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:
- 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