我想知道是否有一个简单的数据结构支持分摊的log（n）查找和插入，就像自平衡二进制搜索树一样但具有恒定的内存开销。 （我真的不在乎删除元素。）
我的一个想法是将所有内容存储在一个连续的内存块中，分为两个连续的块：一个S部分，其中所有元素都被排序，一个U未被排序。
要执行插入，我们可以向U添加一个元素，如果U的大小超过log（S的大小），则对整个连续数组进行排序（将S和U都视为一个连续数组），这样在排序后，一切都在S中，U是空的。
在S上执行查找运行二进制搜索，然后查看所有U.
但是，我无法计算算法的分期插入时间。
最后，我会欣赏一些具有所需属性的相当简单的算法/数据结构，并且有些保证它在摊销时间内运行得相当快。
谢谢！
答案 0 :(得分：1)
如果持续的内存开销量意味着对于存储在数据结构中的N元素，空间消耗应为O(N)，那么任何平衡树都会 - 事实上，任何n - ary树存储外部叶子中的元素，其中n > 1和每个外部树都包含一个元素，具有此属性。
这是因为任何带有N个节点的树形图都有N - 1个边缘。
如果持续的内存开销量意味着对于N元素，空间消耗应该是N + O(1)，那么平衡树和散列表都不具有此属性 - 两者都将使用{{ 1}}内存，其中k * N是由于树的情况下的额外节点指针和哈希表的加载因子。
我发现你的方法很有趣，但即使你只对U进行排序，然后在线性时间内合并这两组，我认为它不会起作用。您需要在每次k > 1次更新后进行排序（O(logN * log(logN))操作），然后合并S和U logN合并（请注意到目前为止nobody actually knows how to do this in linear time，也就是说，没有额外的数组）。
摊销的插入时间为O(n)。但是如果允许U的大小增长到S的平方根，你可以使用你的方法来实现接近O(n / logN)的东西。
答案 1 :(得分：0)
任何哈希表都会这样做。关于它的唯一棘手的部分是如何解决冲突 - 实现它的方法很少，另一个棘手的部分是正确的哈希计算。