分类算法要解决的问题.doc

分类算法要解决的问题在网站建设中，分类算法的应用非常的普遍。在设计一个电子商店时，要涉及到商品分类；在设计发布系统时，要涉及到栏目或者频道分类；在设计软件下载这样的程序时，要涉及到软件的分类；如此等等。可以说，分类是一个很普遍的问题。1、 分类算法常常表现为树的表示和遍历问题。那么，请问：如果用数据库中的一个Table来表达树型分类，应该有几个字段？2、 如何快速地从这个Table恢复出一棵树；3、 如何判断某个分类是否是另一个分类的子类；4、 如何查找某个分类的所有产品；5、 如何生成分类所在的路径。6、 如何新增分类；在不限制分类的级数和每级分类的个数时，这些问题并不是可以轻松回答的。本文试图解决这些问题。分类的数据结构我们知道：分类的数据结构实际上是一棵树。在数据结构课程中，大家可能学过Tree的算法。由于在网站建设中我们大量使用数据库，所以我们将从Tree在数据库中的存储谈起。为简化问题，我们假设每个节点只需要保留Name这一个信息。我们需要为每个节点编号。编号的方法有很多种。在数据库中常用的就是自动编号。这在Access、SQL Server、Oracle中都是这样。假设编号字段为ID。为了表示某个节点ID1是另外一个节点ID2的父节点，我们需要在数据库中再保留一个字段，说明这个分类是属于哪个节点的儿子。把这个字段取名为FatherID。如这里的ID2，其FatherID就是ID1。这样，我们就得到了分类Catalog的数据表定义：Create Table Catalog( ID int NOT NULL, Name nvarchar(50) NOT NULL, FatherID int NOT NULL);约定：我们约定用-1作为最上面一层分类的父亲编码。编号为-1的分类。这是一个虚拟的分类。它在数据库中没有记录。如何恢复出一棵树上面的Catalog定义的最大优势，就在于用它可以轻松地恢复出一棵树分类树。为了更清楚地展示算法，我们先考虑一个简单的问题：怎样显示某个分类的下一级分类。我们知道，要查询某个分类FID的下一级分类，SQL语句非常简单：select Name from catalog where FatherID=FID显示这些类别时，我们简单地用来做到：现在我们来看看如何显示FID下的所有分类。这需要用到递归算法。我们只需要在GetChildren函数中简单地对所有ID进行调用：GetChildren(oConn,Catalog(“ID”)就可以了。修改后的GetChildren就可以完成显示FID分类的所有子分类的任务。要显示所有的分类，只需要如此调用就可以了：如何查找某个分类的所有产品；现在来解决我们在前面提出的第四个问题。第三个问题留作习题。我们假设产品的数据表如下定义：Create Table Product( ID int NOT NULL, Name nvchar NOT NULL, FatherID int NOT NULL);其中，ID是产品的编号，Name是产品的名称，而FatherID是产品所属的分类。对第四个问题，很容易想到的办法是：先找到这个分类FID的所有子类，然后查询所有子类下的所有产品。实现这个算法实际上很复杂。代码大致如下：这个算法有很多缺点。试列举几个如下：1、 由于我们需要查询FID下的所有分类，当分类非常多时，算法将非常地不经济，而且，由于要构造一个很大的strSQL，试想如果有1000个分类，这个strSQL将很大，能否执行就是一个问题。2、 我们知道，在SQL中使用In子句的效率是非常低的。这个算法不可避免地要使用In子句，效率很低。我发现80%以上的程序员钟爱这样的算法，并在很多系统中大量地使用。细心的程序员会发现他们写出了很慢的程序，但苦于找不到原因。他们反复地检查SQL的执行效率，提高机器的档次，但效率的增加很少。最根本的问题就出在这个算法本身。算法定了，能够再优化的机会就不多了。我们下面来介绍一种算法，效率将是上面算法的10倍以上。分类编码算法问题就出在前面我们采用了顺序编码，这是一种最简单的编码方法。大家知道，简单并不意味着效率。实际上，编码科学是程序员必修的课程。下面，我们通过设计一种编码算法，使分类的编号ID中同时包含了其父类的信息。一个五级分类的例子如下：此例中，用32(4+7+7+7+7)位整数来编码，其中，第一级分类有4位，可以表达16种分类。第二级到第五级分类分别有7位，可以表达128个子分类。显然，如果我们得到一个编码为 1092787200 的分类，我们就知道：由于其编码为0100 0001001 0001010 0111000 0000000所以它是第四级分类。其父类的二进制编码是0100 0001001 0001010 0000000 0000000，十进制编号为1092780032。依次我们还可以知道，其父类的父类编码是0100 0001001 0000000 0000000 0000000，其父类的父类的父类编码是0100 0000000 0000000 0000000 0000000。(我是不是太罗嗦了J，但这一点很重要。再回头看看我们前面提到的第五个问题。哈哈，这不就已经得到了分类1092787200所在的分类路径了吗？)。现在我们在一般的情况下来讨论类别编码问题。设类别的层次为k，第i层的编码位数为Ni， 那么总的编码位数为N(N1+N2+.+Nk)。我们就得到任何一个类别的编码形式如下：2(N-(N1+N2+Ni)*j + 父类编码其中，i表示第i层，j表示当前层的第j个分类。这样我们就把任何分类的编码分成了两个部分，其中一部分是它的层编码，一部分是它的父类编码。由下面公式定一的k个编码我们称为特征码：（因为i可以取k个值，所以有k个）2N-2(N-(N1+N2+Ni)对于任何给定的类别ID，如果我们把ID和k个特征码“相与”，得到的非0编码，就是其所有父类的编码！位编码算法对任何顺序编码的Catalog表，我们可以设计一个位编码算法，将所有的类别编码规格化为位编码。在具体实现时，我们先创建一个临时表：Create TempCatalog( OldID int NOT NULL, NewID int NOT NULL, OldFatherID int NOT NULL, NewFatherID int NOT NULL);在这个表中，我们保留所有原来的类别编号OldID和其父类编号OldFatherID，以及重新计算的满足位编码要求的相应编号NewID、NewFatherID。程序如下：调用这个算法的一个例子如下：第四个问题现在我们回头看看第四个问题：怎样得到某个分类下的所有产品。由于采用了位编码，现在问题变得很简单。我们很容易推算：某个产品属于某个类别的条件是Product.FatherID&（Catalog.ID的特征码）=Catalog.ID。其中“&”代表位与算法。这在SQL Server中是直接支持的。举例来说：产品所属的类别为：1092787200，而当前类别为1092780032。当前类别对应的特征值为：4294950912，由于1092787200&4294950912=8537400，所以这个产品属于分类8537400。我们前面已经给出了计算特征码的公式。特征码并不多，而且很容易计算，可以考虑在Global.asa中Application_OnStart时间触发时计算出来，存放在Application(“Mark”)数组中。当然，有了特征码，我们还可以得到更加有效率的算法。我们知道，虽然我们采用了位编码，实际上还是一种顺序编码的方法。表现出第I级的分类编码肯定比第I+1级分类的编码要小。根据这个特点，我们还可以由FID得到两个特征码，其中一个是本级位特征码FID0，一个是上级位特征码FID1。而产品属于某个分类FID的充分必要条件是：Product.FatherIDFID0 and Product.FatherIDFID1下面的程序显示分类FID下的所有产品。由于数据表Product已经对FatherID进行索引，故查询速度极快：FIDMark(i)& and FatherID%定义第一级分类submainfl()dimrssetrs=conn.execute(selectid,F_id,F_namefromF_flwhereF_id=0orderbyiddesc)ifnotrs.eofthendowhilenotrs.eofresponse.writers(2)&callsubfl(rs(0),|-)循环子级分类rs.movenextifrs.eofthenexitdo防上造成死循环loopendifendsub定义子级分类subsubfl(fid,strdis)dimrs1setrs1=conn.execute(selectid,F_id,F_namefromF_flwhereF_id=&fid&orderbyiddesc)ifnotrs1.eofthendowhilenotrs1.eofresponse.writers1(2)&