ( 或右 ) 兄弟结点“借调”关键字，若
其左和右兄弟结点均无关键字可借 ( 结点中只
有最少量的关键字 ), 则必须进行结点的“合
并”。
 7.3.3 B - 树
 B- 树的删除
在 B- 树上删除关键字可以分两步执行
① 利用 B- 树的查找算法找出该关键字所在结点。
② 然后根据关键字所在结点是否为叶子结点 ( 最底层非
终端结点 ) 有不同的处理方法
 若该结点为叶结点，则在叶结点中删去关键字。
 若该结点为非叶结点，且被删关键字为该结点中第 i 个
关键字 key[i] ，则可从指针 ptr[i] 所指的子树中找出最
小关键字 Y ，代替 key[i] 的位置，然后在叶结点中删去
Y。
因此， B- 树上删除关键字的本质是删除叶子结
点中的关键字。
 B- 树的删除

从非叶结点删除 18 。

18 33

12 23 30 48

10 15 20 21 24 31 45 47 50 52

解决方法：将被删除记录用右边子树中的最小关键码 Y
代替（ Y 一定在某个叶子结点中），然后再删除 Y 。
 B- 树的删除

从非叶结点删除 18 。

20 33

12 23 30 48

10 15 21 24 31 45 47 50 52

解决方法：将被删除记录用右边子树中的最小关键码 Y
代替（ Y 一定在某个叶子结点中），然后再删除 Y 。
 7.3.3 B - 树
 在 B- 树的叶结点上删除关键字（三种情形讨论）
第一种情况 : 直接删
被删关键字所在结点中的关键字数目不小于 ，
m / 2
则
只需从该结点中删去该关键字 Ki 和相应指针 Ai ，树的其
他部分不变。
18 33

12 23 30 48

10 15 20 21 24 31 45 47 50 52
 7.3.3 B - 树
 在 B- 树的叶结点上删除关键字
第一种情况
18 33

12 23 30 48

10 15 21 24 31 45 47 50 52

解决方法：直接删除 20 。
 7.3.3 B - 树
 在 B- 树的叶结点上删除关键字
第二种情况：借兄弟结点的关键字
被删关键字所在结点中的关键字数目等于 m / 2 － 1 ，而
与该结点相邻的右兄弟 ( 或左兄弟 ) 结点中的关键字数目
大于 m / 2 － 1 ，则需将其兄弟结点中的最小 ( 或最大 ) 的关
键字上移至双亲结点中，而将双亲 结点中小于 ( 或大于 ) 且
紧靠该上移关键字的关键字下移至被删关键字所在结点中。
 7.3.3 B - 树
 B- 树的删除
bt
示例：删除叶结点 50
a
45
b e
24 53 90
c d f g h
bt 3 37 50 61 70 100

a
45
b e
24 61 90
c d f g h
3 37 53 70 100
 7.3.3 B - 树
 B- 树的删除
示例：删除叶结点 24

18 33

12 23 30 48

10 15 20 21 24 31 45 47 50 52
 7.3.3 B - 树
 B- 树的删除
示例：删除叶结点 24
18 33

12 21 30 48

10 15 20 23 31 45 47 50 52

解决方法：向兄弟结点借一个记录，同时修改双亲
结点的记录。
 7.3.3 B - 树
 在 B- 树的叶结点上删除关键字
第三种情况：兄弟结点不够借，合并结点
被删关键字所在结点和其相邻的兄弟结点中的关键字数目均
等于 － 1 。假设该结点有右兄弟，且其右兄弟结点地
址 m / 2
由双亲结点中的指针 Ai 所指，则在删去关键字之后，它所在
结点中剩余的关键字和指针，加上双亲结点中的关键字 Ki 一
起，合并到 Ai 所指兄弟结点中 ( 若没有右兄弟，则合并至左兄
弟结点中 ) 。如果因此使双 亲结点中的关键字数目小于m / 2
-
1 ，则依次类推作相应处理。
 7.3.3 B - 树
 B- 树的删除
示例：删除叶结点 23
18 33

12 21 30 48

10 15 20 23 31 45 47 50 52

解决方法：兄弟结点不够借，需要合并相邻结点，
并影响双亲结点。
 7.3.3 B - 树
 B- 树的删除
示例：删除叶结点 23
18 33

12 30 48

10 15 20 21 31 45 47 50 52
 7.3.3 B - 树
 B- 树的删除
示例：删除叶结点 15
18 33

12 30 48

10 15 20 21 31 45 47 50 52
 7.3.3 B - 树
 B- 树的删除
示例：删除叶结点 15
33

18 30 48

10 12 20 21 31 45 47 50 52
 7.3.3 B - 树
 B- 树的删除
示例：删除叶结点 30
33

25 48

20 30 45 47 50 52
 7.3.3 B - 树
 B- 树的删除
示例：删除叶结点 30

33 48

20 25 45 47 50 52

2-3 树的优点：能够以相对较低的代价保持树高平衡。

解决方法：兄弟结点不够借，需要合并相邻结点，
并影响双亲结点，这可能减少树的高度。
 7.3.3 B - 树
 B- 树的删除
示例：删除叶结点 37 bt

a
45
b e
24 90
c d g h
3 37 61 70 100
bt

e
45 90

c g h
3 24 61 70 100
 B 树
+

是 B- 树的一种变型
1 ． B+ 树的结构特点：

※ 每个叶子结点中含有 n 个关键字和
n 个指向记录的指针；并且，所有叶
子结点彼此相链接构成一个有序链表，
其头指针指向含最小关键字的结点；
 B 树
+

※ 每个非叶结点中的关键字 Ki 即为其

相应指针 Ai 所指子树中关键字的最大
值；
※ 所有叶子结点都处在同一层次上，

每个叶子结点中关键字的个数均介于
 m/2 和 m 之间。
 B 树
+

2 ．查找过程
※在 B+ 树上，既可以进行缩小范围的
查
※ 找，也可以进行顺序查找；
在进行缩小范围的查找时，不管成功
与否，都必须查到叶子结点才能结
束；
※ 若在结点内查找时，给定值≤ K ， 则
i

应继续在 Ai 所指子树中进行查找；
 B 树
+

3 ．插入和删除的操作

类似于 B- 树进行，即必要时，也
需要进行结点的“分裂”或“归
并”。
 B 树 +

root

50 96

15 50 62 78 96
sq

3 8 15 20 26 43 56 62 71 78 84 89
50 96
 7.4 散列表的查找
 散列表的基本思想和相关术语
 散列函数的构造方法
 处理冲突的方法
 散列表的查找
 7.4.1 散列表的基本概念
 散列表的基本思想
在记录的存储地址和它的关键字之间建立一个确
定的对应关系；这样，不经过比较，一次存取就
能得到所查元素。
 记录的存储位置与关键字之间存在对应关系
Loc(i)=H(keyi)
散列函数


hash
关键字 存储地址
集合 集合

 散列表的优点
查找速度极快 O(1), 查找效率与元素个数 n 无关
 7.4.1 散列表的基本概念
 示例 1
若将学生信息按如下方式存入计算机，如：
将 2001011810201 的所有信息存入 V[01]
单元；
将 2001011810202 的所有信息存入 V[02]
单元；
…… 2001011810216 的信息
查找
将 2001011810231
 可直接访问 V[16] 的所有信息存入 V[31]
单元。
 7.4.1 散列表的基本概念
 示例 2
数 据 元 素 序 列
(14 ， 23 ， 39 ， 9 ， 25 ， 11) ，若规定
每个元素 k 的存储地址 H(k) ＝ k ，请画出存
储结构图。
地址 … 9 … 1 … 1 … 2 2 2 … 3 …
内容 9 1
11 4
1 3
23 4 5
25 9
39
4
 7.4.1 散列表的基本概念
 如何进行散列查找
地址 … 9 … 1 … 1 … 2 2 2 … 3 …
内容 9 1
11 4
1 3
23 4 5
25 9
39
4

根据散列函数 H(k) ＝ k 进行查找

 查找 key=9, 则访问 H(9)=9 的地址，若内容为 9 则
成功；
 若查不到，则返回一个特殊值，如空指针或空记录。
 7.4.1 散列表的基本概念
 散列表的相关术语
散列函数
 在记录的关键字与记录的存储地址之间建立的一种对
应关系叫散列函数。
 散列函数只是一种映象，所以散列函数的设定很灵
活，只要使任何关键字的散列函数值都落在表长允许
的范围之内即可。
散列表
 应用散列函数，由记录的关键字确定记录在表中的地
址，并将记录放入此地址，这样构成的表叫散列表。
散列查找
 又称哈希查找，利用散列函数进行查找的过程
 7.4.1 散列表的基本概念
 散列表的相关术语
冲 突
 不同的关键码映射到同一个散列地址
 key1key2 ，但 H(key1)=H(key2)
 散列函数通常是一种压缩映象，所以冲突不可避免，
只能尽量减少；同时，冲突发生后，应该有处理冲突
的方法。
同义词
 具有相同函数值的两个关键字，叫该散列函数的同义
词
 7.4.1 散列表的基本概念
 冲突现象举例
（ 14 ， 23 ， 39 ， 9 ， 25 ，
11 ）
散列函数： H(k)=k mod
0 1 2 3 4 5 6
7
14 23 39 6 个元素用 7
9 25 个
H(14)=14%7=0 11 地址应该足够 !
H(25)=25%7=4
有冲突 H(11)=11%7=4
同义词

冲突是不可能避免的，可通过构造好的哈希函数
减少冲突；还需要找到“处理冲突”的方法
 7.4.2 散列表的构造方法
 散列函数的构造方法
数字分析法
平方取中法
折叠法
除留余数法
 7.4.2 散列表的构造方法
 数字分析法
构造：对关键字进行分析，取关键字的若干位或
其组合作散列地址
适于关键字位数比散列地址位数大，且可能出现
的关键字事先知道的情况
例 有 80 个记录，关键字为 8 位十进制数，散列地址为 2 位十进制数
   
…

8 1 3 4 6 5 3 2 分析： 只取 8
8 1 3 7 2 2 4 2  只取 1
8 1 3 8 7 4 2 2  只取 3 、 4
8 1 3 0 1 3 6 7  只取 2 、 7 、 5
 数字分布近乎随机
8 1 3 2 2 8 1 7
所以：取任意两位或两位
8 1 3 3 8 9 6 7 与另两位的叠加作散列地址
8 1 3 6 8 5 3 7
8 1 4 1 9 3 5 5
 7.4.2 散列表的构造方法
 平方取中法
构造
 取关键字平方后中间几位作散列地址
适于不知道全部关键字情况
 求“关键字的平方值”的目的是“扩大差别”
 示例
2589 的平方值为 6702921 ，可以取中间的 029
为地址
 7.4.2 散列表的构造方法
 折叠法
构造：将关键字分割成位数相同的几部分，然后
取这几部分的叠加和做散列地址
种类
 移位叠加：将分割后的几部分低位对齐相加
 间界叠加：从一端沿分割界来回折送，然后对齐相加
适于关键字位数很多，且每一位上数字分布大致
均匀情况 例 关键字为 ： 0442205864 ，散列地址位数为 4
5864 5864
4220 0224
04 移位叠加 04 间界叠加
10088 6092
H(key)=0088 H(key)=6092
 7.4.2 散列表的构造方法
 除留余数法
构造：取关键字被某个不大于散列表表长 m 的数
p 除后所得余数作散列地址
 即 H(key)=key MOD p ， p  m
特点
 简单、常用，可与上述几种方法结合使用
 p 的选取很重要； p 选的不好，容易产生同义词
 p 应为不大于 m 的素数
 或是
 不含 20 以下的质因子
为什么要对 p 加限制？
例如：
给定一组关键字为 : 12, 39, 18, 24, 33,
21 ，
若取 p=9, 则他们对应的哈希函数值将为 :
可见，若 p 中含质因子 3, 则所有
含质因子
3, 3, 0, 6, 6,33 的关键字均映射到“ 3 的倍
数”的地址上，从而增加了“冲突”的可
 7.4.2 散列表的构造方法
 总之，选取散列函数应考虑以下因素：
散列表的长度（散列地址范围）
关键字的长度
关键字的分布情况
计算散列函数所需的时间
记录的查找频率
 7.4.3 处理冲突的方法
 处理冲突的实际含义
为产生冲突的地址寻找下一个散列地址
 处理冲突的方法
开放定址法
再散列法
链地址法
建立一个公共溢出区
 7.4.3 处理冲突的方法
 开放定址法
方法：当冲突发生时，形成一个探查序列；沿此
序列逐个地址探查，直到找到一个空位置（开放
的地址），将发生冲突的记录放到该地址中，即
Hi=(H(key)+di)MOD m, i=1,2,…,k(k  m-1)
 H(key)— 散列函数 ,m — 散列表表长 ,di — 增量序列
分类
 线性探测再散列： di =1,2,3,…,m-1
 二次探测再散列： di =1²,-1²,2²,-2²,3²,…,±k²(km/2)
 伪随机探测再散列： di = 伪随机数序列
 开放定址法举例
1. 表长为 11 的散列表中已填有关键字为 17 ， 60 ， 29 的记录，
H(key)=key MOD 11, 现有第 4 个记录，其关键字为 38 ，按三
种处理冲突的方法，将它填入表中
0 1 2 3 4 5 6 7 8 9 10
38 38 60 17 29 38

(1) H(38)=38 MOD 11=5 冲突

H1=(5+1) MOD 11=6 冲突
H2=(5+2) MOD 11=7 冲突
H3=(5+3) MOD 11=8 不冲突
(2) H(38)=38 MOD 11=5 冲突
H1=(5+1²) MOD 11=6 冲突
H2=(5-1²) MOD 11=4 不冲突
(3) H(38)=38 MOD 11=5 冲突
假设产生的伪随机数为 9 ，则：
H1=(5+9) MOD 11=3 不冲突
 7.4.3 处理冲突的方法
 再散列法
方法：构造若干个散列函数，当发生冲突时，计
算下一个散列地址，即： Hi=RHi(key) i=1,2,…,k
 RHi— 不同的散列函数
 特点：计算时间增加
 链地址法
方法：将所有关键字为同义词的记录存储在一个
单链表中，并用一维数组存放头指针
 7.4.3 处理冲突的方法
 链地址法举例
已知一组关键字
(19,14,23,1,68,20,84,27,55,11,10,79) 散列函数
为： H(key)=key MOD 13, 用链地址法处理冲突
^
0 1 2 3 4 5 6 7 8 9 10 11 12

14 1 27 79 ^
^
68 55 ^
^
^
19 84 ^
20 ^
^ 注：有冲突的元素可以插
^
23 10 ^ 在表尾 , 也可以插在表头
11 ^
^
 7.4.3 处理冲突的方法
 建立一个公共溢出区
思路
 除设立散列基本表外，另设立一个溢出向量表。
所有关键字和基本表中关键字为同义词的记录，
不管它们由散列函数得到的地址是什么，一旦发
生冲突，都填入溢出表。
 7.4.4 散列表的查找
 散列表的查找 给定 k 值

给定值与关键字比较
计算 H(k)

Y
此地址为空
N
查找失败
Y
关键字 ==k
查找成功 N
按处理冲突
方法计算
Hi
 举例
 在 0 ～ 10 的 散 列 地 址 空 间 中 ， 对 关 键 字
(22 ， 41 ， 53 ， 46 ， 30 ， 13 ， 01 ， 67) 构造哈希
表，选取哈希函数 H(K)=(3K)%11, 用链地址法处理冲
突。写出哈希表构造过程，并画出哈希表。1
0 2
ASL( 成功 )= (1*5+3*2) / 1 1 2
8 =11/8 2 3
3 3
ASL( 失败 )= 4 1
(1*6+2*2+3*3)/11 5 2
=19/11 6 3
7 1
8 1
9 1
10 1
 7.4.4 散列表的查找
 课堂练习
对于关键字序列 (19,14,23,1,68,20,84,27,55,11,10, 79) ，
散列函数为 H(key)=key MOD 13, 用链地址法构造散列表，
并求出等概率下查找成功和查找失败时的平均查找长度。
^
0 1 2 3 4 5 6 7 8 9 10 11 12

14 1 27 79 ^
^
68 55 ^
^
ASLsucc=(1*6+2*4+3+4)/12=1.75
^
19 84 ^
20 ^
^ ASLunsucc=(1+5+1+3+1+1+3+2+1+1+3+2+1)/13=1.92
^
23 10 ^
11 ^
^
哈希表的查找及其分析
哈希表查找分析 :
从查找过程得知，哈希表查找的平均查找长
度实际上并不等于零。由于冲突的产生，使得哈希表
的查找过程仍然要进行比较，仍然要以平均查找长度
ASL 来衡量。
决定哈希表查找的 ASL 的因素：
• （ 1 ）选用的哈希函数 ;
• （ 2 ）选用的处理冲突的方法 ;
• （ 3 ）哈希表饱和的程度，装载因子
α=n/m 值的大小（ n— 记录数， m— 表的长
度）α 越小，发生冲突的可能性越小，而 α 越大，发生冲
显然，
突的可能性也越大。
哈希表的查找及其分析

一般情况下，可以认为选用的哈希函数是
“均匀”的，则在讨论 ASL 时，可以不考虑因素
（ 1 ）。
因此，哈希表的 ASL 是处理冲突方法和装载因子的函数。

用哈希表构造查找表时，可以选择一个适当的装填因
子  ，使得平均查找长度限定在某个范围内。

—— 这是哈希表所特有的特点。
 小结
 熟练掌握顺序表和有序表（折半查找）的查找算法及其性能
分析方法；
 熟练掌握二叉排序树的构造和查找算法；
 熟练掌握二叉排序树的插入、删除方法；
 掌握平衡二叉树的定义及构造方法
 熟练掌握哈希函数（除留余数法）的构造
 熟练掌握哈希函数解决冲突的方法及其特点
开放地址法（线性探测法、二次探测法）
链地址法
 练习
一、选择题
1. 如果要求一个线性表既能较快地查找，又能适
应动态变化的要求，则可采用 (①) 查找方法。
采用折半查找方法进行查找时，数据文件应为
(②) ，且限于 (③) 。要进行顺序查找，则线
性表 (④) 。
① : A. 分块 B. 顺序 C. 折半 D. 基
于树型
②③ : A. 有序表 B. 随机表 C. 散列存储
结构
D. 链式存储结构 E. 顺序存
储结构
F. 线性表
④ : A. 必须以顺序方式存储
①D②A③E④C
B. 必须以链式方式存储
2. 折半查找的查找速度 (①) 比顺序查找法的速
度快。设有 100 个元素，用折半法查找时，最
大比较次数是 (②) ，最小比较次数是 (③) 。
① : A. 一定 B. 不一定
②③ : A.25 B.50 C.10 D.7 E.4 F.2 G.1
①B②D③G
3. 设散列表长 m=14 ，散列函数 H(k)=k MOD 11 。
表中已有 4 个记录，如果用二次探测散列处理
冲突，关键字为 49 的记录的存储地址是 (D
)。
A.8 B.3 C.5 D.9
49%11=5 (49+12)%11=6 (49-12)%11=4
(49+22)%11=9
4. 当对一个线性表 R[60] 进行索引顺序查找（分
块查找）时，若共分成了 10 个子表，每个子表
有 6 个表项。假定对索引表和数据子表都采用
顺序查找，则查找每一个表项的平均查找长度
为 ( C) 。
A. 1 B.2 C.9 D.10
5. 散列函数有共同的性质，则函数值应当以（ ） D
概率取其值域的每一个值。
A. 最大 B. 最小 C. 平均 D. 同
等
6. 设散列地址空间为 0~m-1 ， k 为表项的关键码，
散列采用除留余数法，即 Hash(k)=k%p B 。为
了减少发生冲突的频率，一般取 p 为（ ）。
A.m B. 小于 m 的最大质数
C. 大于 m 的最小质数 D. 小于 m 的最大合数
7. 解决散列法中出现的冲突问题常采用的方法是
( D) 。
A. 数字分析法、除留余数法、平方取中法
B. 数字分析法、除留余数法、线性探查法
C. 数字分析法、线性探查法、双散列法
D. 线性探查法、双散列法、平方散列法
8. 采用线性探查法解决冲突时所产生的一系列后
继散列地址（ ）。 C
A. 必须大于等于原散列地址
B. 必须小于等于原散列地址
C. 可以大于或小于但不等于原散列地址
D. 对地址在何处没有限制
9. 对包含 n 个元素的散列表进行查找，平均查找
长度（C ）。
A. 为 O(log2n) B. 为 O(n)
C. 不直接依赖于 n D. 上述三者都不是
二、应用题
1 、静态索引结构和动态索引结构的优缺点？
静态索引结构的优点是结构定型，建立方法
简单，存取方便；缺点是不得更新，插入或
删除时效率低。
动态索引结构优点是在插入或删除时能够自
动调整索引树结构，以保持最佳的搜索效率
缺点是实现算法复杂。
 练习
已知一组关键字为 25
{25,18,46,2,53,39,32,4,74,67,60,11} 18 46
。按表中的元素顺序依次插入到
一棵初始为空的二叉排序树中 , 2 39 53

画出该二叉排序树 , 并求在等概 4 32 74
率的情况下查找成功的平均查找
11 67
长度。
60

11  2 2  3  3  3 4  2  5  1 6
ASL   3.5
12
2 、给定数列 {7,16,4,8,20,9,6,18,5} ，构
造一颗二叉排序树。同时给出对应的平衡二
叉排序树。
3 、已知如下所示长度为 12 的表
（ Jan,Feb,Mar,Apr,May,June,July,Aug,Sep
,Oct,Nov,Dec ）
(1) 试按表中元素的顺序依次插入一棵初始为
空的二叉排序树，画出插入完成之后的二叉
排序树，并求其在等概率的情况下查找成功
的平均查找长度。
(2) 若对表中元素先进行排序构成有序表，求
在等概率的情况下通过折半查找查找成功的
平均查找长度。
(1) 求得的二叉排序树如下图所示，在等概率情
况下查找成功的平均查找长度为：
ASLsucc=1/12(1*1+2*2+3*3+4*3+5*2+6*1)=7/2
(2) 经排序后的表及在
折半查找时找到表中元
素所经比较的次数对照
如下图所示：
在等概率情况下查找成
功的平均查找长度为 :
ASLsucc=1/12(1*1+2*2+
3*4+4*5)=37/12
 3 、在地址空间为 0-16 的散列区中，对以下
关键字序列构造两个散列表：
（ Jan,Feb,Mar,Apr,May,June,July,Aug,Sep
,Oct,Nov,Dec ）
(1) 用线性探测开放定址法处理冲突。
(2) 用链地址法处理。
并分别求这两个散列表在等概率情况下查找
成功的平均查找长度。

(1) 散列表如下图所示，在等概率情况下查找成功
的平均查找长度为：
ASLsucc=1/12(1*5+2*3+4*1+5*2+6*1)=31/12
(2) 散列表如下图所示，在等概率情况下查找成
功的平均查找长度为：
ASLsucc=1/12(1*7+2*4+3*1)=18/12