压缩的 trie 实现？答案

【问题标题】：Compressed trie implementation?压缩的 trie 实现？
【发布时间】：2013-02-17 23:01:49
【问题描述】：

我正在学习 Udacity 课程，在其中一堂讲座 (https://www.youtube.com/watch?v=gPQ-g8xkIAQ&feature=player_embedded) 中，教授给出了函数 high_common_bits，它（从讲座中逐字提取）在伪代码中如下所示：

function high_common_bits(a,b):
   return:
     - high order bits that a+b in common
     - highest differing bit set
     - all remaining bits clear

举个例子：

a = 10101
b = 10011
high_common_bits(a,b) => 10100

然后他说这个函数用于高度优化的尝试实现。有谁碰巧知道他指的是哪个确切的实现？

【问题讨论】：

【解决方案1】：

如果您正在寻找高度优化的按位压缩树（又名基数树）。 BSD routing table 在它的实现中使用了一个。虽然代码不易于阅读。

【讨论】：

【解决方案2】：

他说的是简洁尝试，tries，其中每个节点只需要两个位来存储（理论上的最小值）。

Steve Hanov 在 Succinct Tries here 上写了一篇非常平易近人的博文。您还可以阅读 Guy Jacobson 的原始论文（写于 1989 年），其中介绍了他们here。

【讨论】：

【解决方案3】：

压缩的 trie 将前缀存储在一个节点中，然后从该节点分支到已看到的以该前缀开头的每个可能项。

在这种情况下，他显然是在进行逐位尝试，因此它存储了位前缀——即，项目共同的开头位进入一个节点，然后该节点有两个分支，一个到一个节点的下一位是 0，另一个到下一位是 1。大概这些节点也会被压缩，所以它们不会只存储下一个比特，而是存储一个数字到目前为止插入到 trie 中的项目中所有匹配的位。

事实上，给定节点之后的下一位可能根本不会存储在后续节点中。该位可以隐含在后面的链接中，因此下一个节点仅存储在那之后的位。

【讨论】：