[数据结构] 搜索树与AVL树

文章目录


1. 搜索树

1.1. 理解二叉搜索树

二叉搜索树又称二叉排序树,它或者是一棵空树,或者是具有以下性质的二叉树:

  • 若它的左子树不为空,则左子树上所有节点的值都小于根节点的值
  • 若它的右子树不为空,则右子树上所有节点的值都大于根节点的值
  • 它的左右子树也分别为二叉搜索树

如图所示
[数据结构] 搜索树与AVL树

  • 当进行数据搜索时
    [数据结构] 搜索树与AVL树
  • 进行数据插入时过程与数据搜索相同, 找到一个适合自己的空节点
  • 数据删除
    [数据结构] 搜索树与AVL树

1.2. 搜索树性能分析

  • 插入和删除操作都必须先查找,查找效率代表了二叉搜索树中各个操作的性能.
  • 理想情况下, 插入的树是完全二叉树[数据结构] 搜索树与AVL树
  • 最坏情况下, 插入的树成了单链树
    [数据结构] 搜索树与AVL树
  • 最优情况下,二叉搜索树为完全二叉树,其平均比较次数为:logn
  • 最差情况下,二叉搜索树退化为单支树,其平均比较次数为:n / 2

2. AVL树

2.1. 理解AVL树

二叉搜索树虽可以缩短查找的效率,但如果数据有序或接近有序二叉搜索树将退化为单支树,查找元素相当于在顺序表中搜索元素,效率低下. 因此,两位俄罗斯的数学家G.M.Adelson-Velskii和E.M.Landis在1962年发明了一种解决上述问题的方法:当向二叉搜索树中插入新结点后,如果能保证每个结点的左右子树高度之差的绝对值不超过1(需要对树中的结点进行调整),即可降低树的高度,从而减少平均搜索长度。

一棵AVL树或者是空树,或者是具有以下性质的二叉搜索树:

  • 它的左右子树都是AVL树
  • 左右子树高度之差(简称平衡因子)的绝对值不超过1(-1/0/1)
  • 如果一棵二叉搜索树是高度平衡的,它就是AVL树。如果它有n个结点,其高度可保持在 ,搜索时间复杂度O(logn)
    [数据结构] 搜索树与AVL树

2.2. AVL树节点的数据结构

template <class T>
class AVLTreeNode
{
public:
	AVLTreeNode(T data)
		: _data(data)
		, _pLeft(nullptr)
		, _pRight(nullptr)
		, _pParent(nullptr)
		, _bf(0)
	{ }

	T _data;
	AVLTreeNode<T>* _pLeft;
	AVLTreeNode<T>* _pRight;
	AVLTreeNode<T>* _pParent;
	int _bf;	// 该节点平衡因子
};

2.3. AVL树的插入

AVL树的插入过程可以分为两步:
1. 按照二叉搜索树的方式插入新节点
2. 调整节点的平衡因子

  • 新增节点的平衡因子是0, 新增节点的祖先平衡因子可能受影响
    1. 新增在parent的右子树, parent->bf + = 1
    2. 新增在parent的左子树, parent->bf - = 1
  • 通过cur的位置更新parent的平衡因子, 更新完成后
    1. 如果parent->bf == 1 / -1, 说明parent为根的子树的高度变了, 继续向上更新
    2. 如果parent->bf == 2 / -2, 说明parent为根的子树已经不平衡, 需要旋转处理
    3. 如果parent->bf == 0, 说明parent所在的子树原来高度是 1/-1,现在把矮的补齐, parent所在的子树高度不变, 停止更新
bool insert(const T& data)
	{
		// 如果树内无节点
		if (_pRoot == nullptr)
		{
			_pRoot = new Node(data);
			return true;
		}
		// 1. 按照二叉搜索树的方式插入新节点
		Node* pCur = _pRoot;
		Node* parent = nullptr;
		while (pCur)
		{
			parent = pCur;
			if (data < pCur->_data)
			{
				pCur = pCur->_pLeft;
			}
			else if (data > pCur->_data)
			{
				pCur = pCur->_pRight;
			}
			else
			{
				// 插入相同节点, 返回失败
				return false;
			}
		}
		pCur = new Node(data);
		if (parent->_data < data)
		{
			parent->_pRight = pCur;
		}
		else
		{
			parent->_pLeft = pCur;
		}
		pCur->_pParent = parent;

		// 2. 调整节点的平衡因子
		while (parent != nullptr)
		{
			if (parent->_pLeft == pCur)
			{
				parent->_bf--;
			}
			else
			{
				parent->_bf++;
			}

			if (parent->_bf == 0)
			{
				break;
			}
			else if (parent->_bf == 1 || parent->_bf == -1)
			{
				pCur = parent;
				parent = pCur->_pParent;
			}
			else if (parent->_bf == -2 || parent->_bf == 2)
			{
				// 旋转操作
			}
		}
		return true;
	}

2.4. AVL树的旋转*

如果在一棵原本是平衡的AVL树中插入一个新节点,可能造成不平衡,此时必须调整树的结构,使之平衡化。根据节点插入位置的不同,AVL树的旋转分为四种:

  1. 新节点插入较高左子树的左侧—左左:右单旋
    [数据结构] 搜索树与AVL树
  • 注意判断parent的父节点和subLR是否存在
void RotateR(Node* parent)
	{
		Node* pSubL = parent->_pLeft;
		Node* pSubLR = pSubL->_pRight;

		pSubL->_pRight = parent;
		Node* pParent = parent->_pParent;
		parent->_pParent = pSubL;

		if (pSubLR != nullptr)
		{
			pSubLR->_pParent = parent;
		}
		parent->_pLeft = pSubLR;

		if (parent == _pRoot)
		{
			_pRoot = pSubL;
			pSubL->_pParent = nullptr;
		}
		else
		{
			if (pParent->_pLeft == parent)
			{
				pParent->_pLeft = pSubL;
			}
			else
			{
				pParent->_pRight = pSubL;
			}
			pSubL->_pParent = pParent;
		}
		
		parent->_bf = pSubL->_bf = 0;
	}
  1. 新节点插入较高右子树的右侧—右右:左单旋
    [数据结构] 搜索树与AVL树
void RotateL(Node* parent)
	{
		Node* pSubR = parent->_pRight;
		Node* pSubRL = pSubR->_pLeft;

		pSubR->_pLeft = parent;
		Node* pParent = parent->_pParent;
		parent->_pParent = pSubR;

		parent->_pRight = pSubRL;
		if (pSubRL != nullptr)
			pSubR->_pParent = parent;

		if (parent == _pRoot)
		{
			_pRoot = pSubR;
			pSubR->_pParent = nullptr;
		}
		else
		{
			if (pParent->_pRight == parent)
			{
				pParent->_pRight = pSubR;
			}
			else
			{
				pParent->_pLeft = pSubR;
			}
			pSubR->_pParent = pParent;
		}
		parent->_bf = pSubR->_bf = 0;
	}
  1. 新节点插入较高左子树的右侧—左右:先左单旋再右单旋
    [数据结构] 搜索树与AVL树
  • 共会出现三种可能的情况
    [数据结构] 搜索树与AVL树
  • 注意观察闪电标志的平衡因子, 可以分析得到这三个点不同插入情况下平衡因子的值
  • 完善上方代码可得
void RotateLR(Node* parent)
	{
		Node* pSubL = parent->_pRight;
		Node* pSubLR = pSubR->_pLeft;
		int bf = pSubLR->_bf;

		RotateL(parent->_pLeft);
		RotateR(parent);

		if (bf == 1)
		{
			parent->_bf = 0;
			pSubL->_bf = 1;
			pSubLR->_bf = 0;
		}
		else if (bf == -1)
		{
			parent->_bf = 1;
			pSubL->_bf = 0;
			pSubLR->_bf = 0;
		}
		else
		{
			parent->_bf = 0;
			pSubL->_bf = 0;
			pSubLR->_bf = 0;
		}
	}
  1. 新节点插入较高右子树的左侧—右左:先右单旋再左单旋
    同情况三代码如下:
void RotateRL(Node* parent)
	{
		Node* pSubR = parent->_pRight;
		Node* pSubRL = pSubR->_pLeft;
		int bf = pSubRL->_bf;

		RotateR(parent->_pRight);
		RotateL(parent);

		if (bf == 1)
		{
			parent->_bf = -1;
			pSubR->_bf = 0;
			pSubRL->_bf = 0;
		}
		else if (bf == -1)
		{
			parent->_bf = 0;
			pSubR->_bf = 1;
			pSubRL->_bf = 0;
		}
		else
		{
			parent->_bf = 0;
			pSubR->_bf = 0;
			pSubRL->_bf = 0;
		}
	}

2.5. AVL树的删除

因为AVL树也是二叉搜索树,可按照二叉搜索树的方式将节点删除,然后再更新平衡因子,只不过与删除不同的是,删除节点后的平衡因子更新,最差情况下一直要调整到根节点的位置.

2.6. AVL树性能分析

AVL树是一棵绝对平衡的二叉搜索树,其要求每个节点的左右子树高度差的绝对值都不超过1,这样可以保证查询时高效的时间复杂度,即 。但是如果要对AVL树做一些结构修改的操作,性能非常低下,比如:插入时要维护其绝对平衡,旋转的次数比较多,更差的是在删除时,有可能一直要让旋转持续到根的位置。
因此:如果需要一种查询高效且有序的数据结构,而且数据的个数为静态的(即不会改变),可以考虑AVL树,但一个结构经常修改,就不太适合. 此时, 红黑树就出场了!


完.

[数据结构] 搜索树与AVL树[数据结构] 搜索树与AVL树 一氧化二氢的执着 发布了52 篇原创文章 · 获赞 46 · 访问量 7030 私信 关注
上一篇:pat 1123 Is It a Complete AVL Tree


下一篇:平衡二叉树(AVL树)