二叉树基础:
刚看到堆排序,顺便记录一下关于树的一些基本概念:
前言
前面介绍的栈、队列都是线性结构(linear structure)。而树是非线性结构(non-linear structure)。因此,树中的元素之间一般不存在类似于线性结构的一对一的关系,更多地表现为多对多的关系。直观地看,它是数据元素(在树中称为节点)按分支关系组织起来的结构。显然,树形结构是比线性结构更复杂的一种数据结构类型。
一、树
树的定义:树是含有n个节点的有穷集合,其中有一个节点比较特殊称为根节点。在图示树时,用一条边连接两个有逻辑关系的节点,这个关系被称为父子关系。
二、二叉树
二叉树(Binary Tree)由节点的有限集合构成。这个集合或者为空集,或者为由一个根节点(root)和两棵互不相交,分别称为这个根的左子树(left subtree)和右子树(right subtree)的二叉树组成的集合。
一棵二叉树的示意图:
三、树和二叉树的主要区别
- 树中节点的最大度数没有限制,而二叉树节点的度不超过2。
- 树中节点的孩子节点,无左右之分,而二叉树中是有区分的,即孩子是有区别的:左孩子、右孩子,且次序不可颠倒。
- 树的结点个数至少为1,而二叉树的结点个数可以为0。
四、常见概念
- 节点的度:某节点的度定义为该节点孩子节点的个数。
- 叶子节点:度为0的节点。
- 树的度:一棵树中,最大的节点的度称为树的度。
- 节点的高度:从该节点起到叶子节点的最长简单路径的边数。(简单路径:无重复边的路径)
- 树的高度:根节点的高度。
- 节点的层数:从根开始定义起,根为第1层,根的子节点为第2层,以此类推。
- 数的层数:根节点的层数。
- 节点的深度:即该节点的层数。
- 树的深度:根节点的深度。
- 外节点:叶子节点。
- 内节点:除叶子节点之外的节点。
- 满二叉树:二叉树中节点的度只能是0或2。
- 完全二叉树:除最后一层,每一层的节点数都达到最大。最后一层若是没满,则节点集中在左边,空的只能是右边。
- 扩充二叉树:对二叉树中度为1的节点和叶子节点添加空节点,使之成为满二叉树。
五、几个量的关系
- 对于二叉树,根节点是第一层,则第i层至多有个结点。若共有k层,则最多有节点个。
- 按层次顺序对一棵有n个节点的完全二叉树的所有节点从0到n-1编号。若父节点的编号是i,则左孩子的编号是2*i+1,右孩子的编号是2*i+2。(当然,这是在存在左右孩子的情况下)。同样的,若孩子(无论左右孩子)节点是i,则父节点是(i-1)/2。
- 对于一棵满二叉树,外部节点或者说是叶子节点数是n,则内部节点数是n-1。
- 对于一棵二叉树,用ni表示度为i的节点个数,则n0=n2+1。证明如下:总节点数n=n0+n1+n2。用e表示边数,则n=e+1,这是因为除根节点外,每一个节点都和一条边对应。同时,e=2n2+n1,推出n0+n1+n2=2n2+n1+1,化简即得n0=n2+1。这个结论用语言表述:二叉树中,叶子节点比度为2的节点多一个。
- 有n个节点的完全二叉树,树高度,即logn向下取整,高度从0计数。
- 在二叉树中,第i层的第一个节点(最左边的节点)的编号是,层数从0计数。这个量在选择排序:树形选择中用到了。
六、示意图
二叉树遍历:
在计算机科学中,二叉树是每个节点最多有两个子树的树结构。通常子树被称作“左子树”(left subtree)和“右子树”(right subtree)。
一颗简单的二叉树
二叉树的遍历分为三种:前(先)序、中序、后序遍历。
设L、D、R分别表示二叉树的左子树、根结点和遍历右子树,则先(根)序遍历二叉树的顺序是DLR,中(根)序遍历二叉树的顺序是LDR,后(根)序遍历二叉树的顺序是LRD。还有按层遍历二叉树。这些方法的时间复杂度都是O(n),n为结点个数。
假设我们有一个包含值的value和指向两个子结点的left和right的树结点结构。我们可以写出这样的过程:
先序遍历(递归实现):visit(node)
print node.value
if node.left != null then visit(node.left)
if node.right != null then visit(node.right)
中序遍历(递归实现):
visit(node)
if node.left != null then visit(node.left)
print node.value
if node.right != null then visit(node.right)
后序遍历(递归实现):
visit(node)
if node.left != null then visit(node.left)
if node.right != null then visit(node.right)
print node.value
二叉树创建和遍历:
public class BinaryTree {
private Node root;
/**
*
* 内部节点类
* @author yhh
*/
private class Node{
private Node left;
private Node right;
private int data;
public Node(int data){
this.left = null;
this.right = null;
this.data = data;
}
}
public BinaryTree(){
root = null;
}
/**
* 递归创建二叉树
* @param node
* @param data
*/
public void buildTree(Node node,int data){
if(root == null){
root = new Node(data);
}else{
if(data < node.data){
if(node.left == null){
node.left = new Node(data);
}else{
buildTree(node.left,data);
}
}else{
if(node.right == null){
node.right = new Node(data);
}else{
buildTree(node.right,data);
}
}
}
}
/**
* 前序遍历
* @param node
*/
public void preOrder(Node node){
if(node != null){
System.out.println(node.data);
preOrder(node.left);
preOrder(node.right);
}
}
/**
* 中序遍历
* @param node
*/
public void inOrder(Node node){
if(node != null){
inOrder(node.left);
System.out.println(node.data);
inOrder(node.right);
}
}
/**
* 后序遍历
* @param node
*/
public void postOrder(Node node){
if(node != null){
postOrder(node.left);
postOrder(node.right);
System.out.println(node.data);
}
}
public static void main(String[] args) {
int[] a = {2,4,12,45,21,6,111};
BinaryTree bTree = new BinaryTree();
for (int i = 0; i < a.length; i++) {
bTree.buildTree(bTree.root, a[i]);
}
bTree.preOrder(bTree.root);
bTree.inOrder(bTree.root);
bTree.postOrder(bTree.root);
}
}
插入操作
二叉树查找树b插入操作x的过程如下:
1、若b是空树,则直接将插入的结点作为根结点插入。
2、x等于b的根结点的数据的值,则直接返回,否则。
3、若x小于b的根结点的数据的值,则将x要插入的结点的位置改变为b的左子树,否则。
4、将x要出入的结点的位置改变为b的右子树。
具体代码:
public void insert(T t)
{
rootTree = insert(t, rootTree);
}
public BinaryNode insert(T t,BinaryNode node)
{
if(node==null)
{
//新构造一个二叉查找树
return new BinaryNode(t, null, null);
}
int result = t.compareTo(node.data);
if(result<</SPAN>0)
node.left= insert(t,node.left);
else if(result>0)
node.right= insert(t,node.right);
else
;//doNothing
return node;
}
删除操作:
不过在此之前,我们应该确保根据给定的值找到了要删除的结点,如若没找到该结点
不会执行删除操作!
下面三种情况假设已经找到了要删除的结点。
1、如果结点为叶子结点(没有左、右子树),此时删除该结点不会玻化树的结构
直接删除即可,并修改其父结点指向它的引用为null.如下图:
2、如果其结点只包含左子树,或者右子树的话,此时直接删除该结点,并将其左子树
或者右子树设置为其父结点的左子树或者右子树即可,此操作不会破坏树结构。
3、 当结点的左右子树都不空的时候,一般的删除策略是用其右子树的最小数据 (容易找到)代替要删除的结点数据并递归删除该结点(此时为null),因为 右子树的最小结点不可能有左孩子,所以第二次删除较为容易。 z的左子树和右子树均不空。找到z的后继y,因为y一定没有左子树,所以可以删除y,并让y的父亲节点成为y的右子树的父亲节点,并用y的值代替z的值.如图:
具体代码:
public void remove(T t)
{
rootTree = remove(t,rootTree);
}
public BinaryNode remove(T t,BinaryNode node)
{
if(node == null)
return node;//没有找到,doNothing
int result = t.compareTo(node.data);
if(result>0)
node.right = remove(t,node.right);
else if(result<</SPAN>0)
node.left = remove(t,node.left);
else if(node.left!=null&&node.right!=null)
{
node.data = findMin(node.right).data;
node.right = remove(node.data,node.right);
}
else
node = (node.left!=null)?node.left:node.right;
return node;
}
查找二叉树节点:
在二叉查找树中查找x的过程如下:
1、若二叉树是空树,则查找失败。
2、若x等于根结点的数据,则查找成功,否则。
3、若x小于根结点的数据,则递归查找其左子树,否则。
4、递归查找其右子树。
具体代码:
public TreeNode search(int Key) {
TreeNode node = root;
// 首先定义一个节点让其指向根,在下面的循环中
// 只要节点值不等于要查找的节点值就进入循环如果没有找到则返回null
while (node.keyValue != Key) {
if (Key < node.keyValue) { // 如果要查找的值小于节点值则指向左节点
node = node.leftNode;
} else { // 否则指向右节点
node = node.rightNode;
}
if (node == null) { // 如果节点为空了则返回null
return null;
}
}
return node;
}
思路:最大值一直往右走,最小值一直往左走。
具体代码:
public int max() {
TreeNode node = root;
TreeNode parent = null;
while (node != null) {
parent = node;
node = node.rightNode;
}
return parent.keyValue;
}
public int min() {
TreeNode node = root;
TreeNode parent = null;
while (node != null) {
parent = node;
node = node.leftNode;
}
return parent.keyValue;
}
树的深度:
具体代码:
int length(Node root){
int depth1;
int depth2;
if(root == null) return 0;
//左子树的深度
depth1 = length(root.right);
//右子树的深度
depth2 = length(root.left);
if(depth1>depth2)
return depth1+1;
else
return depth2+1;
}
参考链接:
http://blog.sina.com.cn/s/blog_401823210101f8t6.html
http://blog.sina.com.cn/s/blog_937cbcc10101dmqm.html
http://www.cnblogs.com/wuchanming/p/4067951.html
http://blog.csdn.net/fansongy/article/details/6798278
http://www.cricode.com/3489.html
http://www.cricode.com/3212.html
http://blog.csdn.net/sjf0115/article/details/8645991
http://www.cnblogs.com/vamei/archive/2013/03/17/2962290.html
http://blog.csdn.net/sysu_arui/article/details/7865876
http://blog.163.com/xiaopengyan_109/blog/static/14983217320108168618624/