数据结构之二叉搜索树AVL自平衡树

Posted lijiajia

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之二叉搜索树AVL自平衡树相关的知识,希望对你有一定的参考价值。

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:

  1. 二叉搜索树
  2. 平衡二叉树(AVL)
  3. 二叉堆
  4. 堆排序
  5. 四叉树
  6. 八叉树
  7. 图,深度优先DFS、广度优先BFS
  8. 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。
技术图片

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:
技术图片

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
技术图片

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
技术图片
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
技术图片

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
技术图片

双向旋转(先左后右)平衡处理 (Left Right)
同理,是RL的镜像操作
技术图片

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之二叉搜索树AVL自平衡树的主要内容,如果未能解决你的问题,请参考以下文章

数据结构之二叉树扩展AVL,B-,B+,红黑树

平衡二叉搜索树(AVL树,红黑树)数据结构和区别

自己动手实现java数据结构 AVL树

树:AVL树

自平衡二叉(查找树/搜索树/排序树) binary search tree

13-自平衡二分搜索树 AVLTree