c++ 红黑树学习及简单实现

最新推荐文章于 2024-07-24 20:55:30 发布
最新推荐文章于 2024-07-24 20:55:30 发布
阅读量1k 收藏 10
点赞数 22
分类专栏： c++ 文章标签： c++ 数据结构
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2301_78323041/article/details/138333289
版权

1. 了解红黑树

1.1. 概念

红黑树，是一种二叉搜索树，但在每个节点增加一个存储位表示节点的颜色，可以是红色，或是黑色，通过对任何一条从根到叶子的路径上各个节点的着色方式进行限制，红黑树确保没有一条路径会比其他路径长出两倍，因而是接近平衡。
都是搜索二叉树，红黑树和AVL树有什么区别？
AVL 树：左右高度差不超过1（严格平衡）
红黑树：最长路径不超过最短路径的两倍（近似平衡）
这样看起来，似乎 AVL树更优秀，严格平衡
如果相同的数据，AVL 树可能是 18层，但是 红黑树有可能是 18 - 36 层
在查找方面 AVL 树可能会比红黑树优秀一点，但是只是一点。
因为18 层的数据，2^17 ==131072，18层数据就有 这么多节点，查找 18 次和 查找 35次，对计算机来说区别很小。
同时还要注意，AVL树的严格平衡，因为严格平衡，所以 AVL树为了保证平衡，需要不停的旋转，因此在插入删除上，效率会慢很多
但是红黑树并不是严格平衡，所以在调整上，不会进行那么多次的调整，因此插入和删除的时间就会少很多。

1.2. 性质

先看下面一棵树
在这里插入图片描述
红黑树性质：

  1. 每个节点不是红色就是黑色。
  2. 根节点是黑色的。
  3. 如果一个节点是红色的，则它的两个节点都是黑色的（不能出现连续的红色节点，可以出现的组合：黑+黑， 黑+红， 红+黑）。
  4. 对于每个节点，从该节点到其所有后代中，均包含数目相同的黑色节点（每条路径都包含相同数量的黑色节点）。
  5. 每个叶子节点（NIL节点）都是黑色的。

为什么满足上面的性质，红黑树就能保证：最长路径中节点个数不会超过最短路径节点个数的两倍？
最短路径：全黑
最长路径：一黑一红间隔
在这里插入图片描述
假设最短上有 N 个节点
其他路径上的节点数量都在 [N, 2N] 之间
每条路径上黑色节点数量相同，最长的情况下是一红一黑间隔，同一条路径下，红节点数量和黑节点数量相同，也就是2N
NIL 节点（叶子节点的空节点）
在这里插入图片描述
比如这棵树，这里看起来有 4 条理解，其实有 8 条
NIL 节点也要被算入路径内
路径是从跟节点走到空，才算路径。
在这里插入图片描述
这棵树也算红黑树，这棵树有 7 条路径。
在这里插入图片描述
这棵树，我们看起来好像是一棵红黑树，但是当我们把所有的 NIL 节点全部标出来
在这里插入图片描述

这样就能清楚的看到，标记位置的右子树只含有一个黑色节点，但是左子树的每条路径含有 两个黑色节点，所以 这棵树并不是红黑树

2. 模拟实现

2.1. 节点

enum Colour
{
	RED,
	BLACK
};
template<class K, class V>
struct RBTreeNode
{
	RBTreeNode* _left;
	RBTreeNode* _right;
	RBTreeNode* _parent;
	pair<K, V> _kv;
	Colour _col;
	
	RBTreeNode(const pair<K, V>& kv)
		:_left(nullptr)
		,_right(nullptr)
		,_parent(nullptr)
		,_kv(kv)
	{}
};

这里的节点和 AVL 树类似，不过 红黑树 是用颜色来控制的，所以这里我们添加了 _col 来控制。
不够在这里的 构造函数，我们还不能确定 _col 初始化成什么样子，我们后面再看。

2.2. insert

首先 红黑树 还是搜索二叉树，所以插入的基本逻辑还是那套，我们先实现这部分，后面主要分析调整的地方。

template<class k, class V>
class RBTree
{
public:
	typedef RBTreeNode<K, V> Node;
	RBTree()
		:_root(nullptr)
	{}
	bool insert(const pair<K, V>* kv)
	{
		if(_root == nullptr)
		{
			_root = new Node;
			return true;
		}
		Node* cur = _root;
		Node* parent = nullptr;
		while(cur)
		{
			if(cur->_kv.first < kv.first)
			{
				parent = cur;
				cur = cur->_right;
			}
			else if(cur->_kv.first > kv.first)
			{
				parent = cur;
				cur = cur->_left;
			}
			else
			{
				return false;
			}
		}
		cur = new Node(cur);
		if(parent->_kv.first < kv.first)
		{
			parent->_right = cur;
			cur->_parent = parent;
		}
		else
		{
			parent->_left = cur;
			cur->_parent = parent;
		}
		return true;
	}
private:
	Node* _root;
};

二叉树的插入，这段没什么好说的，接下来看调整。
如果是插入节点，最开始应该插入什么颜色的节点最好？
我们都分析一下
在这里插入图片描述
如果我们在上面这棵树上插入节点，插入黑色节点后，我们发现，这条路径上的黑色节点数量发生变化，所以这里必须调整。
如果插入的是红色节点，每条路径上的黑色节点数量并未发生变化，这里可以不需要调整。
所以我们最好把 插入的节点初始化为 红色节点
在这里插入图片描述
在这里插入图片描述
但这不代表插入红色节点完全不需要修改，插入红色节点后，主要影响的是父节点。
这里插入分为 3 类型的情况：

  1. 如果新增的节点是 黑色节点，会影响所有父亲节点下面的路径。
  2. 如果新增的节点是 红色节点，父亲节点是 黑色节点，不用影响。
  3. 如果新增的节点是 红色节点， 父亲节点是 红色节点， 需要进行调整。

我们需要处理的情况是第 3 种。
在这里插入图片描述
如果出现这种情况，我们首先考虑把父亲变色。
如果仅靠变色不能解决问题，就需要通过 旋转 + 变色。
在这里插入图片描述

第一步，7 变 黑，因为 7 的父节点一定是 黑色，所以还要处理 父节点（7原本是红色，红色节点的父亲只能是黑色，7 所在的路径上多了一个黑色节点，所以还是要从 7 的父亲节点入手处理）。
第二步，7 的 叔叔节点 5 变 黑，但是又会导致 6 的两条路径上分别多出来一个 黑色节点，所以我们还需要把 6 变 红，从而使每条路径黑色节点数量想同。
这里调整自己路径后，还要通过自己的根去调整另一条路径，我们这里默认的情况是 叔叔节点 存在 且 和 7 都是红色。
那么叔叔不存在的情况，或者叔叔颜色原本为黑呢？
叔叔 不存在时：
在这里插入图片描述
这两棵树，如果是前面学过 AVL 树的人，应该能一眼看出来，这里是 右左双旋 和 右右左单旋。
在这里插入图片描述
旋转 + 变色 处理。
当然，这是基于 叔叔节点不存在的情况，叔叔节点存在且为黑的情况还要讨论，现在我们慢慢分析怎么用代码实现这些操作

2.2.1. 调整

我们先把需要调整的情况主要分为三种
在这里插入图片描述先确定节点
插入的节点： cur
插入节点的父节点： parent - p
插入节点的父节点的父节点： grandfather - g
叔叔节点： uncle - u
a,b,c,d,e 子树（可能为空，也可能是一整颗树）

  1. cur 为红，p 为红，g 为黑， u存在且为红
  2. cur 为红，p为红， g 为黑， u不存在
  3. cur 为红，p为红， g 为黑， u存在且为黑

首先是 第一种 情况：=
cur 为红，p 为红，g 为黑， u存在且为红
解决方法：将 p ，u 改为黑色， g 改为红色， 然后把 g 当做 cur，继续向上处理
在这里插入图片描述
但是简简单单变个色就行了吗？
这里还是有特殊情况需要处理的

  1. 如果 g 是 根节点
  2. 如果 g 的父节点是 红色
    在这里插入图片描述

第一种情况很简单，直接把 _root 变黑色就行了。
毕竟不能出现连续的红色节点，但是可以出现连续的黑色节点，所以这样变完全没有问题
那第二种呢，修改后，g 变成了 红色，但是如果 g 是一棵树的子树，同时 g 的父亲节点是 红色呢？
我们的子树是没有问题了，所以我们把 原树的 g 当做新的 cur 向上调整。
在这里插入图片描述
如果 修改后的树 的父亲节点是黑色，那么此时直接退出即可（原本g为根节点的树每条路径是 一个 黑色节点，修改后每条路径仍是一个黑色节点，对 g 以上的根节点来说，每天路径上的黑色节点数量没有发生改变，所以不需要向上调整）
这里我们像 AVL 树那样分析分析，是不是 只需要改变这 4 个节点才能完成操作？
在这里插入图片描述
还是这棵树，此时 a，b，c，d，e 的情况有点复杂
如果 a/b/c/d/e 都是 空，cur 就是新增节点。
如果 a/b 不是空节点，但是想要触发这个调整，必须在 a，b任意位置插入节点就会破坏规则
至于 c，d，e 可能是下面的任意一种情况
在这里插入图片描述
c，d，e 是每条路径上含有一个黑色节点的红黑树。
a，b 作为之前新插入的节点。
在 a，b 下任意位置插入节点都会破坏规则。
所以这里可能存在的树 （4x4x4）x4 = 256种
不管再怎么复杂，对应的子树都是经过调整后的 红黑树，或者说下面调整玩完成后向上调整到这个位置，所以我们只需要关注这里的 cur 就行。

第二种情况：
cur 为红，p为红， g 为黑， u不存在
在这里插入图片描述
如果遇到单纯变色不能解决问题的情况，这里就需要先旋转后变色。
解决方法：左左右单旋，旋转后，g变红， p变黑
这里一般没有什么特殊情况，最后根节点也处理成黑色，不会和父节点冲突
第三种情况：
cur 为红，p为红， g 为黑， u为黑
在这里插入图片描述
这种情况会出现吗，这里 u 可能是上一次调整后的结构，g 可能是根节点，所以会出现这种情况。
这里的处理方法，还是先进行旋转。
但是还是要看 cur 的位置
p 为 g 的左孩子，cur 为 p 的左孩子，进行右单旋
p 为 g 的右孩子，cur 为 p 的右孩子，进行左单旋
p 为 g 的左孩子，cur 为 p 的右孩子，进行左右双旋
p 为 g 的右孩子，cur 为 p 的左孩子，进行右左双旋
在这里插入图片描述

这里默认 a，b，c 都是含有一个黑色节点的红黑树
图不好画，大概按这样的过程理解
旋转完成后，还要变色，主要的变色逻辑就是上面展示的。
单旋：p 变为 黑，g 变为 红色
双旋：g 变为红， cur 变为黑
旋转的大概逻辑了解以后，下面开始实现

while(parent && parent->_parent && parent->_col == RED）
{
	Node* grandfather = parent->_parent;
	if(parent == grandfather->_left)
	{
		Node* uncle = grandfather->_right;
		if(uncle && uncle->_col == RED)
		{
			uncle->_col = parent->_col = BLACK;
			grandfather->_col = RED;
			
			cur = grandfather;
			parent = cur->_parent;
		}
		else
		{
			if(cur == parent->_left)
			{
				RotateR(grandfather);
				parent->_col = BLACK;
				grandfather->_col = RED;
			}
			else
			{
				RotateL(parent);
				RotateR(grandfather);
				cur->_col = BLACK;
				grandfather->_col = RED；
			}
			break;
		}
	}
	else
	{
		Node* uncle = grandfather->_left;
		if(uncle && uncle->_col == RED)
		{
			uncle->_col = parent->_col = BLACK;
			grandfather-_col = RED;
			cur = grandfather;
			parent = cur->_parent;
		}
		else
		{
			if(cur == parent->_right)
			{
				RotateL(grandfather);
				parent->_col = BLACK;
				grandfather->_col = RED;
			}
			else
			{
				RotateR(parent);
				RotateL(grandfather);
				cur->_col = BLACK;
				grandfather->_col =RED;
			}
		}
	}
	_root->_col = BLACK;
}

左旋和右旋还是 AVL 树那套，但是要注意，这里我们在 insert 里修改节点颜色，所以左旋右旋里不需要修改颜色，同时 也不需要我们去单独写函数实现 左右双旋和右左双旋来修改颜色。

   void RotateL(Node* parent)
    {
        Node* subR = parent->_right;
        Node* subRL = subR->_left;

        parent->_right = subRL;
        subR->_left = parent;

        Node* parentParent = parent->_parent;

        parent->_parent = subR;

        if (subRL)
        {
            subRL->_parent = parent;
        }

        if (_root == parent)
        {
            _root = subR;
            subR->_parent = nullptr;
        }
        else
        {
            if (parentParent->_left == parent)
            {
                parentParent->_left = subR;
            }
            else
            {
                parentParent->_right = subR;
            }
            subR->_parent = parentParent;
        }
    }

    void RotateR(Node* parent)
    {
        Node* subL = parent->_left;
        Node* subLR = subL->_right;

        parent->_left = subLR;
        if (subLR)
        {
            subLR->_parent = parent;
        }

        Node* parentParent = parent->_parent;

        subL->_right = parent;
        parent->_parent = subL;

        if (parent == _root)
        {
            _root = subL;
            subL->_parent = nullptr;
        }
        else
        {
            if (parentParent->_left == parent)
            {
                parentParent->_left = subL;
            }
            else
            {
                parentParent->_right = subL;
            }
            subL->_parent = parentParent;
        }
    }

2.2.2. 插入全代码

	bool insert(const pair<K, V>& kv)
	{
		if (_root == nullptr)
		{
			_root = new Node(kv);
			return true;
		}
		Node* cur = _root;
		Node* parent = nullptr;
		while (cur)
		{
			if (cur->_kv.first < kv.first)
			{
				parent = cur;
				cur = cur->_right;
			}
			else if (cur->_kv.first > kv.first)
			{
				parent = cur;
				cur = cur->_left;
			}
			else
			{
				return false;
			}
		}
		cur = new Node(kv);
		cur->_col = RED;

		if (parent->_kv.first < kv.first)
		{
			parent->_right = cur;
			cur->_parent = parent;
		}
		else
		{
			parent->_left = cur;
			cur->_parent = parent;
		}

		while (parent && parent->_parent && parent->_col == RED)
		{
			Node* grandfather = parent->_parent;
			if (parent == grandfather->_left)
			{
				Node* uncle = grandfather->_right;
				if (uncle && uncle->_col == RED)
				{
					uncle->_col = parent->_col = BLACK;
					grandfather->_col = RED;

					cur = grandfather;
					parent = cur->_parent;
				}
                else
                {
                    if (cur == parent->_left)
                    {
                        RotateR(grandfather);
                        parent->_col = BLACK;
                        grandfather->_col = RED;
                    }
                    else
                    {
                        RotateL(parent);
                        RotateR(grandfather);
						cur->_col = BLACK;
						grandfather->_col = RED;
                    }
                    break;
                }
			}
			else
			{
				Node* uncle = grandfather->_left;
				if (uncle && uncle->_col == RED)
				{
					uncle->_col = parent->_col = BLACK;
					grandfather->_col = RED;

					cur = grandfather;
					parent = cur->_parent;
				}
				else
				{
					if (cur == parent->_right)
					{
						RotateL(grandfather);
						parent->_col = BLACK;
						grandfather->_col = RED;
					}
					else
					{
						RotateR(parent);
						RotateL(grandfather);
						cur->_col = BLACK;
						grandfather->_col = RED;
					}
					break;
				}
			}
		}
		_root->_col = BLACK;

		return true;
	}

    void RotateL(Node* parent)
    {
        Node* subR = parent->_right;
        Node* subRL = subR->_left;

        parent->_right = subRL;
        subR->_left = parent;

        Node* parentParent = parent->_parent;

        parent->_parent = subR;

        if (subRL)
        {
            subRL->_parent = parent;
        }

        if (_root == parent)
        {
            _root = subR;
            subR->_parent = nullptr;
        }
        else
        {
            if (parentParent->_left == parent)
            {
                parentParent->_left = subR;
            }
            else
            {
                parentParent->_right = subR;
            }
            subR->_parent = parentParent;
        }
    }

    void RotateR(Node* parent)
    {
        Node* subL = parent->_left;
        Node* subLR = subL->_right;

        parent->_left = subLR;
        if (subLR)
        {
            subLR->_parent = parent;
        }

        Node* parentParent = parent->_parent;

        subL->_right = parent;
        parent->_parent = subL;

        if (parent == _root)
        {
            _root = subL;
            subL->_parent = nullptr;
        }
        else
        {
            if (parentParent->_left == parent)
            {
                parentParent->_left = subL;
            }
            else
            {
                parentParent->_right = subL;
            }
            subL->_parent = parentParent;
        }
    }

2.3. check

现在插入的大概逻辑是没问题了，但是和 AVL 树的问题一样，怎么样证明我们的树是 红黑树？
树是不是红黑树，我们需要根据红黑树的性质来判断
在这里插入图片描述
第 1 点，第 2 点，第 5 点都很好检查。
第 3 点相对来说就麻烦了
如果是红色节点，检查子节点是不是都是黑的，但是也不好检查，红色节点的孩子节点可能是 两个，可能是 一个，也可能不存在，所以我们可以考虑不向下查找，向上查找

bool Check(Node* root)
{
	if(root == nullptr)
	{
		return true;
	}
	if(root->_col == RED)
	{
		
	}
	return Check(root->_left) && Check(root->_right);
}
bool IsBalance(Node* root)
{
	if(root->_col ==BLACK)
	{
		return true;
	}
	if(root->_col == RED)
	{
		return false;
	}
	return Check(root);
}

IsBalance 检查根节点是不是黑色，Check 检查每个红色节点是不是有两个黑色子节点，如果直接检查红色节点的子节点情况，有点麻烦，所以我们反向检查

if(root->_col == RED && root->_parent->_col == RED)
{
	cout << "有连续的红色节点" << endl;
	return false;
}

这里的判断条件可以这样写，当前节点为红色，且这个节点的父节点是红色，就返回 false;
红色节点一定有父亲，且红色节点的父亲一定是黑色。
接下来处理，每条路径上的黑色节点数量相同，该怎么操作？
初步想法，拿栈可以检查，黑色节点入栈，当需要出栈时检测一下数量即可。
除了这个方法，我们还有其他方法
isBalance 传入 blacknum ，当遇见黑色节点++，直到遇见空节点时输出 blacknum 。

bool Check(Node* root, int blacknum)
{
	if(root == nullptr)
	{
		cout << blacknum << "  ";
	}
	if(root->_col == RED & root->_parent->_col == RED)
	{
		cout << "有连续的红色节点" << endl;
	}
	if(root->_col == BLACK)
	{
		++blacknum;
	}
	return Check(root->_left, blacknum) && Check(root->_right, blacknum);
}
bool IsBalance()
{
	return _IsBalance(_root);
}
private:
bool _IsBalance(Node* root)
{
	if(root->_col == RED)
	{
		return false;
	}
	int blacknum = 0;
	return Check(root, blacknum);
}

在这里插入图片描述
这里我们看见，所有路径的黑色节点数量都是 2
但是数据量太少了，我们需要和 AVL 树一样，传入大量数据来测试我们的 红黑树

void test_RBT ree2()
{
	const size_t N = 10000;
	vector<int> v1;
	RBTree<int, int> t1;
	srand(time(0));
	for(int i = 0; i < N; i++)
	{
		v1.push_back(rand());
	}
	for(auto : v1)
	{
		t1.insert(make_pair(e, e));
	}
	cout << t1.IsBalance() << endl;
}

在这里插入图片描述
当我们输出所有路径的黑色节点数量时，发现，这数据有点多，我们看不过来，不方便检查。
这里我们的思路是，除了传入 blacknum, 我们还需要传入一个判断的值

        bool Check(Node* root, int blacknum, const int refVal)
        {
                if (root == nullptr)
                {
                        if (blacknum != refVal)
                        {
                                cout << "存在黑色节点数量不相同的路径" << endl;
                                return false;
                        }
                        return true;
                }
                if (root->_col == RED && root->_parent->_col == RED)
                {
                        cout << "有连续的红色节点" << endl;
                        return false;
                }
                if (root->_col == BLACK)
                {
                        ++blacknum;
                }
                return Check(root->_left, blacknum) && Check(root->_right, blacknum);
        }
        bool IsBalance()
        {
                return _IsBalance(_root);
        }
private:
        bool _IsBalance(Node* root)
        {
                if (root->_col == RED)
                {
                        return false;
                }
                int blacknum = 0;
                int refVal = 0;
                Node* cur = root;
                while (cur)
                {
                        if (cur->_col = BLACK)
                        {
                                refVal++;
                        }
                        cur = cur->_left;
                }
                return Check(root, blacknum, refVal);
        }

在这里插入图片描述
这里我们看见，在debug 版本下，插入和检查的时间一共用了 309ms，非常快
在这里插入图片描述
release 版本下，用了 119ms
在这里插入图片描述
100w 的数据一共是 18 层
注：这里看起来和 AVL 树高度差不多，其实是因为 rand 是伪随机，给的数值在量很大的情况下，会出现重复，所以表面上我们插入了 100w 个数据，实际上数据早就饱和了

2.4. erase

删除节点
删除的情况比插入的情况多很多，和AVL树一样，我们还是简单说一下，不实现
在这里插入图片描述
如果我们要删除 红色节点
在这里插入图片描述
这没啥影响，那5条规则没有受到破坏
如果删除的黑色节点
在这里插入图片描述
删除 黑色节点，我们发现，这个节点所在的路径黑色节点减少了，这里仅靠变色无法解决
在这里插入图片描述
25变红，17变黑？但是这样会导致出现连续的红色节点。
最右边的两条路径不管怎么样都会含有一个黑色节点，但是左边这条路径不存在黑色节点，所以需要旋转解决，这里还好看一点，右边整体高，右右左单旋。
在这里插入图片描述
删除时，如果出现问题，和插入一样，优先考虑 变色，后考虑旋转，但是旋转一定要放在 变色前。
删除的情况比较多，这里就不细说了

快乐小帅
关注
  • 22
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
初识C++之红黑树
Masquerena114514的博客
04-01 770
本文介绍了红黑树这一数据结构的实现逻辑，面对不同情况时的调整方法及其对应的代码实现
C++红黑树实现过程
09-15
在C++中实现红黑树，需要理解并遵循红黑树的五个性质： 1. 每个节点要么是红色，要么是黑色。 2. 根节点是黑色。 3. 所有叶子节点（NIL或空节点）是黑色。 4. 如果一个节点是红色，则它的两个子节点都是黑色。 5. ...
C++红黑树
~
03-26 6485
C++红黑树零、前言一、红黑树的概念及性质二、红黑树结点的定义三、红黑树的插入操作1、变色处理2、单旋+变色3、双旋+变色4、插入实现四、红黑树的验证五、红黑树的删除六、红黑树与**AVL**树的比较 零、前言 本章继AVL树后继续讲解学习C++中另一个二叉搜索树–红黑树 一、红黑树的概念及性质 概念： 红黑树，是一种二叉搜索树，但在每个结点上增加一个存储位表示结点的颜色，可以是Red或Black 通过对任何一条从根到叶子的路径上各个结点着色方式的限制，红黑树确保没有一条路径会比其他路径长
C++ 红黑树 详细讲解
foodsx的博客
06-07 1016
C++ 红黑树 详细讲解
C++实现红黑树（含完整代码+图）
weixin_44628585的博客
08-09 2281
此文主要记录红黑树的操作，即节点的添加删除操作，并且有完整代码可供学习。欢迎大家阅读，如有问题，麻烦大家指出。
【C++】红黑树的原理与实现
weixin_67596609的博客
08-09 1073
本篇文章会对红黑树的实现原理进行详解。同时还会给出红黑树的C++实现代码。希望本篇文章会对你有所帮助。红黑树也是一种二叉搜索树，它的每个节点包含一个关键字（键值对）、左右孩子指针和父结点指针。每个节点还包含一个记录颜色的变量该变量用来表示该节点是红色节点还是黑色节点。RED,BLACK, _kv(kv){}表示颜色我们采用枚举的方式，以便整篇的代码比较整洁且易于理解。红黑树作为一种自平衡二叉搜索树，
详解红黑树【C++实现】
Tau_Ceti的博客
08-31 651
详解红黑树
C++数据结构：红黑树的原理以及实现
Outtch_的博客
07-30 785
前言 之前我们学习了AVL树，说AVL树是具有特殊性质的二叉搜索树，而红黑树这种数据结构也是有着特殊性质的二叉搜索树，
【数据结构】—红黑树（C++实现）
B1ue还在专注
12-07 2144
本文是作者学习红黑树时对于红黑树知识点的总结以及模拟实现，可能还不够全面，但是作者已经尽力了，毕竟跟上上一篇、上一篇一样超万字了Ｏ（≧口≦）Ｏ
学习-＞C++篇十五：红黑树和map,set
u014801954的博客
10-18 763
目录 一 . 红黑树的定义（规则）： 二 . 红黑树是如何保持平衡的？ 插入操作： 情况一：叔叔节点存在且为红色 情况二：叔叔节点不存在或存在且为黑色 三.map和set如何封装？
基于C++红黑树与哈希表的实现
05-08
`Red_black_tree-code`可能是包含红黑树实现的源代码文件，可以参考其中的实现细节，学习如何在C++中构建和操作自定义数据结构。 总的来说，掌握红黑树和哈希表的原理和C++实现对于提升编程技能和解决复杂问题具有...
C++数据结构 红黑树 实现全部功能
12-29
通过阅读和理解这些代码，你可以深入学习红黑树的工作原理和C++中的实现细节。 总结来说，红黑树是一种重要的数据结构，它的核心在于通过特定的平衡策略保持了二叉查找树的高效性。在C++中实现红黑树需要理解其基本...
红黑树与区间树算法实现
04-08
总的来说，这个实验旨在让学习者深入理解红黑树和区间树的原理，以及如何在实际编程中应用它们。通过C++实现和graphviz的可视化，学生能够直观地看到数据结构的操作过程，这对于理解和掌握这些高级数据结构的概念至...
红黑树C++实现
01-27
在C++中实现红黑树，通常会定义一个节点结构体，包含键值、颜色、左子节点、右子节点以及父节点等成员。然后，我们需要实现以下关键操作： 1. 插入节点：插入新节点时，首先将其标记为红色，然后通过一系列旋转和...
C语言 之 理解指针（1）
fallzzzzz的博客
07-20 1304
就是先获取该数组的首元素的地址，从前面我们知道，指针的类型的作用是指针+1 所跳过的字节数，int为整形，大小为4个字节，所以p+1就跳过4个字节，p+2就跳过8个字节，计算机的CPU（中央处理器）在处理数据的时候，需要的数据是在内存中读取的，处理后数据也会放回内存中，如果想对这些空间进行高效的管理，就可以。并且我们知道，数组的元素存放是随着下标增长，内存地址变大的。上面的代码创建了一个整型变量n，因为一个整形的大小是4个字节，所以内存中申请了4个字节，⽤于存放整数10，其中每个字节都有地址。
VS2019编译和使用gtest测试（C++）
m0_65635427的博客
07-24 316
下载下来解压到文件夹，再在文件夹里面新建一个build文件夹，如下：再安装cmake，可以先检查一下是否安装了cmake，打开命令窗口，输入cmake -version：然后双击就对了，我这里已经安装好了，无法提供截图，注意一点就是在让选择是否建立系统环境变量（path）的时候，记得勾上第二个建立系统环境变量！下载好之后，记得检验一下是否安装成功，如果在普通用户下显示没有，建议用管理员身份打开命令窗口，再次尝试。之后命令窗口进入创建的build文件夹路径里面执行cmake ../
内网对抗-隧道技术篇&防火墙组策略&HTTP反向&SSH转发&出网穿透&CrossC2&解决方案
siu~
07-24 876
1、C2/C2上线-CrossC2插件-多系统平台支持 2、隧道技术篇-应用层-SSH协议-判断&封装&建立&穿透 3、隧道技术篇-应用层-HTTP协议-判断&封装&建立&穿透
【C++初阶】string类
最新发布
2301_78022459的博客
07-24 929
【C++初阶】string类
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值