¿Cuáles son las estructuras de datos probabilísticas más importantes?

Sé de 2 de ellos. Voy a escribir sobre eso.

Filtro Bloom : es una matriz de bits de m bits, inicialmente cada bit establecido en 0.
Para agregar un elemento, debe ejecutarlo a través de k funciones hash que le darán k índices en la matriz que luego establece en 1.
Para verificar si un elemento está en el conjunto, calcule los k índices y verifique si todos están establecidos en 1.
Por supuesto, esto da cierta probabilidad de falsos positivos (según wikipedia, se trata de 0.61 ^ (m / n) donde n es el número de elementos insertados). Los falsos negativos no son posibles.
Eliminar un elemento es imposible, pero puede implementar el filtro de recuento de floración , representado por una matriz de entradas e incrementos / decrementos.

Lista de saltos : es una variante aleatoria de una lista vinculada ordenada con listas paralelas. Acelera la búsqueda al mantener una jerarquía de subsecuencias de listas vinculadas, cada una de las cuales omite menos elementos.

Respóndeme,

cuál es la tarea que está haciendo y si puede hacerlo sin una estructura de datos dada … independientemente de que sea probabilística, hasta su satisfacción. Si no … entonces esa es la estructura de datos más importante (independientemente de que sea probabilística)

Por cierto, lo anterior es necesario para ser respondido porque cualquiera de los DS probablísticos están diseñados para cumplir requisitos muy específicos.

Filtro de floración, lista de omisión, hashinh sensible a la localidad

Las listas de salto son bastante importantes. También se usan mucho los filtros Treaps y Bloom.