Ma question est de savoir si la structure de données Trie et Radix Trie sont la même chose?
En bref, non. La catégorie Radix Trie décrit une catégorie particulière de Trie , mais cela ne signifie pas que tous les essais sont des essais radix.
S'ils ne sont [pas] les mêmes, alors quelle est la signification de Radix trie (alias Patricia Trie)?
Je suppose que vous vouliez écrire ne sont pas dans votre question, d'où ma correction.
De même, PATRICIA désigne un type spécifique de trie de base, mais tous les essais de base ne sont pas des essais de PATRICIA.
Qu'est-ce qu'un trie?
"Trie" décrit une structure de données arborescente appropriée pour être utilisée comme un tableau associatif, où les branches ou les arêtes correspondent à des parties d'une clé. La définition des parties est plutôt vague, ici, car différentes implémentations d'essais utilisent des longueurs de bits différentes pour correspondre aux arêtes. Par exemple, un trie binaire a deux arêtes par nœud qui correspondent à un 0 ou un 1, tandis qu'un trie à 16 voies a seize arêtes par nœud qui correspondent à quatre bits (ou un chiffre hexadécimal: de 0x0 à 0xf).
Ce diagramme, récupéré de Wikipedia, semble représenter un trie avec (au moins) les clés 'A', 'to', 'tea', 'ted', 'ten' et 'inn' insérées:
Si ce test devait stocker des éléments pour les clés «t», «te», «i» ou «in», il faudrait des informations supplémentaires présentes à chaque nœud pour faire la distinction entre les nœuds nuls et les nœuds avec des valeurs réelles.
Qu'est-ce qu'un trie radix?
"Radix trie" semble décrire une forme de trie qui condense les parties communes du préfixe, comme Ivaylo Strandjev l'a décrit dans sa réponse. Considérez un trie à 256 voies qui indexe les touches «sourire», «sourire», «sourire» et «sourire» en utilisant les affectations statiques suivantes:
root['s']['m']['i']['l']['e']['\0'] = smile_item;
root['s']['m']['i']['l']['e']['d']['\0'] = smiled_item;
root['s']['m']['i']['l']['e']['s']['\0'] = smiles_item;
root['s']['m']['i']['l']['i']['n']['g']['\0'] = smiling_item;
Chaque indice accède à un nœud interne. Cela signifie que pour récupérer smile_item, vous devez accéder à sept nœuds. Huit accès aux nœuds correspondent à smiled_itemet smiles_itemet neuf à smiling_item. Pour ces quatre éléments, il y a quatorze nœuds au total. Cependant, ils ont tous en commun les quatre premiers octets (correspondant aux quatre premiers nœuds). En condensant ces quatre octets pour créer un rootqui correspond à ['s']['m']['i']['l'], quatre accès aux nœuds ont été optimisés. Cela signifie moins de mémoire et moins d'accès aux nœuds, ce qui est une très bonne indication. L'optimisation peut être appliquée de manière récursive pour réduire le besoin d'accéder aux octets de suffixe inutiles. Finalement, vous arrivez à un point où vous ne comparez que les différences entre la clé de recherche et les clés indexées aux emplacements indexés par le trie. Ceci est un trie radix.
root = smil_dummy;
root['e'] = smile_item;
root['e']['d'] = smiled_item;
root['e']['s'] = smiles_item;
root['i'] = smiling_item;
Pour récupérer des éléments, chaque nœud a besoin d'une position. Avec une clé de recherche de "sourires" et un root.positionde 4, nous accédons root["smiles"[4]], ce qui se trouve être root['e']. Nous stockons cela dans une variable appelée current. current.positionest 5, qui est l'emplacement de la différence entre "smiled"et "smiles", donc le prochain accès sera root["smiles"[5]]. Cela nous amène à smiles_item, et à la fin de notre chaîne. Notre recherche est terminée et l'élément a été récupéré, avec seulement trois accès aux nœuds au lieu de huit.
Qu'est-ce qu'un trie PATRICIA?
Un trie PATRICIA est une variante des essais radix pour lesquels il ne devrait y avoir que des nnœuds utilisés pour contenir des néléments. Dans notre pseudocode arborescente radix grossièrement démontré ci - dessus, il existe cinq nœuds au total: root(qui est un noeud arité, il ne contient pas de valeur réelle), root['e'], root['e']['d'], root['e']['s']et root['i']. Dans un essai PATRICIA, il ne devrait y en avoir que quatre. Voyons comment ces préfixes peuvent différer en les regardant en binaire, puisque PATRICIA est un algorithme binaire.
smile: 0111 0011 0110 1101 0110 1001 0110 1100 0110 0101 0000 0000 0000 0000
smiled: 0111 0011 0110 1101 0110 1001 0110 1100 0110 0101 0110 0100 0000 0000
smiles: 0111 0011 0110 1101 0110 1001 0110 1100 0110 0101 0111 0011 0000 0000
smiling: 0111 0011 0110 1101 0110 1001 0110 1100 0110 1001 0110 1110 0110 0111 ...
Considérons que les nœuds sont ajoutés dans l'ordre où ils sont présentés ci-dessus. smile_itemest la racine de cet arbre. La différence, en gras pour la rendre légèrement plus facile à repérer, se situe dans le dernier octet de "smile", au bit 36. Jusqu'à ce point, tous nos nœuds ont le même préfixe. smiled_nodeappartient à smile_node[0]. La différence entre "smiled"et "smiles"se produit à peu 43, où "smiles"a un bit « 1 », alors smiled_node[1]est smiles_node.
Plutôt que d'utiliser des NULLbranches et / ou des informations internes supplémentaires pour indiquer quand une recherche se termine, les branches renvoient quelque part dans l'arborescence, de sorte qu'une recherche se termine lorsque le décalage à tester diminue au lieu d'augmenter. Voici un schéma simple d'un tel arbre (bien que PATRICIA soit vraiment plus un graphique cyclique, qu'un arbre, comme vous le verrez), qui a été inclus dans le livre de Sedgewick mentionné ci-dessous:
Un algorithme PATRICIA plus complexe impliquant des clés de longueur variable est possible, bien que certaines des propriétés techniques de PATRICIA soient perdues dans le processus (à savoir que tout nœud contient un préfixe commun avec le nœud précédent):
En créant des branches comme ça, il y a un certain nombre d'avantages: chaque nœud contient une valeur. Cela inclut la racine. En conséquence, la longueur et la complexité du code deviennent beaucoup plus courtes et probablement un peu plus rapides en réalité. Au moins une branche et au plus des kbranches (où kest le nombre de bits dans la clé de recherche) sont suivies pour localiser un élément. Les nœuds sont minuscules , car ils ne stockent que deux branches chacun, ce qui les rend assez adaptés à l'optimisation de la localisation du cache. Ces propriétés font de PATRICIA mon algorithme préféré jusqu'à présent ...
Je vais abréger cette description ici, afin de réduire la gravité de mon arthrite imminente, mais si vous voulez en savoir plus sur PATRICIA, vous pouvez consulter des livres tels que "The Art of Computer Programming, Volume 3" de Donald Knuth , ou l'un des "Algorithmes en {your-favorite-language}, parties 1-4" de Sedgewick.
radix-treeplutôt queradix-trie? De plus, il y a pas mal de questions qui y sont associées.