数据结构~基础2~树《二叉树二叉搜索树AVL树B树红黑树》的设计~高度平衡二叉树AVL树
Posted 一乐乐
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了数据结构~基础2~树《二叉树二叉搜索树AVL树B树红黑树》的设计~高度平衡二叉树AVL树相关的知识，希望对你有一定的参考价值。
数据结构~基础2~树【《二叉树、二叉搜索树、AVL树、B树、红黑树》的设计】~高度平衡二叉树AVL树
一、 高度平衡二叉树【AVL树】：
❀ AVL树的通用接口：二叉搜索树的通用接口 + 增加之后、删掉之后、更新高度、
恢复平衡、旋转【左旋、右旋】(更新父结点关系)
■ 增加之后：从当前结点的父结点开始，不断地判断父结点是否平衡，平衡则更新高度，否则则找到第一个失衡的父结点恢复平衡即可。
□ 更新高度：AVL树结点的内定义了一个更新高度的接口方法：
【AVL 树是 从底部向顶部更新高度（底部叶子结点高度是1），每次往上都是取高度更高的子树的高度+1】
□ 恢复平衡【不平衡关系（g-p-n）中 p、n处在与 高度最高的那边，与g同边】：接下来就需要判断是哪一种形态的失衡【LL】【RR】【LR-RR】【RL-LL】
//① 已知g【失衡结点】 情况下，往下调整，先判断p，再判断n，从而得知是【LL】【RR】【LR】【RL】
//② 然后依据相应类型进行旋转。
● 恢复平衡的代码：
// 恢复平衡【不平衡关系（g-p-n）中 p、n处在与 高度最高的那边，与g同边】 private void reBalance(Node<E> grand) { Node<E> parent = ((AVLNode<E>) grand).tallerChild(); // p Node<E> node = ((AVLNode<E>) parent).tallerChild(); // n // 接下来就需要判断是哪一种形态的失衡【LL】【RR】【LR-RR】【RL-LL】 //已知g【失衡结点】 情况下，往下调整，先判断p，再判断n，从而得知是【LL】【RR】【LR】【RL】 if (parent.isLeftChild()) { // 一开始p是L if (node.isLeftChild()) { // LL // //封装成一个方法，右旋接口方法 // // rotateRight(grand); } else { // LR rotateLeft(parent); rotateRight(grand); } } else { // 一开始 p是R if (node.isLeftChild()) { // RL rotateRight(parent); rotateLeft(grand); } else { // RR rotateLeft(grand); } } }
● 旋转【左旋、右旋】的代码：
// 左旋转(RR,右边过重)， private void rotateLeft(Node<E> grand) { //左旋，则p必然是g的右孩子 Node<E> parent = grand.right; Node<E> child = parent.left; //RR，右边过重，左旋 grand.right = child; parent.left = grand; // 旋转之后更新 afterRotate(grand, parent, child); } // 右旋转(LL，左边过重) private void rotateRight(Node<E> grand) { //右旋，p必然是g的左孩子 Node<E> parent = grand.left; Node<E> child = parent.right; // LL，左边过重，右旋 grand.left = child; parent.right = grand; // 旋转之后更新 afterRotate(grand, parent, child); }
● 旋转之后【结点关系】和【父结点高度】的更新代码：
//旋转之后父节点关系的更新【首先先更新 p、然后是child、 grand】与父结点高度的更新 private void afterRotate(Node<E> grand, Node<E> parent, Node<E> child) { parent.parent = grand.parent; if (grand.isLeftChild()) { grand.parent.left = parent; } else if (grand.isRightChild()) { grand.parent.right = parent; } else { root = parent; } // 更新child的父结点 if (child != null) { child.parent = grand; } // 更新grand的父节点 grand.parent = parent; // 更新作为父结点的高度[从低到高，先更新 g、再更新 p] updateHeight(grand); updateHeight(parent); }
■ 删除之后：与增加之后同理【只是增加之后仅需修复第一个失衡的父结点，而删除之后是不断地修改失衡父结点】
数据结构之二叉搜索树AVL自平衡树
前言
最近在帮公司校招~~ 所以来整理一些数据结构方面的知识，这些知识呢，光看一遍理解还是很浅的，看过跟动手做过一遍的同学还是很容易分辨的哟~
一直觉得数据结构跟算法，就好比金庸小说里的《九阳神功》，学会九阳神功后，有了内功基础，再去学习其他武功，速度就有质的提升
内容大概包含这些，会分多篇文章来整理：
- 二叉搜索树
- 平衡二叉树（AVL）
- 二叉堆
- 堆排序
- 四叉树
- 八叉树
- 图，深度优先DFS、广度优先BFS
- 最短路径
二叉树
二叉树，也就是每个节点最多有两个孩子的树。多用于搜索，查找，还有可以用来求最短编码的哈弗曼树，也称为最优二叉树。
二叉排序/搜索树
如图，树的每个有孩子的节点都满足：左节点的值<根节点的值<右节点的值条件的树，称为二叉排序树，也叫二叉搜索树。
如果对这个树进行中序遍历，就能得到一个排序的数列，非常简单，下面贴出插入操作跟遍历的代码
插入操作
public void Add(BinaryTree node)
{
if (node.Value < Value)
{
if (this.Left != null)
{
this.Left.Add(node);
}
else
{
this.Left = node;
}
}
else
{
if (this.Right != null)
{
this.Right.Add(node);
}
else
{
this.Right = node;
}
}
}中序遍历输出排序列表
public void InOrder(List<int> list)
{
if (Left != null)
{
Left.InOrder(list);
}
list.Add(this.Value);
if (Right != null)
{
Right.InOrder(list);
}
}但是二叉排序树极端的情况，效率会变成链表线性结构，这样查找起来时间复杂度会变成O(n)，就失去了树形结构的意义，如图：
这时就要引出我们的另外一种二叉树树结构了
平衡二叉树
平衡二叉树（AVL）简单来说就是插入的时候，要保证子节点的平衡，别老往一边一直插入下去，那样又成了链表效率了
首先来搞懂这个几个定义
平衡因子：即左子树的高度减去右子树的高度
平衡二叉树上所有节点的平衡因子都必须为：-1、0和1。否则该二叉树就不是平衡二叉树
如下图，图左边是一颗平衡二叉树，图右根节点平衡因子为-2，则不是平衡二叉树
如何保持树的平衡
每当插入一个节点的时候，都检查这次插入是否会破坏平衡性，若是，则找出最小不平衡子树，在保持二叉排序树的前提下，进行相应旋转，使之成为新的平衡子树。
通常会有四种旋转情况：
单向右旋平衡处理
也有地方称为Left Left旋转，是不是觉得很奇怪，一下左，一下右边的，它估计是想把你转晕，好套出你的花呗密码。
那么到底是什么意思呢，请看下图
这棵树有三个节点：6，4，2
我们把节点2当成是最新插入进来的节点，由于这个节点2的插入，导致节点6的平衡因子变成了2，不符合-1、0、1的规定，破坏了平衡性，所以我们需要对节点6进行右旋转，而节点2又是节点6的Left节点的Left节点，所以也称为LL旋转。
右旋操作
也就是如果结点6的左孩子节点4有右孩子，则将节点4的右孩子变成节点6的左孩子，最后将节点6变成节点4的右孩子
单向左旋平衡处理
左旋平衡处理也叫RR旋转，是LL的镜像操作
双向旋转（先右后左）平衡处理 (Right Left)
为什么会有这种情况出现呢，因为我们的平衡树，首先也是一颗二叉排序树，必须满足左节点<根节点<右节点的插入规则。
所以如下图，节点4插入导致树失去平衡，单向旋转已经不能满足要求了，需要先让节点6右旋，然后再把节点2左旋
双向旋转（先左后右）平衡处理 (Left Right)
同理，是RL的镜像操作
代码实现
//右旋转
public BinaryTree RightRotate(BinaryTree root)
{
BinaryTree lchild = root.Left;
root.Left = lchild.Right;
lchild.Right = root;
return lchild;
}
//左旋转
public BinaryTree LeftRotate(BinaryTree root)
{
BinaryTree rchild = root.Right;
root.Right = rchild.Left;
rchild.Left = root;
return rchild;
}
//先左后右旋转
public BinaryTree LeftRightRotate(BinaryTree root)
{
root.Left = root.Left.LeftRotate(root);
return RightRotate(root);
}
//先右后左旋转
public BinaryTree RightLeftRotate(BinaryTree root)
{
root.Right = root.Right.RightRotate(root);
return LeftRotate(root);
}
//计算平衡因子，取绝对值
public int Balance(BinaryTree root)
{
int val = 0;
if (root.Left != null) val += Height(root.Left);
if (root.Right != null) val -= Height(root.Right);
return Math.Abs(val);
}
//计算树的高度
public int Height(BinaryTree root)
{
int leftHeight = 0;
int rightHeight = 0;
if (root != null && root.Left != null)
{
leftHeight += Height(root.Left);
}
if (root != null && root.Right != null)
{
rightHeight += Height(root.Right);
}
return rightHeight > leftHeight ? ++rightHeight : ++leftHeight;
}插入操作
public BinaryTree Inster(BinaryTree root, int key)
{
if (root == null)
{
root = new BinaryTree(key);
}
else if (key < root.Value)//插入到左边
{
root.Left = Inster(root.Left, key);
if (Balance(root) > 1)//插入左节点导致树失衡了
{
if (key < root.Left.Value)//LL处理，右旋
{
root = RightRotate(root);
}
else
{
root = LeftRightRotate(root);//LR处理，先左后右
}
}
}
else
{
root.Right = Inster(root.Right, key);
if (Balance(root) > 1)//插入右节点导致失衡
{
if (key > root.Right.Value)//RR处理， 左旋
{
root = LeftRotate(root);
}
else
{
root = RightLeftRotate(root);//RL处理，先右后左
}
}
}
return root;
}
使用平衡二叉树后，查询起来时间复杂度就从O(n)变为了O( log n)。
总结
平衡二叉树的优点在于因为树结构维护的较好，所以搜索查询速度很快，但在插入，删除的时候，为了保持树的平衡会做一次或多次旋转。
适合用于插入删除操作少，而搜索操作很多的情况。
为了减少插入，删除在旋转方面的消耗，另一种自平衡树结构出现了
它就是：红黑树
红黑树不追求"完全平衡"，即不像AVL那样要求节点的 |平衡因子| <= 1，它只要求部分达到平衡，但是提出了为节点增加颜色，红黑是用非严格的平衡来换取增删节点时候旋转次数的降低，任何不平衡都会在三次旋转之内解决，而AVL是严格平衡树，因此在增加或者删除节点的时候，根据不同情况，旋转的次数比红黑树要多。
学会了AVL在去看红黑树也就很简单了~~
参考
https://www.cnblogs.com/sench/p/7786718.html
https://baijiahao.baidu.com/s?id=1577200621749785094&wfr=spider&for=pc
以上是关于数据结构~基础2~树《二叉树二叉搜索树AVL树B树红黑树》的设计~高度平衡二叉树AVL树的主要内容，如果未能解决你的问题，请参考以下文章
[数据结构]二叉搜索树(BST) VS 平衡二叉排序树(AVL) VS B树(平衡多路搜索树) VS B+树 VS 红黑树(平衡二叉B树)