AVL树的实现

前面笔者介绍了二叉搜索树的一般实现和平衡二叉树的实现原理。
本篇文章将继续前文的平衡搜索树来介绍一种具体的平衡搜索树—AVL树。

AVL树的特性

AVL树中，对于任一节点V，其左右子树的高度差不能超过1。这个高度差定义为平衡因子。

为了判断AVL树的平衡性，在沿用前文的平衡二叉树的模版代码中，需要添加如下方法：

public Boolean isAvlBalanced(TreeNode node) {
        //获取平衡因子
        int balance = node.right.height - node.left.height;

        return balance > 2 && balance < -2; 
    }

失衡和重平衡

AVL树与常规的二叉搜索树一样，也应支持插入、删除等动态修改操作。但经过这类操作之后，节点的高度可能发生变化，以致于不再满足AVL树的条件。

观察下图的插入操作，在对图(b)一个AVL树插入’M’，于是，节点’N’、’R’和’G’ 都将失衡。类似地，删除’Y’之后， 也会如图(a)所示导致节点’R’的失衡。

如此因节点x的插入或删除而暂时失衡的节点，构成失衡节点集，记作失衡节点集UT(x)。请注意，若x为被摘除的节点，则UT(x)仅含单个节点; 但若x为被引入的节点，则UT(x)可能包含多个节点。
从对UT(x)的分析入手，分别介绍使失衡搜索树重新恢复平衡的调整算法。

节点插入失衡的恢复算法

不难看出，新引入节点x后，UT(x)中的节点都是x的祖先，且高度不低于x的祖父。以下，将其中的最深者记作g(x)—最深者即为高度最小的节点。在x与g(x)之间的通路上，设p为g(x)的孩子，v为p的孩子。注意， 既然g(x)不低于x的祖父，则p必是x的真祖先。

首先，需要找到如上定义的g(x)。为此，可从x出发沿parent指针逐层上行并核对平衡因子， 首次遇到的失衡祖先即为g(x)。既然原树是平衡的，故这一过程只需O(logn)时间。

既然g(x)是因x的引入而失衡，则p和v的高度均不会低于其各自的兄弟。因此，可在g(x)的左右孩子中寻找高度最高的节点p,用同样的方法在节点p的左右孩子中寻找节点最高的孩子v。

确定g(x),p,v三个节点后，将根据三个节点的联接方向，采用不同的局部调整方案，分述如下：

单旋

如上图(a)所示，设v是p的右孩子，p是g的右孩子。这种情况必是在v的子树中插入的新的节点x，使得g失衡，图(a)的阴影部分为插入x的节点，其兄弟为空。采用前文平衡二叉树的实现原理中的逆时针zag已g为轴旋转之后，使得g重新平衡。旋转后的结果图(b)所示。根据搜索树的等价原理来看。a,b两树的等价的。

同理，如果v是p的左孩子，p是g的左孩子。则可通过顺时针zig来重平衡。

双旋

如上图(a)所示，设节点v是p的左孩子，而p是g的右孩子。

这种情况，也必是由于在子树v中插入了新节点x，而致使g不再平衡。同样地，在图中以虚线联接的每一对灰色方块中，其一对应于新节点x，另一为空。

此时，可先做p为轴的顺时针旋转，得到如图(b)所示的一棵等价二叉搜索树。

再做g为轴的逆时针旋转zag，得到如图(c)所示的另一棵等价二叉搜索树。
此类分别以父子节点为轴、方向互逆的连续两次旋转，合称“双旋”。可见，经如此调整之后，g亦必将重新平衡。不难验证，通过zag(p)和zig(g)可以处理对称的情况。

无论单旋或双旋，经局部调整之后，不仅g(x)能够重获平衡， 而且局部子树的高度也必将复原。这就意味着，g(x)以上所有祖先的平衡因子亦将统一地复原，也意味着在AVL树中插入新节点后，仅需不超过两次旋转，即可使整树恢复平衡。

AVL树中节点的插入：

这段代码中的3+4算法即在本文后面

    /**
     * 添加子节点
     * @throws Exception 
     */
    public TreeNode addNode(Double data) {
        TreeNode inTree = this.search(data);

        if(inTree.data != null) {
            return inTree;
        }

        inTree