对于我目前正在进行的研究项目，我需要完成的任务之一如下：给定一个有根，标记的有向树，我需要找到所有子树重复< / em>在这棵树中;换句话说，给定所有树的子树（至少有一个节点），我需要将所有子树组合在一起，使用相同的标签集和结构体。例如，让我们说我们有以下树，根A：
A
/ \
/ \
B A
|\ |\
C C B A
|
C
在这种情况下，有几个重复的子树模式，例如以下......
模式1（发生3次）：
A | B | C
模式2（发生3次）：
A |\ B A | C
模式3（发生2次）：
A | B
...依此类推。仅供参考，＆＃34;根，标记，指导树＆＃34;我关心的是从JavaScript代码生成的抽象语法树（AST）。
现在，我已经提出了自己的算法来查找所有子树重复。当JavaScript代码非常小（因为AST也很小）时，它运行良好，并且算法立即完成。但是当我将JavaScript代码的行数增加到10行时，算法在一个多小时后甚至没有完成执行！ 所以我的问题是，是否有人知道更有效和可扩展的算法来查找所有子树重复？仅供参考，我实施此算法的语言也是JavaScript。
供您参考，我当前的算法基本上是一个递归算法，它对树进行后序遍历（在此上下文中的后序表示，＆＃34;首先访问此节点的子节点，然后访问节点＆＃34）。在每个节点访问时，算法通过遍历算法中先前确定的子节点的子树的每个组合，找到以该节点为根的所有子树;对于根据该节点找到的每个子树，该算法基于三个方面计算哈希值：（1）节点的标签; （2）在此子树中出现的节点的子节点数; （3）当前在该子树中出现的子树的子树的哈希值。然后将散列到相同值的子树放在同一组中。 （散列函数的潜在不准确性也需要解决，但我还没有达到那个部分......）。
答案 0 :(得分：1)
您正尝试在抽象语法树中重新发明克隆检测。是的，匹配树的基本思想是使用散列将它们放入“可能等效”的桶中，然后检查那些可能等效于实际等效的桶。这是一种经典的编译器算法，用于支持查找公共子表达式。
如果等效子树的数量与散列桶的数量相比较小，并且您的散列算法很不错，那么这在树的大小上基本上是线性的。 （坏散列或一个桶可以使其为N ^ 2）。
我不太了解你的算法;听起来你基本上就是这么做的。如果没有更精确的表征（例如，伪代码），就很难看出出了什么问题。
研究工作做得很久。请参阅我的CloneDR技术论文，这是一个执行此操作的工具：http://www.semanticdesigns.com/Company/Publications/ICSM98.pdf（您可以在同一站点找到JavaScript CloneDR）。
找到几乎相同的子树有一个更难的问题，本文也讨论了这些问题。那是迄今为止最有趣的部分， 并且要快得多。
我们经常在数百万行系统上运行CloneDR。在这种规模下，它需要花费数小时才能完成并行的编译到本机代码实现。 JavaScript可能不是你的朋友。