红黑树可以用于最佳拟合算法吗？答案

【问题标题】：Can red-black tree be used for best-fit algorithm?红黑树可以用于最佳拟合算法吗？
【发布时间】：2020-07-10 12:22:51
【问题描述】：

我知道最佳拟合算法必须搜索整个列表才能找到花费 O(n) 的最佳内存块，所以我正在考虑使用红黑树来改善运行时间O(logN)。是否存在红黑树不适用于最佳拟合的情况？如果是这样，有人可以给我一个例子吗？谢谢。

【问题讨论】：

您能详细说明一下“最适合”吗？我不确定你是什么意思。一个例子就足够了。
假设输入是一个数字列表另一个数字x = 3。如果列表有3，我们输出3，如果没有，我们必须输出大于3的最小数字。例如：输入{4,6,8,3,1,2}, x = 3 => 输出 3 输入 {4,6,8,3,1,2}, x = 5 => 输出 6

【解决方案1】：

红黑树可以正常工作，但这不是一个很好的选择。

由于充分利用 O(size) 字节需要 O(size) 时间，因此最好使用某种类型的手指搜索树，它可以更快地找到小块，但会花费更多时间来查找大块：https://en.wikipedia.org/wiki/Finger_search_tree

此外，您可能只想为一些可能的最小尺寸设置单独的空闲列表。当您搜索并更新搜索树时，您可能会遇到多个缓存行。在 x86 上，每个缓存行是 64 字节，因此只需一个缓存行就足以存储 8 个空闲列表的头指针。如果将 8 个最小大小的空闲列表的头指针放在一个缓存行中，那么分配这些大小的块会快得多。

这还允许您分配小于红黑树节点的块。

【讨论】：

【解决方案2】：

如果您要构建一棵红黑树来执行您所描述的操作，那么有更好的选择。

给定n 元素，红黑树的构建时间为 O(n log n)。对数组进行排序和使用二分查找是同时进行的，这种方式更简单，性能也很好。

如果元素不断添加到数组中，显然树会更好。

【讨论】：