SlideShare a Scribd company logo
1 of 65
Download to read offline
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Árvore Binária Balanceada
Visão Geral, Características e Conceitos Associados
Michel Alves dos Santos
Universidade Federal de Alagoas, Campus A. C. Simões
Tabuleiro do Martins - Maceió - AL, CEP: 57072-970
Centro de Pesquisa em Matemática Computacional
Docente Responsável: Prof. Dr. Thales Vieira
17 de Novembro 2011
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Sumário
Tópicos Centrais da Explanação
• Árvores, Arborescências e Árvore Balanceada;
• Aplicações da Árvore Binária Balanceada;
• Complexidade: Busca, Inserção e Deleção;
• Uso em Problemas Práticos;
• As Proto-classes Node e BinaryTree;
• Comparações Entre Árvores;
• Conclusões.
Primeiramente iremos esclarecer alguns conceitos primordiais sobre
a caracterização de uma árvore e logo após iremos definir
realmente o significado do nosso objeto de estudo.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Sumário
Tópicos Centrais da Explanação
• Árvores, Arborescências e Árvore Balanceada;
• Aplicações da Árvore Binária Balanceada;
• Complexidade: Busca, Inserção e Deleção;
• Uso em Problemas Práticos;
• As Proto-classes Node e BinaryTree;
• Comparações Entre Árvores;
• Conclusões.
Primeiramente iremos esclarecer alguns conceitos primordiais sobre
a caracterização de uma árvore e logo após iremos definir
realmente o significado do nosso objeto de estudo.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Sumário
Tópicos Centrais da Explanação
• Árvores, Arborescências e Árvore Balanceada;
• Aplicações da Árvore Binária Balanceada;
• Complexidade: Busca, Inserção e Deleção;
• Uso em Problemas Práticos;
• As Proto-classes Node e BinaryTree;
• Comparações Entre Árvores;
• Conclusões.
Primeiramente iremos esclarecer alguns conceitos primordiais sobre
a caracterização de uma árvore e logo após iremos definir
realmente o significado do nosso objeto de estudo.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Sumário
Tópicos Centrais da Explanação
• Árvores, Arborescências e Árvore Balanceada;
• Aplicações da Árvore Binária Balanceada;
• Complexidade: Busca, Inserção e Deleção;
• Uso em Problemas Práticos;
• As Proto-classes Node e BinaryTree;
• Comparações Entre Árvores;
• Conclusões.
Primeiramente iremos esclarecer alguns conceitos primordiais sobre
a caracterização de uma árvore e logo após iremos definir
realmente o significado do nosso objeto de estudo.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Sumário
Tópicos Centrais da Explanação
• Árvores, Arborescências e Árvore Balanceada;
• Aplicações da Árvore Binária Balanceada;
• Complexidade: Busca, Inserção e Deleção;
• Uso em Problemas Práticos;
• As Proto-classes Node e BinaryTree;
• Comparações Entre Árvores;
• Conclusões.
Primeiramente iremos esclarecer alguns conceitos primordiais sobre
a caracterização de uma árvore e logo após iremos definir
realmente o significado do nosso objeto de estudo.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Sumário
Tópicos Centrais da Explanação
• Árvores, Arborescências e Árvore Balanceada;
• Aplicações da Árvore Binária Balanceada;
• Complexidade: Busca, Inserção e Deleção;
• Uso em Problemas Práticos;
• As Proto-classes Node e BinaryTree;
• Comparações Entre Árvores;
• Conclusões.
Primeiramente iremos esclarecer alguns conceitos primordiais sobre
a caracterização de uma árvore e logo após iremos definir
realmente o significado do nosso objeto de estudo.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Sumário
Tópicos Centrais da Explanação
• Árvores, Arborescências e Árvore Balanceada;
• Aplicações da Árvore Binária Balanceada;
• Complexidade: Busca, Inserção e Deleção;
• Uso em Problemas Práticos;
• As Proto-classes Node e BinaryTree;
• Comparações Entre Árvores;
• Conclusões.
Primeiramente iremos esclarecer alguns conceitos primordiais sobre
a caracterização de uma árvore e logo após iremos definir
realmente o significado do nosso objeto de estudo.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Sumário
Tópicos Centrais da Explanação
• Árvores, Arborescências e Árvore Balanceada;
• Aplicações da Árvore Binária Balanceada;
• Complexidade: Busca, Inserção e Deleção;
• Uso em Problemas Práticos;
• As Proto-classes Node e BinaryTree;
• Comparações Entre Árvores;
• Conclusões.
Primeiramente iremos esclarecer alguns conceitos primordiais sobre
a caracterização de uma árvore e logo após iremos definir
realmente o significado do nosso objeto de estudo.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Sumário
Tópicos Centrais da Explanação
• Árvores, Arborescências e Árvore Balanceada;
• Aplicações da Árvore Binária Balanceada;
• Complexidade: Busca, Inserção e Deleção;
• Uso em Problemas Práticos;
• As Proto-classes Node e BinaryTree;
• Comparações Entre Árvores;
• Conclusões.
Primeiramente iremos esclarecer alguns conceitos primordiais sobre
a caracterização de uma árvore e logo após iremos definir
realmente o significado do nosso objeto de estudo.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
O que é uma Árvore?
Conceito Matemático de Árvore
Uma árvore é um grafo conexo e sem ciclos.
Lembrete
Grafo constitui um objeto matemático formado por dois conjuntos. O primeiro,
chamado de V , é o conjunto dos vértices. O outro é um conjunto de relações entre
vértices, chamado de conjunto das arestas e é representado por E.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
O que é uma Árvore?
Conceito Matemático de Árvore
Uma árvore é um grafo conexo e sem ciclos.
Figura: Construção de um grafo conexo com 6 vértices. Há várias soluções para
este tipo de construção, mas o que as soluções apresentadas possuem em comum?
Todas tem 5 arestas e nenhuma contém ciclos.
Lembrete
Grafo constitui um objeto matemático formado por dois conjuntos. O primeiro,
chamado de V , é o conjunto dos vértices. O outro é um conjunto de relações entre
vértices, chamado de conjunto das arestas e é representado por E.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
O que é uma Árvore?
Conceito Matemático de Árvore
Uma árvore é um grafo conexo e sem ciclos.
Figura: Construção de um grafo conexo com 6 vértices. Há várias soluções para
este tipo de construção, mas o que as soluções apresentadas possuem em comum?
Todas tem 5 arestas e nenhuma contém ciclos.
Lembrete
Grafo constitui um objeto matemático formado por dois conjuntos. O primeiro,
chamado de V , é o conjunto dos vértices. O outro é um conjunto de relações entre
vértices, chamado de conjunto das arestas e é representado por E.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Caracterização das Árvores.
Como podemos caracterizar uma árvore?
Três características são primordiais em uma árvore:
Seja T uma árvore com n vértices. Então:
1 T é conexo e sem ciclos;
2 T é conexo e possui n − 1 arestas;
3 Cada aresta e de T é uma ponte.
Lembrete
Uma ponte é uma aresta cuja retirada desconecta o grafo.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Caracterização das Árvores.
Como podemos caracterizar uma árvore?
Três características são primordiais em uma árvore:
Figura: Construção de um grafo conexo e um não-conexo com 6 vértices.
Seja T uma árvore com n vértices. Então:
1 T é conexo e sem ciclos;
2 T é conexo e possui n − 1 arestas;
3 Cada aresta e de T é uma ponte.
Lembrete
Uma ponte é uma aresta cuja retirada desconecta o grafo.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Caracterização das Árvores.
Como podemos caracterizar uma árvore?
Três características são primordiais em uma árvore:
Figura: Construção de um grafo conexo e um não-conexo com 6 vértices.
Seja T uma árvore com n vértices. Então:
1 T é conexo e sem ciclos;
2 T é conexo e possui n − 1 arestas;
3 Cada aresta e de T é uma ponte.
Lembrete
Uma ponte é uma aresta cuja retirada desconecta o grafo.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Caracterização das Árvores.
Como podemos caracterizar uma árvore?
Três características são primordiais em uma árvore:
Figura: Construção de um grafo conexo e um não-conexo com 6 vértices.
Seja T uma árvore com n vértices. Então:
1 T é conexo e sem ciclos;
2 T é conexo e possui n − 1 arestas;
3 Cada aresta e de T é uma ponte.
Lembrete
Uma ponte é uma aresta cuja retirada desconecta o grafo.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Caracterização das Árvores.
Como podemos caracterizar uma árvore?
Três características são primordiais em uma árvore:
Figura: Construção de um grafo conexo e um não-conexo com 6 vértices.
Seja T uma árvore com n vértices. Então:
1 T é conexo e sem ciclos;
2 T é conexo e possui n − 1 arestas;
3 Cada aresta e de T é uma ponte.
Lembrete
Uma ponte é uma aresta cuja retirada desconecta o grafo.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Caracterização das Árvores.
Como podemos caracterizar uma árvore?
Três características são primordiais em uma árvore:
Figura: Construção de um grafo conexo e um não-conexo com 6 vértices.
Seja T uma árvore com n vértices. Então:
1 T é conexo e sem ciclos;
2 T é conexo e possui n − 1 arestas;
3 Cada aresta e de T é uma ponte.
Lembrete
Uma ponte é uma aresta cuja retirada desconecta o grafo.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Caracterização das Árvores.
Como podemos caracterizar uma árvore?
Três características são primordiais em uma árvore:
Figura: Construção de um grafo conexo e um não-conexo com 6 vértices.
Seja T uma árvore com n vértices. Então:
1 T é conexo e sem ciclos;
2 T é conexo e possui n − 1 arestas;
3 Cada aresta e de T é uma ponte.
Lembrete
Uma ponte é uma aresta cuja retirada desconecta o grafo.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Arborescências.
O que é uma arborescência?
Tipo de árvore na qual consideramos a orientação. Na arborescência, a
direção dos arcos é considerada.
Propriedades das arborescências:
1 Existe um vértice sem antecessores (a raiz);
2 Todos os vértices (fora a raiz) possuem exatamente um único antecessor.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Arborescências.
O que é uma arborescência?
Tipo de árvore na qual consideramos a orientação. Na arborescência, a
direção dos arcos é considerada.
Figura: Como cada aresta da arborescência representa uma ponte, basta escolher
um vértice como ‘raiz’ e teremos uma orientação ‘natural’ da árvore.
Propriedades das arborescências:
1 Existe um vértice sem antecessores (a raiz);
2 Todos os vértices (fora a raiz) possuem exatamente um único antecessor.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Arborescências.
O que é uma arborescência?
Tipo de árvore na qual consideramos a orientação. Na arborescência, a
direção dos arcos é considerada.
Figura: Como cada aresta da arborescência representa uma ponte, basta escolher
um vértice como ‘raiz’ e teremos uma orientação ‘natural’ da árvore.
Propriedades das arborescências:
1 Existe um vértice sem antecessores (a raiz);
2 Todos os vértices (fora a raiz) possuem exatamente um único antecessor.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Arborescências.
O que é uma arborescência?
Tipo de árvore na qual consideramos a orientação. Na arborescência, a
direção dos arcos é considerada.
Figura: Como cada aresta da arborescência representa uma ponte, basta escolher
um vértice como ‘raiz’ e teremos uma orientação ‘natural’ da árvore.
Propriedades das arborescências:
1 Existe um vértice sem antecessores (a raiz);
2 Todos os vértices (fora a raiz) possuem exatamente um único antecessor.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Arborescências.
O que é uma arborescência?
Tipo de árvore na qual consideramos a orientação. Na arborescência, a
direção dos arcos é considerada.
Figura: Como cada aresta da arborescência representa uma ponte, basta escolher
um vértice como ‘raiz’ e teremos uma orientação ‘natural’ da árvore.
Propriedades das arborescências:
1 Existe um vértice sem antecessores (a raiz);
2 Todos os vértices (fora a raiz) possuem exatamente um único antecessor.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Arborescência Binária.
O que é uma arborescência binária?
Uma das arborescências de uso mais frequente é a arborescência binária
(usualmente chamada de árvore binária), que se caracteriza pela seguinte
propriedade adicional:
Propriedade adicional das arborescências binárias:
1 Todos os vértices têm, no máximo, 2 sucessores, ou seja ∆ ≤ 2.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Arborescência Binária.
O que é uma arborescência binária?
Uma das arborescências de uso mais frequente é a arborescência binária
(usualmente chamada de árvore binária), que se caracteriza pela seguinte
propriedade adicional:
Figura: Os nós de uma árvore binária possuem graus zero, um ou dois. Um nó de
grau zero é denominado folha. A raiz possui profundidade 0. Os sucessores diretos
da raiz possuem profundidade 1. Em suma, uma árvore binária é definida como um
grafo acíclico, conexo, dirigido e que cada nó não tem grau maior que 2. Logo, só
existe um caminho entre dois nós distintos.
Propriedade adicional das arborescências binárias:
1 Todos os vértices têm, no máximo, 2 sucessores, ou seja ∆ ≤ 2.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Arborescência Binária.
O que é uma arborescência binária?
Uma das arborescências de uso mais frequente é a arborescência binária
(usualmente chamada de árvore binária), que se caracteriza pela seguinte
propriedade adicional:
Figura: Os nós de uma árvore binária possuem graus zero, um ou dois. Um nó de
grau zero é denominado folha. A raiz possui profundidade 0. Os sucessores diretos
da raiz possuem profundidade 1. Em suma, uma árvore binária é definida como um
grafo acíclico, conexo, dirigido e que cada nó não tem grau maior que 2. Logo, só
existe um caminho entre dois nós distintos.
Propriedade adicional das arborescências binárias:
1 Todos os vértices têm, no máximo, 2 sucessores, ou seja ∆ ≤ 2.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Arborescência Binária.
O que é uma arborescência binária?
Uma das arborescências de uso mais frequente é a arborescência binária
(usualmente chamada de árvore binária), que se caracteriza pela seguinte
propriedade adicional:
Figura: Os nós de uma árvore binária possuem graus zero, um ou dois. Um nó de
grau zero é denominado folha. A raiz possui profundidade 0. Os sucessores diretos
da raiz possuem profundidade 1. Em suma, uma árvore binária é definida como um
grafo acíclico, conexo, dirigido e que cada nó não tem grau maior que 2. Logo, só
existe um caminho entre dois nós distintos.
Propriedade adicional das arborescências binárias:
1 Todos os vértices têm, no máximo, 2 sucessores, ou seja ∆ ≤ 2.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Árvore Binária Balanceada.
Caracterizando Árvore Binária Balanceada
Uma árvore binária é dita balanceada se, para cada nó, as alturas de suas
sub-árvores diferem de, no máximo 1.
Uma árvore binária balanceada, chamada de árvore AVL (em homenagem
aos matemáticos russos G.M. Adelson-Velskii e E.M. Landis), é uma
árvore binária na qual as alturas das duas sub-árvores de cada um dos nós,
nunca diferem em mais de 1 unidade.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Árvore Binária Balanceada.
Caracterizando Árvore Binária Balanceada
Uma árvore binária é dita balanceada se, para cada nó, as alturas de suas
sub-árvores diferem de, no máximo 1.
Figura: Uma árvore é totalmente balanceada quando para cada nó, o número de
nós em cada uma de suas sub-árvores difere em no máximo 1 de profundidade. A
primeira aparição dessa estrutura, foi em 1962 no artigo ‘An algorithm for the
organization of information’, de autoria dos Soviéticos Adelson-Velskii e Landis.
Uma árvore binária balanceada, chamada de árvore AVL (em homenagem
aos matemáticos russos G.M. Adelson-Velskii e E.M. Landis), é uma
árvore binária na qual as alturas das duas sub-árvores de cada um dos nós,
nunca diferem em mais de 1 unidade.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Árvore Binária Balanceada.
Caracterizando Árvore Binária Balanceada
Uma árvore binária é dita balanceada se, para cada nó, as alturas de suas
sub-árvores diferem de, no máximo 1.
Figura: Uma árvore é totalmente balanceada quando para cada nó, o número de
nós em cada uma de suas sub-árvores difere em no máximo 1 de profundidade. A
primeira aparição dessa estrutura, foi em 1962 no artigo ‘An algorithm for the
organization of information’, de autoria dos Soviéticos Adelson-Velskii e Landis.
Uma árvore binária balanceada, chamada de árvore AVL (em homenagem
aos matemáticos russos G.M. Adelson-Velskii e E.M. Landis), é uma
árvore binária na qual as alturas das duas sub-árvores de cada um dos nós,
nunca diferem em mais de 1 unidade.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Árvore Binária Balanceada.
Aplicações da Árvore Binária Balanceada
Essa estrutura fornece implementação eficiente para listas ordenadas mutáveis:
• Arrays associativos (associative arrays: map ou dictionary);
• Coleções baseadas em pares do tipo (key, value);
• Filas de prioridade (priority queues);
• Fila onde cada elemento é associado com uma ‘prioridade’;
• Conjuntos (sets).
• Comumente implementados da mesma maneira que arrays associativos;
• Nessa caso são chamados de sorted sets.
Implementações
• AA Tree; AVL Tree; Red-black Tree; Scapegoat Tree; Splay Tree; Treap;
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Árvore Binária Balanceada.
Aplicações da Árvore Binária Balanceada
Essa estrutura fornece implementação eficiente para listas ordenadas mutáveis:
• Arrays associativos (associative arrays: map ou dictionary);
• Coleções baseadas em pares do tipo (key, value);
• Filas de prioridade (priority queues);
• Fila onde cada elemento é associado com uma ‘prioridade’;
• Conjuntos (sets).
• Comumente implementados da mesma maneira que arrays associativos;
• Nessa caso são chamados de sorted sets.
Implementações
• AA Tree; AVL Tree; Red-black Tree; Scapegoat Tree; Splay Tree; Treap;
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Árvore Binária Balanceada.
Aplicações da Árvore Binária Balanceada
Essa estrutura fornece implementação eficiente para listas ordenadas mutáveis:
• Arrays associativos (associative arrays: map ou dictionary);
• Coleções baseadas em pares do tipo (key, value);
• Filas de prioridade (priority queues);
• Fila onde cada elemento é associado com uma ‘prioridade’;
• Conjuntos (sets).
• Comumente implementados da mesma maneira que arrays associativos;
• Nessa caso são chamados de sorted sets.
Implementações
• AA Tree; AVL Tree; Red-black Tree; Scapegoat Tree; Splay Tree; Treap;
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Árvore Binária Balanceada.
Aplicações da Árvore Binária Balanceada
Essa estrutura fornece implementação eficiente para listas ordenadas mutáveis:
• Arrays associativos (associative arrays: map ou dictionary);
• Coleções baseadas em pares do tipo (key, value);
• Filas de prioridade (priority queues);
• Fila onde cada elemento é associado com uma ‘prioridade’;
• Conjuntos (sets).
• Comumente implementados da mesma maneira que arrays associativos;
• Nessa caso são chamados de sorted sets.
Implementações
• AA Tree; AVL Tree; Red-black Tree; Scapegoat Tree; Splay Tree; Treap;
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Árvore Binária Balanceada.
Aplicações da Árvore Binária Balanceada
Essa estrutura fornece implementação eficiente para listas ordenadas mutáveis:
• Arrays associativos (associative arrays: map ou dictionary);
• Coleções baseadas em pares do tipo (key, value);
• Filas de prioridade (priority queues);
• Fila onde cada elemento é associado com uma ‘prioridade’;
• Conjuntos (sets).
• Comumente implementados da mesma maneira que arrays associativos;
• Nessa caso são chamados de sorted sets.
Implementações
• AA Tree; AVL Tree; Red-black Tree; Scapegoat Tree; Splay Tree; Treap;
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Árvore Binária Balanceada.
Aplicações da Árvore Binária Balanceada
Essa estrutura fornece implementação eficiente para listas ordenadas mutáveis:
• Arrays associativos (associative arrays: map ou dictionary);
• Coleções baseadas em pares do tipo (key, value);
• Filas de prioridade (priority queues);
• Fila onde cada elemento é associado com uma ‘prioridade’;
• Conjuntos (sets).
• Comumente implementados da mesma maneira que arrays associativos;
• Nessa caso são chamados de sorted sets.
Implementações
• AA Tree; AVL Tree; Red-black Tree; Scapegoat Tree; Splay Tree; Treap;
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Árvore Binária Balanceada.
Aplicações da Árvore Binária Balanceada
Essa estrutura fornece implementação eficiente para listas ordenadas mutáveis:
• Arrays associativos (associative arrays: map ou dictionary);
• Coleções baseadas em pares do tipo (key, value);
• Filas de prioridade (priority queues);
• Fila onde cada elemento é associado com uma ‘prioridade’;
• Conjuntos (sets).
• Comumente implementados da mesma maneira que arrays associativos;
• Nessa caso são chamados de sorted sets.
Implementações
• AA Tree; AVL Tree; Red-black Tree; Scapegoat Tree; Splay Tree; Treap;
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Árvore Binária Balanceada.
Complexidade
Figura: As operações de busca, inserção e eliminação de elementos possuem
complexidade O(logn) (no qual n é o número de elementos da árvore). Inserções e
eliminações podem também requerer o rebalanceamento da árvore, exigindo uma
ou mais rotações.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Árvore Binária Balanceada.
Uso em Problemas
Árvores binárias balanceadas podems ser usadas para implementar qualquer
algoritmo que requeira o uso de listas ordenadas mutáveis.
Alguns algoritmos em Geometria Computacional exploram variações dessas
estruturas para resolução de problemas como:
• Intersecção de segmentos de reta (line segment intersection)
• O problema da intersecção dos segmentos de reta nos fornece uma lista
de segmentos de reta no plano e nos pede para determinar se quaisquer
dois deles se intersectam (ou cruzam).
• Formas complexas oriundas de operações booleanas (intersecção, união,
diferença), detecção de colisão em robótica e planejamento de
movimento, visibilidade, oclusão;
• Localização de Ponto (point location)
• Dada uma partição do espaço em regiões disjuntas, determinar a região
onde se encontra um ponto de consulta.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Árvore Binária Balanceada.
Uso em Problemas
Árvores binárias balanceadas podems ser usadas para implementar qualquer
algoritmo que requeira o uso de listas ordenadas mutáveis.
Alguns algoritmos em Geometria Computacional exploram variações dessas
estruturas para resolução de problemas como:
• Intersecção de segmentos de reta (line segment intersection)
• O problema da intersecção dos segmentos de reta nos fornece uma lista
de segmentos de reta no plano e nos pede para determinar se quaisquer
dois deles se intersectam (ou cruzam).
• Formas complexas oriundas de operações booleanas (intersecção, união,
diferença), detecção de colisão em robótica e planejamento de
movimento, visibilidade, oclusão;
• Localização de Ponto (point location)
• Dada uma partição do espaço em regiões disjuntas, determinar a região
onde se encontra um ponto de consulta.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Árvore Binária Balanceada.
Uso em Problemas
Árvores binárias balanceadas podems ser usadas para implementar qualquer
algoritmo que requeira o uso de listas ordenadas mutáveis.
Alguns algoritmos em Geometria Computacional exploram variações dessas
estruturas para resolução de problemas como:
• Intersecção de segmentos de reta (line segment intersection)
• O problema da intersecção dos segmentos de reta nos fornece uma lista
de segmentos de reta no plano e nos pede para determinar se quaisquer
dois deles se intersectam (ou cruzam).
• Formas complexas oriundas de operações booleanas (intersecção, união,
diferença), detecção de colisão em robótica e planejamento de
movimento, visibilidade, oclusão;
• Localização de Ponto (point location)
• Dada uma partição do espaço em regiões disjuntas, determinar a região
onde se encontra um ponto de consulta.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Árvore Binária Balanceada.
Uso em Problemas
Árvores binárias balanceadas podems ser usadas para implementar qualquer
algoritmo que requeira o uso de listas ordenadas mutáveis.
Alguns algoritmos em Geometria Computacional exploram variações dessas
estruturas para resolução de problemas como:
• Intersecção de segmentos de reta (line segment intersection)
• O problema da intersecção dos segmentos de reta nos fornece uma lista
de segmentos de reta no plano e nos pede para determinar se quaisquer
dois deles se intersectam (ou cruzam).
• Formas complexas oriundas de operações booleanas (intersecção, união,
diferença), detecção de colisão em robótica e planejamento de
movimento, visibilidade, oclusão;
• Localização de Ponto (point location)
• Dada uma partição do espaço em regiões disjuntas, determinar a região
onde se encontra um ponto de consulta.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Árvore Binária Balanceada.
Uso em Problemas
Árvores binárias balanceadas podems ser usadas para implementar qualquer
algoritmo que requeira o uso de listas ordenadas mutáveis.
Alguns algoritmos em Geometria Computacional exploram variações dessas
estruturas para resolução de problemas como:
• Intersecção de segmentos de reta (line segment intersection)
• O problema da intersecção dos segmentos de reta nos fornece uma lista
de segmentos de reta no plano e nos pede para determinar se quaisquer
dois deles se intersectam (ou cruzam).
• Formas complexas oriundas de operações booleanas (intersecção, união,
diferença), detecção de colisão em robótica e planejamento de
movimento, visibilidade, oclusão;
• Localização de Ponto (point location)
• Dada uma partição do espaço em regiões disjuntas, determinar a região
onde se encontra um ponto de consulta.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Árvore Binária Balanceada.
Uso em Problemas
Árvores binárias balanceadas podems ser usadas para implementar qualquer
algoritmo que requeira o uso de listas ordenadas mutáveis.
Alguns algoritmos em Geometria Computacional exploram variações dessas
estruturas para resolução de problemas como:
• Intersecção de segmentos de reta (line segment intersection)
• O problema da intersecção dos segmentos de reta nos fornece uma lista
de segmentos de reta no plano e nos pede para determinar se quaisquer
dois deles se intersectam (ou cruzam).
• Formas complexas oriundas de operações booleanas (intersecção, união,
diferença), detecção de colisão em robótica e planejamento de
movimento, visibilidade, oclusão;
• Localização de Ponto (point location)
• Dada uma partição do espaço em regiões disjuntas, determinar a região
onde se encontra um ponto de consulta.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Árvore Binária Balanceada.
Line Segment Intersection Problem
Dada uma lista de segmentos de reta no plano determinar se quaisquer dois deles
se intersectam.
Figura: A forma mais comum e eficiente de resolução deste problema é o usando
a estratégia sweep line algorithm juntamente com uma estrutura do tipo árvore
binária balanceada.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Árvore Binária Balanceada.
Line Segment Intersection Problem
Dada uma lista de segmentos de reta no plano determinar se quaisquer dois deles
se intersectam.
Figura: A forma mais comum e eficiente de resolução deste problema é o usando
a estratégia sweep line algorithm juntamente com uma estrutura do tipo árvore
binária balanceada.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Árvore Binária Balanceada.
Point Location Problem
Dada uma partição do espaço em regiões disjuntas, determinar a região onde se
encontra um ponto de consulta.
Figura: O problema de localização de pontos é um tema fundamental na
geometria computacional. Esse problema encontra aplicações em áreas que lidam
com o processamento de dados geométricos: sistemas de informação geográfica
(GIS), planejamento de movimento e desenho assistido por computador (CAD).
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Árvore Binária Balanceada.
Point Location Problem
Dada uma partição do espaço em regiões disjuntas, determinar a região onde se
encontra um ponto de consulta.
Figura: O problema de localização de pontos é um tema fundamental na
geometria computacional. Esse problema encontra aplicações em áreas que lidam
com o processamento de dados geométricos: sistemas de informação geográfica
(GIS), planejamento de movimento e desenho assistido por computador (CAD).
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
A Classe Nó Balanceado.
Class Node - Com Fator de Balanceamento
§ ¤
1 /∗ Container that r e p r e s e n t s a node data s t r u c t u r e ∗/
2 c l a s s Node
3 {
4 ObjectData _value ; // v a l u e or key
5 BalanceFactor _ f a c t o r ; // f a c t o r to the b a l a n c i n g
6 Node ∗_r , ∗ _l ; // p o i n t e r s to the r i g h t and l e f t s u b t r e e
7 p u b l i c :
8 /∗ C o n s t r u c t o r ∗/
9 Node ( ObjectData v ) { _value = v ; _r = _l = n u l l ; };
10
11 /∗Method that h a n d l e s the v a l u e of s t o r e d o b j e c t ∗/
12 ObjectData v a l u e ( ) { r e t u r n _value ; };
13 v o i d v a l u e ( ObjectData v ) { _value = v ; };
14
15 /∗Method that h a n d l e s the v a l u e of balance f a c t o r ∗/
16 BalanceFactor f a c t o r ( ) { r e t u r n _ f a c t o r ; };
17 v o i d f a c t o r ( BalanceFactor f ) { _ f a c t o r = f ; };
18
19 /∗Method that h a n d l e s the v a l u e of l e f t and r i g h t p o i n t e r s ∗/
20 Node∗ r i g h t ( ) { r e t u r n _r ; }; v o i d r i g h t ( Node∗ r ) { _r = r ; };
21 Node∗ l e f t ( ) { r e t u r n _l ; }; v o i d l e f t ( Node∗ l ) { _l = l ; };
22
23 /∗Method that v e r i f i e s i f the c u r r e n t node i s a l e a f ∗/
24 bool i s L e a f ( ) { r e t u r n ( _l == n u l l && _r == n u l l ) ; };
25 };
¦ ¥
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
A Proto-Classe Binary Tree.
Class Binary Tree
§ ¤
1 /∗ Container that r e p r e s e n t s a b i n a r y t r e e data s t r u c t u r e ∗/
2 c l a s s BinaryTree
3 {
4 Node∗ _root ; // p o i n t e r to the r o o t of t r e e
5 p u b l i c :
6 BinaryTree ( ) { _root = n u l l ; }; // C o n s t r u c t o r
7 Node∗ r o o t ( ) { r e t u r n _root ; }; // Returns a p o i n t e r f o r r o o t
8 bool i n s e r t ( ObjectData v ) ; // I n s e r t s a element i n t r e e
9 bool remove ( ObjectData v ) ; // Removes a element of the t r e e
10 v o i d inOrder ( Node∗ c u r r e n t ) ; // Navigates u s i n g a s t r u c t u r e ’ i n o r d e r ’
11 v o i d preOrder ( Node∗ c u r r e n t ) ; // Navigates u s i n g a s t r u c t u r e ’ pre o r d e r ’
12 v o i d postOrder ( Node∗ c u r r e n t ) ; // Navigates u s i n g a s t r u c t u r e ’ post o r d e r ’
13 ObjectData s m a l l e r ( ) ; // Returns the s m a l l e r element
14 ObjectData b i g g e r ( ) ; // Returns the b i g g e r element
15 Node∗ s u c c e s s o r ( Node∗ c u r r e n t ) ; // Returns the s u c c e s s o r node
16 long i n t l e v e l ( ObjectData v ) ; // Returns the s t o r a g e l e v e l of a element
17 long i n t h e i g h t ( Node∗ c u r r e n t ) ; // Returns the h e i g h t of a node
18 long i n t quantityOfNodes ( Node∗ c u r r e n t ) ; // Quantity of t r e e nodes
19 bool f i n d ( ObjectData v ) ; // Finds a element i n t r e e
20 Node∗ f i n d ( ObjectData v ) ; // Finds a element i n t r e e
21 };
¦ ¥
ObjectData deve implementar os operadores <, >, ==
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
A Proto-Classe Binary Tree.
Class Binary Tree
§ ¤
1 /∗ Container that r e p r e s e n t s a b i n a r y t r e e data s t r u c t u r e ∗/
2 c l a s s BinaryTree
3 {
4 Node∗ _root ; // p o i n t e r to the r o o t of t r e e
5 p u b l i c :
6 BinaryTree ( ) { _root = n u l l ; }; // C o n s t r u c t o r
7 Node∗ r o o t ( ) { r e t u r n _root ; }; // Returns a p o i n t e r f o r r o o t
8 bool i n s e r t ( ObjectData v ) ; // I n s e r t s a element i n t r e e
9 bool remove ( ObjectData v ) ; // Removes a element of the t r e e
10 v o i d inOrder ( Node∗ c u r r e n t ) ; // Navigates u s i n g a s t r u c t u r e ’ i n o r d e r ’
11 v o i d preOrder ( Node∗ c u r r e n t ) ; // Navigates u s i n g a s t r u c t u r e ’ pre o r d e r ’
12 v o i d postOrder ( Node∗ c u r r e n t ) ; // Navigates u s i n g a s t r u c t u r e ’ post o r d e r ’
13 ObjectData s m a l l e r ( ) ; // Returns the s m a l l e r element
14 ObjectData b i g g e r ( ) ; // Returns the b i g g e r element
15 Node∗ s u c c e s s o r ( Node∗ c u r r e n t ) ; // Returns the s u c c e s s o r node
16 long i n t l e v e l ( ObjectData v ) ; // Returns the s t o r a g e l e v e l of a element
17 long i n t h e i g h t ( Node∗ c u r r e n t ) ; // Returns the h e i g h t of a node
18 long i n t quantityOfNodes ( Node∗ c u r r e n t ) ; // Quantity of t r e e nodes
19 bool f i n d ( ObjectData v ) ; // Finds a element i n t r e e
20 Node∗ f i n d ( ObjectData v ) ; // Finds a element i n t r e e
21 };
¦ ¥
ObjectData deve implementar os operadores <, >, ==
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Comparações Entre Estruturas do Tipo Árvore.
Comparações de Desempenho
O desempenho das operações numa árvore pode ser medido pela
sua altura.
Neste quadro estamos realizando uma comparação entre uma estrutura de árvore
simples sem nenhum mecanismo de balaceamento (Árvore Binária) com outras
duas espécies de árvore (AVL e Rubro-Negra) que possuem algum tipo de
mecanismo de balanceamento intríseco.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Comparações Entre Estruturas do Tipo Árvore.
Comparações de Desempenho
O desempenho das operações numa árvore pode ser medido pela
sua altura.
Neste quadro estamos realizando uma comparação entre uma estrutura de árvore
simples sem nenhum mecanismo de balaceamento (Árvore Binária) com outras
duas espécies de árvore (AVL e Rubro-Negra) que possuem algum tipo de
mecanismo de balanceamento intríseco.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Conclusões
Conclusão Sobre a Estrutura de Dados
O que podemos concluir sobre árvores e suas derivações?
• Estrutura de dados de baixa complexidade;
• Boa performance;
• Amplamente utilizada;
• Várias nuances e implementações;
• Empregada em uma miríade de problemas práticos;
• Quando balaceadas são mais rápidas em operações de busca;
• Rebalanceamento pode ser oneroso: inserções e remoções;
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Conclusões
Conclusão Sobre a Estrutura de Dados
O que podemos concluir sobre árvores e suas derivações?
• Estrutura de dados de baixa complexidade;
• Boa performance;
• Amplamente utilizada;
• Várias nuances e implementações;
• Empregada em uma miríade de problemas práticos;
• Quando balaceadas são mais rápidas em operações de busca;
• Rebalanceamento pode ser oneroso: inserções e remoções;
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Conclusões
Conclusão Sobre a Estrutura de Dados
O que podemos concluir sobre árvores e suas derivações?
• Estrutura de dados de baixa complexidade;
• Boa performance;
• Amplamente utilizada;
• Várias nuances e implementações;
• Empregada em uma miríade de problemas práticos;
• Quando balaceadas são mais rápidas em operações de busca;
• Rebalanceamento pode ser oneroso: inserções e remoções;
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Conclusões
Conclusão Sobre a Estrutura de Dados
O que podemos concluir sobre árvores e suas derivações?
• Estrutura de dados de baixa complexidade;
• Boa performance;
• Amplamente utilizada;
• Várias nuances e implementações;
• Empregada em uma miríade de problemas práticos;
• Quando balaceadas são mais rápidas em operações de busca;
• Rebalanceamento pode ser oneroso: inserções e remoções;
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Conclusões
Conclusão Sobre a Estrutura de Dados
O que podemos concluir sobre árvores e suas derivações?
• Estrutura de dados de baixa complexidade;
• Boa performance;
• Amplamente utilizada;
• Várias nuances e implementações;
• Empregada em uma miríade de problemas práticos;
• Quando balaceadas são mais rápidas em operações de busca;
• Rebalanceamento pode ser oneroso: inserções e remoções;
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Conclusões
Conclusão Sobre a Estrutura de Dados
O que podemos concluir sobre árvores e suas derivações?
• Estrutura de dados de baixa complexidade;
• Boa performance;
• Amplamente utilizada;
• Várias nuances e implementações;
• Empregada em uma miríade de problemas práticos;
• Quando balaceadas são mais rápidas em operações de busca;
• Rebalanceamento pode ser oneroso: inserções e remoções;
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Conclusões
Conclusão Sobre a Estrutura de Dados
O que podemos concluir sobre árvores e suas derivações?
• Estrutura de dados de baixa complexidade;
• Boa performance;
• Amplamente utilizada;
• Várias nuances e implementações;
• Empregada em uma miríade de problemas práticos;
• Quando balaceadas são mais rápidas em operações de busca;
• Rebalanceamento pode ser oneroso: inserções e remoções;
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Conclusões
Conclusão Sobre a Estrutura de Dados
O que podemos concluir sobre árvores e suas derivações?
• Estrutura de dados de baixa complexidade;
• Boa performance;
• Amplamente utilizada;
• Várias nuances e implementações;
• Empregada em uma miríade de problemas práticos;
• Quando balaceadas são mais rápidas em operações de busca;
• Rebalanceamento pode ser oneroso: inserções e remoções;
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Conclusões
Conclusão Sobre a Estrutura de Dados
O que podemos concluir sobre árvores e suas derivações?
• Estrutura de dados de baixa complexidade;
• Boa performance;
• Amplamente utilizada;
• Várias nuances e implementações;
• Empregada em uma miríade de problemas práticos;
• Quando balaceadas são mais rápidas em operações de busca;
• Rebalanceamento pode ser oneroso: inserções e remoções;
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação
Agradecimentos
Grato Pela Atenção!
• Michel Alves - michel.mas@gmail.com
Referências Bibliográficas
Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, and Clifford Stein.
Introduction to Algorithms, Second Edition. MIT Press and McGraw-Hill, 2001.
ISBN 0-262-03293-7.
Donald Knuth. The Art of Computer Programming, Volume 3: Sorting and
Searching, Third Edition. Addison-Wesley, 1997. ISBN 0-201-89685-0. Section
6.2.3: Balanced Trees, pp.458–481.
Mark de Berg, Marc van Kreveld, Mark Overmars, and Otfried Schwarzkopf
(2000). Computational Geometry (2nd edition ed.). Springer. ISBN
3-540-65620-0. Chapter 2: Line Segment Intersection, pp.19–44. Chapter 6:
Point location. pp. 121–146.
Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada

More Related Content

Similar to Balanced Binary Trees

1601PAPSUML-Cap12-destaqueDAO.ppt
1601PAPSUML-Cap12-destaqueDAO.ppt1601PAPSUML-Cap12-destaqueDAO.ppt
1601PAPSUML-Cap12-destaqueDAO.ppt
Alan5263
 
Matematica discreta fasciculo_3_v06
Matematica discreta fasciculo_3_v06Matematica discreta fasciculo_3_v06
Matematica discreta fasciculo_3_v06
CLEAN LOURENÇO
 

Similar to Balanced Binary Trees (10)

Árvore de Decisão | IA
Árvore de Decisão | IA Árvore de Decisão | IA
Árvore de Decisão | IA
 
Introdução a Árvore de Dados Adaptativa (WTA 2011)
Introdução a Árvore de Dados Adaptativa (WTA 2011)Introdução a Árvore de Dados Adaptativa (WTA 2011)
Introdução a Árvore de Dados Adaptativa (WTA 2011)
 
AulaAula1(introducao)
AulaAula1(introducao)AulaAula1(introducao)
AulaAula1(introducao)
 
LIVRO PROPRIETÁRIO - MATEMÁTICA APLICADA A COMPUTAÇÃO
LIVRO PROPRIETÁRIO - MATEMÁTICA APLICADA A COMPUTAÇÃOLIVRO PROPRIETÁRIO - MATEMÁTICA APLICADA A COMPUTAÇÃO
LIVRO PROPRIETÁRIO - MATEMÁTICA APLICADA A COMPUTAÇÃO
 
1601PAPSUML-Cap12-destaqueDAO.ppt
1601PAPSUML-Cap12-destaqueDAO.ppt1601PAPSUML-Cap12-destaqueDAO.ppt
1601PAPSUML-Cap12-destaqueDAO.ppt
 
LIVRO_ GRAFICOS NA BIOESTATITICA.pdf
LIVRO_ GRAFICOS NA  BIOESTATITICA.pdfLIVRO_ GRAFICOS NA  BIOESTATITICA.pdf
LIVRO_ GRAFICOS NA BIOESTATITICA.pdf
 
MATEMATICA_Ciencia_Aplicacoes_V3_PNLD2018_PR.pdf
MATEMATICA_Ciencia_Aplicacoes_V3_PNLD2018_PR.pdfMATEMATICA_Ciencia_Aplicacoes_V3_PNLD2018_PR.pdf
MATEMATICA_Ciencia_Aplicacoes_V3_PNLD2018_PR.pdf
 
Matematica discreta fasciculo_3_v06
Matematica discreta fasciculo_3_v06Matematica discreta fasciculo_3_v06
Matematica discreta fasciculo_3_v06
 
Conteúdos de Matemática - EM.pdf
Conteúdos de Matemática - EM.pdfConteúdos de Matemática - EM.pdf
Conteúdos de Matemática - EM.pdf
 
LIVRO_UNICO.pdf
LIVRO_UNICO.pdfLIVRO_UNICO.pdf
LIVRO_UNICO.pdf
 

More from Michel Alves

More from Michel Alves (20)

Texture Synthesis: An Approach Based on GPU Use
Texture Synthesis: An Approach Based on GPU UseTexture Synthesis: An Approach Based on GPU Use
Texture Synthesis: An Approach Based on GPU Use
 
Intelligent Transfer of Thematic Harmonic Color Palettes
Intelligent Transfer of Thematic Harmonic Color PalettesIntelligent Transfer of Thematic Harmonic Color Palettes
Intelligent Transfer of Thematic Harmonic Color Palettes
 
A Framework for Harmonic Color Measures
A Framework for Harmonic Color MeasuresA Framework for Harmonic Color Measures
A Framework for Harmonic Color Measures
 
Effectiveness of Image Quality Assessment Indexes
Effectiveness of Image Quality Assessment IndexesEffectiveness of Image Quality Assessment Indexes
Effectiveness of Image Quality Assessment Indexes
 
Introduction to Kernel Functions
Introduction to Kernel FunctionsIntroduction to Kernel Functions
Introduction to Kernel Functions
 
About Perception and Hue Histograms in HSV Space
About Perception and Hue Histograms in HSV SpaceAbout Perception and Hue Histograms in HSV Space
About Perception and Hue Histograms in HSV Space
 
Color Harmonization - Results
Color Harmonization - ResultsColor Harmonization - Results
Color Harmonization - Results
 
Wave Simulation Using Perlin Noise
Wave Simulation Using Perlin NoiseWave Simulation Using Perlin Noise
Wave Simulation Using Perlin Noise
 
Similarity Maps Using SSIM Index
Similarity Maps Using SSIM IndexSimilarity Maps Using SSIM Index
Similarity Maps Using SSIM Index
 
Qualifying Exam - Image-Based Reconstruction With Color Harmonization
Qualifying Exam - Image-Based Reconstruction With Color HarmonizationQualifying Exam - Image-Based Reconstruction With Color Harmonization
Qualifying Exam - Image-Based Reconstruction With Color Harmonization
 
TMS - Schedule of Presentations and Reports
TMS - Schedule of Presentations and ReportsTMS - Schedule of Presentations and Reports
TMS - Schedule of Presentations and Reports
 
Month Presentations Schedule - March/2015 - LCG/UFRJ
Month Presentations Schedule - March/2015 - LCG/UFRJMonth Presentations Schedule - March/2015 - LCG/UFRJ
Month Presentations Schedule - March/2015 - LCG/UFRJ
 
Color Palettes in R
Color Palettes in RColor Palettes in R
Color Palettes in R
 
Sigmoid Curve Erf
Sigmoid Curve ErfSigmoid Curve Erf
Sigmoid Curve Erf
 
Hue Wheel Prototype
Hue Wheel PrototypeHue Wheel Prototype
Hue Wheel Prototype
 
Cosine Curve
Cosine CurveCosine Curve
Cosine Curve
 
Triangle Mesh Plot
Triangle Mesh PlotTriangle Mesh Plot
Triangle Mesh Plot
 
Triangle Plot
Triangle PlotTriangle Plot
Triangle Plot
 
Capacity-Constrained Point Distributions :: Video Slides
Capacity-Constrained Point Distributions :: Video SlidesCapacity-Constrained Point Distributions :: Video Slides
Capacity-Constrained Point Distributions :: Video Slides
 
Capacity-Constrained Point Distributions :: Density Function Catalog
Capacity-Constrained Point Distributions :: Density Function CatalogCapacity-Constrained Point Distributions :: Density Function Catalog
Capacity-Constrained Point Distributions :: Density Function Catalog
 

Recently uploaded

Teoria heterotrófica e autotrófica dos primeiros seres vivos..pptx
Teoria heterotrófica e autotrófica dos primeiros seres vivos..pptxTeoria heterotrófica e autotrófica dos primeiros seres vivos..pptx
Teoria heterotrófica e autotrófica dos primeiros seres vivos..pptx
TailsonSantos1
 
5 bloco 7 ano - Ensino Relogioso- Lideres Religiosos _ Passei Direto.pdf
5 bloco 7 ano - Ensino Relogioso- Lideres Religiosos _ Passei Direto.pdf5 bloco 7 ano - Ensino Relogioso- Lideres Religiosos _ Passei Direto.pdf
5 bloco 7 ano - Ensino Relogioso- Lideres Religiosos _ Passei Direto.pdf
LeloIurk1
 
Revolução russa e mexicana. Slides explicativos e atividades
Revolução russa e mexicana. Slides explicativos e atividadesRevolução russa e mexicana. Slides explicativos e atividades
Revolução russa e mexicana. Slides explicativos e atividades
FabianeMartins35
 
19- Pedagogia (60 mapas mentais) - Amostra.pdf
19- Pedagogia (60 mapas mentais) - Amostra.pdf19- Pedagogia (60 mapas mentais) - Amostra.pdf
19- Pedagogia (60 mapas mentais) - Amostra.pdf
marlene54545
 
Os editoriais, reportagens e entrevistas.pptx
Os editoriais, reportagens e entrevistas.pptxOs editoriais, reportagens e entrevistas.pptx
Os editoriais, reportagens e entrevistas.pptx
TailsonSantos1
 
apostila projeto de vida 2 ano ensino médio
apostila projeto de vida 2 ano ensino médioapostila projeto de vida 2 ano ensino médio
apostila projeto de vida 2 ano ensino médio
rosenilrucks
 
GEOGRAFIA - COMÉRCIO INTERNACIONAL E BLOCOS ECONÔMICOS - PROF. LUCAS QUEIROZ.pdf
GEOGRAFIA - COMÉRCIO INTERNACIONAL E BLOCOS ECONÔMICOS - PROF. LUCAS QUEIROZ.pdfGEOGRAFIA - COMÉRCIO INTERNACIONAL E BLOCOS ECONÔMICOS - PROF. LUCAS QUEIROZ.pdf
GEOGRAFIA - COMÉRCIO INTERNACIONAL E BLOCOS ECONÔMICOS - PROF. LUCAS QUEIROZ.pdf
RavenaSales1
 
Slide - EBD ADEB 2024 Licao 02 2Trim.pptx
Slide - EBD ADEB 2024 Licao 02 2Trim.pptxSlide - EBD ADEB 2024 Licao 02 2Trim.pptx
Slide - EBD ADEB 2024 Licao 02 2Trim.pptx
edelon1
 
PROJETO DE EXTENSÃO I - TECNOLOGIA DA INFORMAÇÃO Relatório Final de Atividade...
PROJETO DE EXTENSÃO I - TECNOLOGIA DA INFORMAÇÃO Relatório Final de Atividade...PROJETO DE EXTENSÃO I - TECNOLOGIA DA INFORMAÇÃO Relatório Final de Atividade...
PROJETO DE EXTENSÃO I - TECNOLOGIA DA INFORMAÇÃO Relatório Final de Atividade...
HELENO FAVACHO
 

Recently uploaded (20)

Atividade - Letra da música Esperando na Janela.
Atividade -  Letra da música Esperando na Janela.Atividade -  Letra da música Esperando na Janela.
Atividade - Letra da música Esperando na Janela.
 
Teoria heterotrófica e autotrófica dos primeiros seres vivos..pptx
Teoria heterotrófica e autotrófica dos primeiros seres vivos..pptxTeoria heterotrófica e autotrófica dos primeiros seres vivos..pptx
Teoria heterotrófica e autotrófica dos primeiros seres vivos..pptx
 
Aula sobre o Imperialismo Europeu no século XIX
Aula sobre o Imperialismo Europeu no século XIXAula sobre o Imperialismo Europeu no século XIX
Aula sobre o Imperialismo Europeu no século XIX
 
PRÁTICAS PEDAGÓGICAS GESTÃO DA APRENDIZAGEM
PRÁTICAS PEDAGÓGICAS GESTÃO DA APRENDIZAGEMPRÁTICAS PEDAGÓGICAS GESTÃO DA APRENDIZAGEM
PRÁTICAS PEDAGÓGICAS GESTÃO DA APRENDIZAGEM
 
5 bloco 7 ano - Ensino Relogioso- Lideres Religiosos _ Passei Direto.pdf
5 bloco 7 ano - Ensino Relogioso- Lideres Religiosos _ Passei Direto.pdf5 bloco 7 ano - Ensino Relogioso- Lideres Religiosos _ Passei Direto.pdf
5 bloco 7 ano - Ensino Relogioso- Lideres Religiosos _ Passei Direto.pdf
 
PROJETO DE EXTENSÃO I - Radiologia Tecnologia
PROJETO DE EXTENSÃO I - Radiologia TecnologiaPROJETO DE EXTENSÃO I - Radiologia Tecnologia
PROJETO DE EXTENSÃO I - Radiologia Tecnologia
 
LISTA DE EXERCICIOS envolveto grandezas e medidas e notação cientifica 1 ANO ...
LISTA DE EXERCICIOS envolveto grandezas e medidas e notação cientifica 1 ANO ...LISTA DE EXERCICIOS envolveto grandezas e medidas e notação cientifica 1 ANO ...
LISTA DE EXERCICIOS envolveto grandezas e medidas e notação cientifica 1 ANO ...
 
Revolução russa e mexicana. Slides explicativos e atividades
Revolução russa e mexicana. Slides explicativos e atividadesRevolução russa e mexicana. Slides explicativos e atividades
Revolução russa e mexicana. Slides explicativos e atividades
 
19- Pedagogia (60 mapas mentais) - Amostra.pdf
19- Pedagogia (60 mapas mentais) - Amostra.pdf19- Pedagogia (60 mapas mentais) - Amostra.pdf
19- Pedagogia (60 mapas mentais) - Amostra.pdf
 
Antero de Quental, sua vida e sua escrita
Antero de Quental, sua vida e sua escritaAntero de Quental, sua vida e sua escrita
Antero de Quental, sua vida e sua escrita
 
Recomposiçao em matematica 1 ano 2024 - ESTUDANTE 1ª série.pdf
Recomposiçao em matematica 1 ano 2024 - ESTUDANTE 1ª série.pdfRecomposiçao em matematica 1 ano 2024 - ESTUDANTE 1ª série.pdf
Recomposiçao em matematica 1 ano 2024 - ESTUDANTE 1ª série.pdf
 
praticas experimentais 1 ano ensino médio
praticas experimentais 1 ano ensino médiopraticas experimentais 1 ano ensino médio
praticas experimentais 1 ano ensino médio
 
Os editoriais, reportagens e entrevistas.pptx
Os editoriais, reportagens e entrevistas.pptxOs editoriais, reportagens e entrevistas.pptx
Os editoriais, reportagens e entrevistas.pptx
 
apostila projeto de vida 2 ano ensino médio
apostila projeto de vida 2 ano ensino médioapostila projeto de vida 2 ano ensino médio
apostila projeto de vida 2 ano ensino médio
 
Estudar, para quê? Ciência, para quê? Parte 1 e Parte 2
Estudar, para quê?  Ciência, para quê? Parte 1 e Parte 2Estudar, para quê?  Ciência, para quê? Parte 1 e Parte 2
Estudar, para quê? Ciência, para quê? Parte 1 e Parte 2
 
PROJETO DE EXTENSÃO I - AGRONOMIA.pdf AGRONOMIAAGRONOMIA
PROJETO DE EXTENSÃO I - AGRONOMIA.pdf AGRONOMIAAGRONOMIAPROJETO DE EXTENSÃO I - AGRONOMIA.pdf AGRONOMIAAGRONOMIA
PROJETO DE EXTENSÃO I - AGRONOMIA.pdf AGRONOMIAAGRONOMIA
 
GEOGRAFIA - COMÉRCIO INTERNACIONAL E BLOCOS ECONÔMICOS - PROF. LUCAS QUEIROZ.pdf
GEOGRAFIA - COMÉRCIO INTERNACIONAL E BLOCOS ECONÔMICOS - PROF. LUCAS QUEIROZ.pdfGEOGRAFIA - COMÉRCIO INTERNACIONAL E BLOCOS ECONÔMICOS - PROF. LUCAS QUEIROZ.pdf
GEOGRAFIA - COMÉRCIO INTERNACIONAL E BLOCOS ECONÔMICOS - PROF. LUCAS QUEIROZ.pdf
 
Rota das Ribeiras Camp, Projeto Nós Propomos!
Rota das Ribeiras Camp, Projeto Nós Propomos!Rota das Ribeiras Camp, Projeto Nós Propomos!
Rota das Ribeiras Camp, Projeto Nós Propomos!
 
Slide - EBD ADEB 2024 Licao 02 2Trim.pptx
Slide - EBD ADEB 2024 Licao 02 2Trim.pptxSlide - EBD ADEB 2024 Licao 02 2Trim.pptx
Slide - EBD ADEB 2024 Licao 02 2Trim.pptx
 
PROJETO DE EXTENSÃO I - TECNOLOGIA DA INFORMAÇÃO Relatório Final de Atividade...
PROJETO DE EXTENSÃO I - TECNOLOGIA DA INFORMAÇÃO Relatório Final de Atividade...PROJETO DE EXTENSÃO I - TECNOLOGIA DA INFORMAÇÃO Relatório Final de Atividade...
PROJETO DE EXTENSÃO I - TECNOLOGIA DA INFORMAÇÃO Relatório Final de Atividade...
 

Balanced Binary Trees

  • 1. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Árvore Binária Balanceada Visão Geral, Características e Conceitos Associados Michel Alves dos Santos Universidade Federal de Alagoas, Campus A. C. Simões Tabuleiro do Martins - Maceió - AL, CEP: 57072-970 Centro de Pesquisa em Matemática Computacional Docente Responsável: Prof. Dr. Thales Vieira 17 de Novembro 2011 Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 2. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Sumário Tópicos Centrais da Explanação • Árvores, Arborescências e Árvore Balanceada; • Aplicações da Árvore Binária Balanceada; • Complexidade: Busca, Inserção e Deleção; • Uso em Problemas Práticos; • As Proto-classes Node e BinaryTree; • Comparações Entre Árvores; • Conclusões. Primeiramente iremos esclarecer alguns conceitos primordiais sobre a caracterização de uma árvore e logo após iremos definir realmente o significado do nosso objeto de estudo. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 3. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Sumário Tópicos Centrais da Explanação • Árvores, Arborescências e Árvore Balanceada; • Aplicações da Árvore Binária Balanceada; • Complexidade: Busca, Inserção e Deleção; • Uso em Problemas Práticos; • As Proto-classes Node e BinaryTree; • Comparações Entre Árvores; • Conclusões. Primeiramente iremos esclarecer alguns conceitos primordiais sobre a caracterização de uma árvore e logo após iremos definir realmente o significado do nosso objeto de estudo. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 4. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Sumário Tópicos Centrais da Explanação • Árvores, Arborescências e Árvore Balanceada; • Aplicações da Árvore Binária Balanceada; • Complexidade: Busca, Inserção e Deleção; • Uso em Problemas Práticos; • As Proto-classes Node e BinaryTree; • Comparações Entre Árvores; • Conclusões. Primeiramente iremos esclarecer alguns conceitos primordiais sobre a caracterização de uma árvore e logo após iremos definir realmente o significado do nosso objeto de estudo. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 5. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Sumário Tópicos Centrais da Explanação • Árvores, Arborescências e Árvore Balanceada; • Aplicações da Árvore Binária Balanceada; • Complexidade: Busca, Inserção e Deleção; • Uso em Problemas Práticos; • As Proto-classes Node e BinaryTree; • Comparações Entre Árvores; • Conclusões. Primeiramente iremos esclarecer alguns conceitos primordiais sobre a caracterização de uma árvore e logo após iremos definir realmente o significado do nosso objeto de estudo. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 6. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Sumário Tópicos Centrais da Explanação • Árvores, Arborescências e Árvore Balanceada; • Aplicações da Árvore Binária Balanceada; • Complexidade: Busca, Inserção e Deleção; • Uso em Problemas Práticos; • As Proto-classes Node e BinaryTree; • Comparações Entre Árvores; • Conclusões. Primeiramente iremos esclarecer alguns conceitos primordiais sobre a caracterização de uma árvore e logo após iremos definir realmente o significado do nosso objeto de estudo. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 7. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Sumário Tópicos Centrais da Explanação • Árvores, Arborescências e Árvore Balanceada; • Aplicações da Árvore Binária Balanceada; • Complexidade: Busca, Inserção e Deleção; • Uso em Problemas Práticos; • As Proto-classes Node e BinaryTree; • Comparações Entre Árvores; • Conclusões. Primeiramente iremos esclarecer alguns conceitos primordiais sobre a caracterização de uma árvore e logo após iremos definir realmente o significado do nosso objeto de estudo. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 8. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Sumário Tópicos Centrais da Explanação • Árvores, Arborescências e Árvore Balanceada; • Aplicações da Árvore Binária Balanceada; • Complexidade: Busca, Inserção e Deleção; • Uso em Problemas Práticos; • As Proto-classes Node e BinaryTree; • Comparações Entre Árvores; • Conclusões. Primeiramente iremos esclarecer alguns conceitos primordiais sobre a caracterização de uma árvore e logo após iremos definir realmente o significado do nosso objeto de estudo. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 9. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Sumário Tópicos Centrais da Explanação • Árvores, Arborescências e Árvore Balanceada; • Aplicações da Árvore Binária Balanceada; • Complexidade: Busca, Inserção e Deleção; • Uso em Problemas Práticos; • As Proto-classes Node e BinaryTree; • Comparações Entre Árvores; • Conclusões. Primeiramente iremos esclarecer alguns conceitos primordiais sobre a caracterização de uma árvore e logo após iremos definir realmente o significado do nosso objeto de estudo. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 10. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Sumário Tópicos Centrais da Explanação • Árvores, Arborescências e Árvore Balanceada; • Aplicações da Árvore Binária Balanceada; • Complexidade: Busca, Inserção e Deleção; • Uso em Problemas Práticos; • As Proto-classes Node e BinaryTree; • Comparações Entre Árvores; • Conclusões. Primeiramente iremos esclarecer alguns conceitos primordiais sobre a caracterização de uma árvore e logo após iremos definir realmente o significado do nosso objeto de estudo. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 11. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação O que é uma Árvore? Conceito Matemático de Árvore Uma árvore é um grafo conexo e sem ciclos. Lembrete Grafo constitui um objeto matemático formado por dois conjuntos. O primeiro, chamado de V , é o conjunto dos vértices. O outro é um conjunto de relações entre vértices, chamado de conjunto das arestas e é representado por E. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 12. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação O que é uma Árvore? Conceito Matemático de Árvore Uma árvore é um grafo conexo e sem ciclos. Figura: Construção de um grafo conexo com 6 vértices. Há várias soluções para este tipo de construção, mas o que as soluções apresentadas possuem em comum? Todas tem 5 arestas e nenhuma contém ciclos. Lembrete Grafo constitui um objeto matemático formado por dois conjuntos. O primeiro, chamado de V , é o conjunto dos vértices. O outro é um conjunto de relações entre vértices, chamado de conjunto das arestas e é representado por E. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 13. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação O que é uma Árvore? Conceito Matemático de Árvore Uma árvore é um grafo conexo e sem ciclos. Figura: Construção de um grafo conexo com 6 vértices. Há várias soluções para este tipo de construção, mas o que as soluções apresentadas possuem em comum? Todas tem 5 arestas e nenhuma contém ciclos. Lembrete Grafo constitui um objeto matemático formado por dois conjuntos. O primeiro, chamado de V , é o conjunto dos vértices. O outro é um conjunto de relações entre vértices, chamado de conjunto das arestas e é representado por E. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 14. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Caracterização das Árvores. Como podemos caracterizar uma árvore? Três características são primordiais em uma árvore: Seja T uma árvore com n vértices. Então: 1 T é conexo e sem ciclos; 2 T é conexo e possui n − 1 arestas; 3 Cada aresta e de T é uma ponte. Lembrete Uma ponte é uma aresta cuja retirada desconecta o grafo. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 15. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Caracterização das Árvores. Como podemos caracterizar uma árvore? Três características são primordiais em uma árvore: Figura: Construção de um grafo conexo e um não-conexo com 6 vértices. Seja T uma árvore com n vértices. Então: 1 T é conexo e sem ciclos; 2 T é conexo e possui n − 1 arestas; 3 Cada aresta e de T é uma ponte. Lembrete Uma ponte é uma aresta cuja retirada desconecta o grafo. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 16. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Caracterização das Árvores. Como podemos caracterizar uma árvore? Três características são primordiais em uma árvore: Figura: Construção de um grafo conexo e um não-conexo com 6 vértices. Seja T uma árvore com n vértices. Então: 1 T é conexo e sem ciclos; 2 T é conexo e possui n − 1 arestas; 3 Cada aresta e de T é uma ponte. Lembrete Uma ponte é uma aresta cuja retirada desconecta o grafo. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 17. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Caracterização das Árvores. Como podemos caracterizar uma árvore? Três características são primordiais em uma árvore: Figura: Construção de um grafo conexo e um não-conexo com 6 vértices. Seja T uma árvore com n vértices. Então: 1 T é conexo e sem ciclos; 2 T é conexo e possui n − 1 arestas; 3 Cada aresta e de T é uma ponte. Lembrete Uma ponte é uma aresta cuja retirada desconecta o grafo. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 18. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Caracterização das Árvores. Como podemos caracterizar uma árvore? Três características são primordiais em uma árvore: Figura: Construção de um grafo conexo e um não-conexo com 6 vértices. Seja T uma árvore com n vértices. Então: 1 T é conexo e sem ciclos; 2 T é conexo e possui n − 1 arestas; 3 Cada aresta e de T é uma ponte. Lembrete Uma ponte é uma aresta cuja retirada desconecta o grafo. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 19. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Caracterização das Árvores. Como podemos caracterizar uma árvore? Três características são primordiais em uma árvore: Figura: Construção de um grafo conexo e um não-conexo com 6 vértices. Seja T uma árvore com n vértices. Então: 1 T é conexo e sem ciclos; 2 T é conexo e possui n − 1 arestas; 3 Cada aresta e de T é uma ponte. Lembrete Uma ponte é uma aresta cuja retirada desconecta o grafo. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 20. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Caracterização das Árvores. Como podemos caracterizar uma árvore? Três características são primordiais em uma árvore: Figura: Construção de um grafo conexo e um não-conexo com 6 vértices. Seja T uma árvore com n vértices. Então: 1 T é conexo e sem ciclos; 2 T é conexo e possui n − 1 arestas; 3 Cada aresta e de T é uma ponte. Lembrete Uma ponte é uma aresta cuja retirada desconecta o grafo. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 21. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Arborescências. O que é uma arborescência? Tipo de árvore na qual consideramos a orientação. Na arborescência, a direção dos arcos é considerada. Propriedades das arborescências: 1 Existe um vértice sem antecessores (a raiz); 2 Todos os vértices (fora a raiz) possuem exatamente um único antecessor. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 22. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Arborescências. O que é uma arborescência? Tipo de árvore na qual consideramos a orientação. Na arborescência, a direção dos arcos é considerada. Figura: Como cada aresta da arborescência representa uma ponte, basta escolher um vértice como ‘raiz’ e teremos uma orientação ‘natural’ da árvore. Propriedades das arborescências: 1 Existe um vértice sem antecessores (a raiz); 2 Todos os vértices (fora a raiz) possuem exatamente um único antecessor. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 23. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Arborescências. O que é uma arborescência? Tipo de árvore na qual consideramos a orientação. Na arborescência, a direção dos arcos é considerada. Figura: Como cada aresta da arborescência representa uma ponte, basta escolher um vértice como ‘raiz’ e teremos uma orientação ‘natural’ da árvore. Propriedades das arborescências: 1 Existe um vértice sem antecessores (a raiz); 2 Todos os vértices (fora a raiz) possuem exatamente um único antecessor. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 24. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Arborescências. O que é uma arborescência? Tipo de árvore na qual consideramos a orientação. Na arborescência, a direção dos arcos é considerada. Figura: Como cada aresta da arborescência representa uma ponte, basta escolher um vértice como ‘raiz’ e teremos uma orientação ‘natural’ da árvore. Propriedades das arborescências: 1 Existe um vértice sem antecessores (a raiz); 2 Todos os vértices (fora a raiz) possuem exatamente um único antecessor. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 25. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Arborescências. O que é uma arborescência? Tipo de árvore na qual consideramos a orientação. Na arborescência, a direção dos arcos é considerada. Figura: Como cada aresta da arborescência representa uma ponte, basta escolher um vértice como ‘raiz’ e teremos uma orientação ‘natural’ da árvore. Propriedades das arborescências: 1 Existe um vértice sem antecessores (a raiz); 2 Todos os vértices (fora a raiz) possuem exatamente um único antecessor. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 26. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Arborescência Binária. O que é uma arborescência binária? Uma das arborescências de uso mais frequente é a arborescência binária (usualmente chamada de árvore binária), que se caracteriza pela seguinte propriedade adicional: Propriedade adicional das arborescências binárias: 1 Todos os vértices têm, no máximo, 2 sucessores, ou seja ∆ ≤ 2. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 27. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Arborescência Binária. O que é uma arborescência binária? Uma das arborescências de uso mais frequente é a arborescência binária (usualmente chamada de árvore binária), que se caracteriza pela seguinte propriedade adicional: Figura: Os nós de uma árvore binária possuem graus zero, um ou dois. Um nó de grau zero é denominado folha. A raiz possui profundidade 0. Os sucessores diretos da raiz possuem profundidade 1. Em suma, uma árvore binária é definida como um grafo acíclico, conexo, dirigido e que cada nó não tem grau maior que 2. Logo, só existe um caminho entre dois nós distintos. Propriedade adicional das arborescências binárias: 1 Todos os vértices têm, no máximo, 2 sucessores, ou seja ∆ ≤ 2. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 28. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Arborescência Binária. O que é uma arborescência binária? Uma das arborescências de uso mais frequente é a arborescência binária (usualmente chamada de árvore binária), que se caracteriza pela seguinte propriedade adicional: Figura: Os nós de uma árvore binária possuem graus zero, um ou dois. Um nó de grau zero é denominado folha. A raiz possui profundidade 0. Os sucessores diretos da raiz possuem profundidade 1. Em suma, uma árvore binária é definida como um grafo acíclico, conexo, dirigido e que cada nó não tem grau maior que 2. Logo, só existe um caminho entre dois nós distintos. Propriedade adicional das arborescências binárias: 1 Todos os vértices têm, no máximo, 2 sucessores, ou seja ∆ ≤ 2. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 29. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Arborescência Binária. O que é uma arborescência binária? Uma das arborescências de uso mais frequente é a arborescência binária (usualmente chamada de árvore binária), que se caracteriza pela seguinte propriedade adicional: Figura: Os nós de uma árvore binária possuem graus zero, um ou dois. Um nó de grau zero é denominado folha. A raiz possui profundidade 0. Os sucessores diretos da raiz possuem profundidade 1. Em suma, uma árvore binária é definida como um grafo acíclico, conexo, dirigido e que cada nó não tem grau maior que 2. Logo, só existe um caminho entre dois nós distintos. Propriedade adicional das arborescências binárias: 1 Todos os vértices têm, no máximo, 2 sucessores, ou seja ∆ ≤ 2. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 30. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Árvore Binária Balanceada. Caracterizando Árvore Binária Balanceada Uma árvore binária é dita balanceada se, para cada nó, as alturas de suas sub-árvores diferem de, no máximo 1. Uma árvore binária balanceada, chamada de árvore AVL (em homenagem aos matemáticos russos G.M. Adelson-Velskii e E.M. Landis), é uma árvore binária na qual as alturas das duas sub-árvores de cada um dos nós, nunca diferem em mais de 1 unidade. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 31. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Árvore Binária Balanceada. Caracterizando Árvore Binária Balanceada Uma árvore binária é dita balanceada se, para cada nó, as alturas de suas sub-árvores diferem de, no máximo 1. Figura: Uma árvore é totalmente balanceada quando para cada nó, o número de nós em cada uma de suas sub-árvores difere em no máximo 1 de profundidade. A primeira aparição dessa estrutura, foi em 1962 no artigo ‘An algorithm for the organization of information’, de autoria dos Soviéticos Adelson-Velskii e Landis. Uma árvore binária balanceada, chamada de árvore AVL (em homenagem aos matemáticos russos G.M. Adelson-Velskii e E.M. Landis), é uma árvore binária na qual as alturas das duas sub-árvores de cada um dos nós, nunca diferem em mais de 1 unidade. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 32. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Árvore Binária Balanceada. Caracterizando Árvore Binária Balanceada Uma árvore binária é dita balanceada se, para cada nó, as alturas de suas sub-árvores diferem de, no máximo 1. Figura: Uma árvore é totalmente balanceada quando para cada nó, o número de nós em cada uma de suas sub-árvores difere em no máximo 1 de profundidade. A primeira aparição dessa estrutura, foi em 1962 no artigo ‘An algorithm for the organization of information’, de autoria dos Soviéticos Adelson-Velskii e Landis. Uma árvore binária balanceada, chamada de árvore AVL (em homenagem aos matemáticos russos G.M. Adelson-Velskii e E.M. Landis), é uma árvore binária na qual as alturas das duas sub-árvores de cada um dos nós, nunca diferem em mais de 1 unidade. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 33. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Árvore Binária Balanceada. Aplicações da Árvore Binária Balanceada Essa estrutura fornece implementação eficiente para listas ordenadas mutáveis: • Arrays associativos (associative arrays: map ou dictionary); • Coleções baseadas em pares do tipo (key, value); • Filas de prioridade (priority queues); • Fila onde cada elemento é associado com uma ‘prioridade’; • Conjuntos (sets). • Comumente implementados da mesma maneira que arrays associativos; • Nessa caso são chamados de sorted sets. Implementações • AA Tree; AVL Tree; Red-black Tree; Scapegoat Tree; Splay Tree; Treap; Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 34. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Árvore Binária Balanceada. Aplicações da Árvore Binária Balanceada Essa estrutura fornece implementação eficiente para listas ordenadas mutáveis: • Arrays associativos (associative arrays: map ou dictionary); • Coleções baseadas em pares do tipo (key, value); • Filas de prioridade (priority queues); • Fila onde cada elemento é associado com uma ‘prioridade’; • Conjuntos (sets). • Comumente implementados da mesma maneira que arrays associativos; • Nessa caso são chamados de sorted sets. Implementações • AA Tree; AVL Tree; Red-black Tree; Scapegoat Tree; Splay Tree; Treap; Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 35. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Árvore Binária Balanceada. Aplicações da Árvore Binária Balanceada Essa estrutura fornece implementação eficiente para listas ordenadas mutáveis: • Arrays associativos (associative arrays: map ou dictionary); • Coleções baseadas em pares do tipo (key, value); • Filas de prioridade (priority queues); • Fila onde cada elemento é associado com uma ‘prioridade’; • Conjuntos (sets). • Comumente implementados da mesma maneira que arrays associativos; • Nessa caso são chamados de sorted sets. Implementações • AA Tree; AVL Tree; Red-black Tree; Scapegoat Tree; Splay Tree; Treap; Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 36. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Árvore Binária Balanceada. Aplicações da Árvore Binária Balanceada Essa estrutura fornece implementação eficiente para listas ordenadas mutáveis: • Arrays associativos (associative arrays: map ou dictionary); • Coleções baseadas em pares do tipo (key, value); • Filas de prioridade (priority queues); • Fila onde cada elemento é associado com uma ‘prioridade’; • Conjuntos (sets). • Comumente implementados da mesma maneira que arrays associativos; • Nessa caso são chamados de sorted sets. Implementações • AA Tree; AVL Tree; Red-black Tree; Scapegoat Tree; Splay Tree; Treap; Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 37. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Árvore Binária Balanceada. Aplicações da Árvore Binária Balanceada Essa estrutura fornece implementação eficiente para listas ordenadas mutáveis: • Arrays associativos (associative arrays: map ou dictionary); • Coleções baseadas em pares do tipo (key, value); • Filas de prioridade (priority queues); • Fila onde cada elemento é associado com uma ‘prioridade’; • Conjuntos (sets). • Comumente implementados da mesma maneira que arrays associativos; • Nessa caso são chamados de sorted sets. Implementações • AA Tree; AVL Tree; Red-black Tree; Scapegoat Tree; Splay Tree; Treap; Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 38. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Árvore Binária Balanceada. Aplicações da Árvore Binária Balanceada Essa estrutura fornece implementação eficiente para listas ordenadas mutáveis: • Arrays associativos (associative arrays: map ou dictionary); • Coleções baseadas em pares do tipo (key, value); • Filas de prioridade (priority queues); • Fila onde cada elemento é associado com uma ‘prioridade’; • Conjuntos (sets). • Comumente implementados da mesma maneira que arrays associativos; • Nessa caso são chamados de sorted sets. Implementações • AA Tree; AVL Tree; Red-black Tree; Scapegoat Tree; Splay Tree; Treap; Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 39. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Árvore Binária Balanceada. Aplicações da Árvore Binária Balanceada Essa estrutura fornece implementação eficiente para listas ordenadas mutáveis: • Arrays associativos (associative arrays: map ou dictionary); • Coleções baseadas em pares do tipo (key, value); • Filas de prioridade (priority queues); • Fila onde cada elemento é associado com uma ‘prioridade’; • Conjuntos (sets). • Comumente implementados da mesma maneira que arrays associativos; • Nessa caso são chamados de sorted sets. Implementações • AA Tree; AVL Tree; Red-black Tree; Scapegoat Tree; Splay Tree; Treap; Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 40. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Árvore Binária Balanceada. Complexidade Figura: As operações de busca, inserção e eliminação de elementos possuem complexidade O(logn) (no qual n é o número de elementos da árvore). Inserções e eliminações podem também requerer o rebalanceamento da árvore, exigindo uma ou mais rotações. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 41. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Árvore Binária Balanceada. Uso em Problemas Árvores binárias balanceadas podems ser usadas para implementar qualquer algoritmo que requeira o uso de listas ordenadas mutáveis. Alguns algoritmos em Geometria Computacional exploram variações dessas estruturas para resolução de problemas como: • Intersecção de segmentos de reta (line segment intersection) • O problema da intersecção dos segmentos de reta nos fornece uma lista de segmentos de reta no plano e nos pede para determinar se quaisquer dois deles se intersectam (ou cruzam). • Formas complexas oriundas de operações booleanas (intersecção, união, diferença), detecção de colisão em robótica e planejamento de movimento, visibilidade, oclusão; • Localização de Ponto (point location) • Dada uma partição do espaço em regiões disjuntas, determinar a região onde se encontra um ponto de consulta. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 42. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Árvore Binária Balanceada. Uso em Problemas Árvores binárias balanceadas podems ser usadas para implementar qualquer algoritmo que requeira o uso de listas ordenadas mutáveis. Alguns algoritmos em Geometria Computacional exploram variações dessas estruturas para resolução de problemas como: • Intersecção de segmentos de reta (line segment intersection) • O problema da intersecção dos segmentos de reta nos fornece uma lista de segmentos de reta no plano e nos pede para determinar se quaisquer dois deles se intersectam (ou cruzam). • Formas complexas oriundas de operações booleanas (intersecção, união, diferença), detecção de colisão em robótica e planejamento de movimento, visibilidade, oclusão; • Localização de Ponto (point location) • Dada uma partição do espaço em regiões disjuntas, determinar a região onde se encontra um ponto de consulta. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 43. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Árvore Binária Balanceada. Uso em Problemas Árvores binárias balanceadas podems ser usadas para implementar qualquer algoritmo que requeira o uso de listas ordenadas mutáveis. Alguns algoritmos em Geometria Computacional exploram variações dessas estruturas para resolução de problemas como: • Intersecção de segmentos de reta (line segment intersection) • O problema da intersecção dos segmentos de reta nos fornece uma lista de segmentos de reta no plano e nos pede para determinar se quaisquer dois deles se intersectam (ou cruzam). • Formas complexas oriundas de operações booleanas (intersecção, união, diferença), detecção de colisão em robótica e planejamento de movimento, visibilidade, oclusão; • Localização de Ponto (point location) • Dada uma partição do espaço em regiões disjuntas, determinar a região onde se encontra um ponto de consulta. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 44. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Árvore Binária Balanceada. Uso em Problemas Árvores binárias balanceadas podems ser usadas para implementar qualquer algoritmo que requeira o uso de listas ordenadas mutáveis. Alguns algoritmos em Geometria Computacional exploram variações dessas estruturas para resolução de problemas como: • Intersecção de segmentos de reta (line segment intersection) • O problema da intersecção dos segmentos de reta nos fornece uma lista de segmentos de reta no plano e nos pede para determinar se quaisquer dois deles se intersectam (ou cruzam). • Formas complexas oriundas de operações booleanas (intersecção, união, diferença), detecção de colisão em robótica e planejamento de movimento, visibilidade, oclusão; • Localização de Ponto (point location) • Dada uma partição do espaço em regiões disjuntas, determinar a região onde se encontra um ponto de consulta. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 45. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Árvore Binária Balanceada. Uso em Problemas Árvores binárias balanceadas podems ser usadas para implementar qualquer algoritmo que requeira o uso de listas ordenadas mutáveis. Alguns algoritmos em Geometria Computacional exploram variações dessas estruturas para resolução de problemas como: • Intersecção de segmentos de reta (line segment intersection) • O problema da intersecção dos segmentos de reta nos fornece uma lista de segmentos de reta no plano e nos pede para determinar se quaisquer dois deles se intersectam (ou cruzam). • Formas complexas oriundas de operações booleanas (intersecção, união, diferença), detecção de colisão em robótica e planejamento de movimento, visibilidade, oclusão; • Localização de Ponto (point location) • Dada uma partição do espaço em regiões disjuntas, determinar a região onde se encontra um ponto de consulta. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 46. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Árvore Binária Balanceada. Uso em Problemas Árvores binárias balanceadas podems ser usadas para implementar qualquer algoritmo que requeira o uso de listas ordenadas mutáveis. Alguns algoritmos em Geometria Computacional exploram variações dessas estruturas para resolução de problemas como: • Intersecção de segmentos de reta (line segment intersection) • O problema da intersecção dos segmentos de reta nos fornece uma lista de segmentos de reta no plano e nos pede para determinar se quaisquer dois deles se intersectam (ou cruzam). • Formas complexas oriundas de operações booleanas (intersecção, união, diferença), detecção de colisão em robótica e planejamento de movimento, visibilidade, oclusão; • Localização de Ponto (point location) • Dada uma partição do espaço em regiões disjuntas, determinar a região onde se encontra um ponto de consulta. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 47. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Árvore Binária Balanceada. Line Segment Intersection Problem Dada uma lista de segmentos de reta no plano determinar se quaisquer dois deles se intersectam. Figura: A forma mais comum e eficiente de resolução deste problema é o usando a estratégia sweep line algorithm juntamente com uma estrutura do tipo árvore binária balanceada. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 48. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Árvore Binária Balanceada. Line Segment Intersection Problem Dada uma lista de segmentos de reta no plano determinar se quaisquer dois deles se intersectam. Figura: A forma mais comum e eficiente de resolução deste problema é o usando a estratégia sweep line algorithm juntamente com uma estrutura do tipo árvore binária balanceada. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 49. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Árvore Binária Balanceada. Point Location Problem Dada uma partição do espaço em regiões disjuntas, determinar a região onde se encontra um ponto de consulta. Figura: O problema de localização de pontos é um tema fundamental na geometria computacional. Esse problema encontra aplicações em áreas que lidam com o processamento de dados geométricos: sistemas de informação geográfica (GIS), planejamento de movimento e desenho assistido por computador (CAD). Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 50. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Árvore Binária Balanceada. Point Location Problem Dada uma partição do espaço em regiões disjuntas, determinar a região onde se encontra um ponto de consulta. Figura: O problema de localização de pontos é um tema fundamental na geometria computacional. Esse problema encontra aplicações em áreas que lidam com o processamento de dados geométricos: sistemas de informação geográfica (GIS), planejamento de movimento e desenho assistido por computador (CAD). Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 51. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação A Classe Nó Balanceado. Class Node - Com Fator de Balanceamento § ¤ 1 /∗ Container that r e p r e s e n t s a node data s t r u c t u r e ∗/ 2 c l a s s Node 3 { 4 ObjectData _value ; // v a l u e or key 5 BalanceFactor _ f a c t o r ; // f a c t o r to the b a l a n c i n g 6 Node ∗_r , ∗ _l ; // p o i n t e r s to the r i g h t and l e f t s u b t r e e 7 p u b l i c : 8 /∗ C o n s t r u c t o r ∗/ 9 Node ( ObjectData v ) { _value = v ; _r = _l = n u l l ; }; 10 11 /∗Method that h a n d l e s the v a l u e of s t o r e d o b j e c t ∗/ 12 ObjectData v a l u e ( ) { r e t u r n _value ; }; 13 v o i d v a l u e ( ObjectData v ) { _value = v ; }; 14 15 /∗Method that h a n d l e s the v a l u e of balance f a c t o r ∗/ 16 BalanceFactor f a c t o r ( ) { r e t u r n _ f a c t o r ; }; 17 v o i d f a c t o r ( BalanceFactor f ) { _ f a c t o r = f ; }; 18 19 /∗Method that h a n d l e s the v a l u e of l e f t and r i g h t p o i n t e r s ∗/ 20 Node∗ r i g h t ( ) { r e t u r n _r ; }; v o i d r i g h t ( Node∗ r ) { _r = r ; }; 21 Node∗ l e f t ( ) { r e t u r n _l ; }; v o i d l e f t ( Node∗ l ) { _l = l ; }; 22 23 /∗Method that v e r i f i e s i f the c u r r e n t node i s a l e a f ∗/ 24 bool i s L e a f ( ) { r e t u r n ( _l == n u l l && _r == n u l l ) ; }; 25 }; ¦ ¥ Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 52. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação A Proto-Classe Binary Tree. Class Binary Tree § ¤ 1 /∗ Container that r e p r e s e n t s a b i n a r y t r e e data s t r u c t u r e ∗/ 2 c l a s s BinaryTree 3 { 4 Node∗ _root ; // p o i n t e r to the r o o t of t r e e 5 p u b l i c : 6 BinaryTree ( ) { _root = n u l l ; }; // C o n s t r u c t o r 7 Node∗ r o o t ( ) { r e t u r n _root ; }; // Returns a p o i n t e r f o r r o o t 8 bool i n s e r t ( ObjectData v ) ; // I n s e r t s a element i n t r e e 9 bool remove ( ObjectData v ) ; // Removes a element of the t r e e 10 v o i d inOrder ( Node∗ c u r r e n t ) ; // Navigates u s i n g a s t r u c t u r e ’ i n o r d e r ’ 11 v o i d preOrder ( Node∗ c u r r e n t ) ; // Navigates u s i n g a s t r u c t u r e ’ pre o r d e r ’ 12 v o i d postOrder ( Node∗ c u r r e n t ) ; // Navigates u s i n g a s t r u c t u r e ’ post o r d e r ’ 13 ObjectData s m a l l e r ( ) ; // Returns the s m a l l e r element 14 ObjectData b i g g e r ( ) ; // Returns the b i g g e r element 15 Node∗ s u c c e s s o r ( Node∗ c u r r e n t ) ; // Returns the s u c c e s s o r node 16 long i n t l e v e l ( ObjectData v ) ; // Returns the s t o r a g e l e v e l of a element 17 long i n t h e i g h t ( Node∗ c u r r e n t ) ; // Returns the h e i g h t of a node 18 long i n t quantityOfNodes ( Node∗ c u r r e n t ) ; // Quantity of t r e e nodes 19 bool f i n d ( ObjectData v ) ; // Finds a element i n t r e e 20 Node∗ f i n d ( ObjectData v ) ; // Finds a element i n t r e e 21 }; ¦ ¥ ObjectData deve implementar os operadores <, >, == Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 53. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação A Proto-Classe Binary Tree. Class Binary Tree § ¤ 1 /∗ Container that r e p r e s e n t s a b i n a r y t r e e data s t r u c t u r e ∗/ 2 c l a s s BinaryTree 3 { 4 Node∗ _root ; // p o i n t e r to the r o o t of t r e e 5 p u b l i c : 6 BinaryTree ( ) { _root = n u l l ; }; // C o n s t r u c t o r 7 Node∗ r o o t ( ) { r e t u r n _root ; }; // Returns a p o i n t e r f o r r o o t 8 bool i n s e r t ( ObjectData v ) ; // I n s e r t s a element i n t r e e 9 bool remove ( ObjectData v ) ; // Removes a element of the t r e e 10 v o i d inOrder ( Node∗ c u r r e n t ) ; // Navigates u s i n g a s t r u c t u r e ’ i n o r d e r ’ 11 v o i d preOrder ( Node∗ c u r r e n t ) ; // Navigates u s i n g a s t r u c t u r e ’ pre o r d e r ’ 12 v o i d postOrder ( Node∗ c u r r e n t ) ; // Navigates u s i n g a s t r u c t u r e ’ post o r d e r ’ 13 ObjectData s m a l l e r ( ) ; // Returns the s m a l l e r element 14 ObjectData b i g g e r ( ) ; // Returns the b i g g e r element 15 Node∗ s u c c e s s o r ( Node∗ c u r r e n t ) ; // Returns the s u c c e s s o r node 16 long i n t l e v e l ( ObjectData v ) ; // Returns the s t o r a g e l e v e l of a element 17 long i n t h e i g h t ( Node∗ c u r r e n t ) ; // Returns the h e i g h t of a node 18 long i n t quantityOfNodes ( Node∗ c u r r e n t ) ; // Quantity of t r e e nodes 19 bool f i n d ( ObjectData v ) ; // Finds a element i n t r e e 20 Node∗ f i n d ( ObjectData v ) ; // Finds a element i n t r e e 21 }; ¦ ¥ ObjectData deve implementar os operadores <, >, == Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 54. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Comparações Entre Estruturas do Tipo Árvore. Comparações de Desempenho O desempenho das operações numa árvore pode ser medido pela sua altura. Neste quadro estamos realizando uma comparação entre uma estrutura de árvore simples sem nenhum mecanismo de balaceamento (Árvore Binária) com outras duas espécies de árvore (AVL e Rubro-Negra) que possuem algum tipo de mecanismo de balanceamento intríseco. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 55. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Comparações Entre Estruturas do Tipo Árvore. Comparações de Desempenho O desempenho das operações numa árvore pode ser medido pela sua altura. Neste quadro estamos realizando uma comparação entre uma estrutura de árvore simples sem nenhum mecanismo de balaceamento (Árvore Binária) com outras duas espécies de árvore (AVL e Rubro-Negra) que possuem algum tipo de mecanismo de balanceamento intríseco. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 56. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Conclusões Conclusão Sobre a Estrutura de Dados O que podemos concluir sobre árvores e suas derivações? • Estrutura de dados de baixa complexidade; • Boa performance; • Amplamente utilizada; • Várias nuances e implementações; • Empregada em uma miríade de problemas práticos; • Quando balaceadas são mais rápidas em operações de busca; • Rebalanceamento pode ser oneroso: inserções e remoções; Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 57. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Conclusões Conclusão Sobre a Estrutura de Dados O que podemos concluir sobre árvores e suas derivações? • Estrutura de dados de baixa complexidade; • Boa performance; • Amplamente utilizada; • Várias nuances e implementações; • Empregada em uma miríade de problemas práticos; • Quando balaceadas são mais rápidas em operações de busca; • Rebalanceamento pode ser oneroso: inserções e remoções; Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 58. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Conclusões Conclusão Sobre a Estrutura de Dados O que podemos concluir sobre árvores e suas derivações? • Estrutura de dados de baixa complexidade; • Boa performance; • Amplamente utilizada; • Várias nuances e implementações; • Empregada em uma miríade de problemas práticos; • Quando balaceadas são mais rápidas em operações de busca; • Rebalanceamento pode ser oneroso: inserções e remoções; Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 59. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Conclusões Conclusão Sobre a Estrutura de Dados O que podemos concluir sobre árvores e suas derivações? • Estrutura de dados de baixa complexidade; • Boa performance; • Amplamente utilizada; • Várias nuances e implementações; • Empregada em uma miríade de problemas práticos; • Quando balaceadas são mais rápidas em operações de busca; • Rebalanceamento pode ser oneroso: inserções e remoções; Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 60. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Conclusões Conclusão Sobre a Estrutura de Dados O que podemos concluir sobre árvores e suas derivações? • Estrutura de dados de baixa complexidade; • Boa performance; • Amplamente utilizada; • Várias nuances e implementações; • Empregada em uma miríade de problemas práticos; • Quando balaceadas são mais rápidas em operações de busca; • Rebalanceamento pode ser oneroso: inserções e remoções; Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 61. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Conclusões Conclusão Sobre a Estrutura de Dados O que podemos concluir sobre árvores e suas derivações? • Estrutura de dados de baixa complexidade; • Boa performance; • Amplamente utilizada; • Várias nuances e implementações; • Empregada em uma miríade de problemas práticos; • Quando balaceadas são mais rápidas em operações de busca; • Rebalanceamento pode ser oneroso: inserções e remoções; Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 62. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Conclusões Conclusão Sobre a Estrutura de Dados O que podemos concluir sobre árvores e suas derivações? • Estrutura de dados de baixa complexidade; • Boa performance; • Amplamente utilizada; • Várias nuances e implementações; • Empregada em uma miríade de problemas práticos; • Quando balaceadas são mais rápidas em operações de busca; • Rebalanceamento pode ser oneroso: inserções e remoções; Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 63. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Conclusões Conclusão Sobre a Estrutura de Dados O que podemos concluir sobre árvores e suas derivações? • Estrutura de dados de baixa complexidade; • Boa performance; • Amplamente utilizada; • Várias nuances e implementações; • Empregada em uma miríade de problemas práticos; • Quando balaceadas são mais rápidas em operações de busca; • Rebalanceamento pode ser oneroso: inserções e remoções; Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 64. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Conclusões Conclusão Sobre a Estrutura de Dados O que podemos concluir sobre árvores e suas derivações? • Estrutura de dados de baixa complexidade; • Boa performance; • Amplamente utilizada; • Várias nuances e implementações; • Empregada em uma miríade de problemas práticos; • Quando balaceadas são mais rápidas em operações de busca; • Rebalanceamento pode ser oneroso: inserções e remoções; Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada
  • 65. Universidade Federal de Alagoas - Campus A. C. Simões Instituto de Matemática - Programa de Pós-graduação Agradecimentos Grato Pela Atenção! • Michel Alves - michel.mas@gmail.com Referências Bibliográficas Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, and Clifford Stein. Introduction to Algorithms, Second Edition. MIT Press and McGraw-Hill, 2001. ISBN 0-262-03293-7. Donald Knuth. The Art of Computer Programming, Volume 3: Sorting and Searching, Third Edition. Addison-Wesley, 1997. ISBN 0-201-89685-0. Section 6.2.3: Balanced Trees, pp.458–481. Mark de Berg, Marc van Kreveld, Mark Overmars, and Otfried Schwarzkopf (2000). Computational Geometry (2nd edition ed.). Springer. ISBN 3-540-65620-0. Chapter 2: Line Segment Intersection, pp.19–44. Chapter 6: Point location. pp. 121–146. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Árvore Binária Balanceada