几课很重要的树

线性数据结构——链表、堆栈和队列

二叉树严格控制了每个结点最多只能有两个后继结点（简称“儿子”）控制了这样的结构之后，这棵树就比普通的树简单很多

二叉树（Binary Tree）：

我们再用二叉树来做点有意义的事情，比如说保持结构里面结点的大小顺序等等，于是我们就有一个更实用的树结构：二叉查找树（Binary Search Tree） 


在二叉树的基本定义上，二叉查找树有一层更深的定义：左儿子的元素大小严格小于父结点，右儿子的元素大小严格大于父结点。这样的话，进行搜索的时候，从根结点出发，如果想要找的元素比这个结点小，向左搜，否则向右搜。这样的搜索效率竟然可以控制到平均O(log n)！实在是太快了！

不过，O(log n)的效率仅限于一棵比较随机的二叉查找树，如果一棵二叉查找树，儿子永远比父亲大，那么就会变成一条直线，效率也是只有O(n)而已。那么效率就变得很虚无飘渺了。

幸好，伟大的计算机科学家们在二叉查找树的基础上，加上了自动平衡的算法，因此创造出AVL树（AVL Tree）：

最佳二叉排序树通常用于存储构造后就不经常改动的静态字典；对于动态字典，在进行元素的插入和删除操作时，为了能够较快地对二叉排序树进行调整，通常不要求二叉排序树调整到“最佳的”检索效率，而是希望达到“较佳”的状态。

保持二叉排序树平衡的一个有效方法，即构造平衡二叉排序树，又称AVL树。平衡二叉排序树具有下列性质∶每个结点左、右子树深度之差的绝对值不超过1。结点右子树深度与左子树深度之差定义为该结点的平衡因子，平衡二叉排序树中每个结点的平衡因子只能是1、0或－1。

n个结点的AVL树的高度一定是O（log n）

检索，插入，删除的效率是O（log 2 n）

适用于组织较小的，内存中的目录

AVL树的平衡条件是：左儿子高度与右儿子高度相差不超过1，上图则是给出了平衡算法。告诉大家该怎么样对树进行旋转，而得到一棵新的平衡树。

AVL树的效率已经非常可观了，平衡之后整棵树的访问效率为O(log n)，插入移除效率O(log n)，可谓十分迅速！

但是人们总是不知足的，与其通过分析树本身结构来调整，倒不如自己创建标记，再根据标记来调整，减少旋转次数！于是红黑树（Red Black Tree）就此诞生：

红黑树比AVL数更快

hash表：

hashing定义了一种将字符组成的字符串转换为固定长度（一般是更短长度）的数值或索引值的方法，称为散列法，也叫哈希法。由于通过更短的哈希值比用原始值进行数据库搜索更快，这种方法一般用来在数据库中建立索引并进行搜索，同时还用在各种解密算法中。

堆：

堆特点：堆顶元素是整个序列最大或者最小的元素。

堆排序：

堆排序例题：