二叉搜索树
小杨
一、二叉搜索树的概念
二叉搜索树又称二叉排序树,他或者是一颗空树,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。
二叉搜索树(BST,Binary Search Tree)也称为二叉排序树或二叉查找树。
二、二叉搜索树操作
int arr={8,3,1,10,6,47,14,13};
1.二叉搜索树的查找
- 从根开始比较,查找,比根大则往右边走查找,比根小则往左边走查找。
- 最多查找高度次,走到空,如果还没找到,就证明这个值不存在。
e.g:比如说我要找9.
先与根节点8比较,比8大,就与8的右边(10)比较,比10小,就到10的左边比较,但是10的左边为空,就意味着没有这个值,就结束查找。
2.二叉搜索树的插入
插入的具体过程如下:
- 树为空,则直接新增节点,赋值给root指针。
- 树不为空,按二叉搜索树性质查找插入位置,插入新节点。
e.g:插入一个值为11的节点:
首先根节点8比11小,因此继续去跟8的右节点(10)比较,11比10大,因此根11的右节点14比较,11比14小,跟14的左节点13比较,11比13小,因此继续跟13的左节点比较,因为13的左节点为空,所以,11就插入在13的左边。
e.g:同理插入节点0
3.二叉搜索树的删除
首先查找元素是否在二叉搜索树中,如果不存在,则返回,否则要删除的节点可能分下面四种情况:
- 要删除的节点无孩子节点
- 要删除的节点只有左孩子节点
- 要删除的节点只有右孩子节点
- 要删除的节点有左、右孩子节点
看起来有待删除节点有4种情况,实际情况1可以与情况2或者3合并起来,因此真正的删除过程如下:
- 情况b:删除该节点且使被删除节点的双亲节点指向被删除节点的左孩子节点-直接删除
- 情况c:删除该节点且使被删除节点的双亲节点指向被删除节点的右孩子节点-直接删除
- 情况d:在它的右子树中寻找中序下的第一个节点(关键码最小),或者找左子树寻找中序的最后一个节点(关键码最大),用它的值填补到被删除节点中,再来处理该节点的删除问题-替换法删除
e.g:删除14节点
e.g:删除6节点
e.g:删除3节点:
三、二叉搜索树的实现
#pragma once
namespace yang
{
//二叉搜索树节点
template<class T>
struct BSTNode
{
BSTNode(const T& data = T())
:_pLeft(nullptr)
,_pRight(nullptr)
,_data(data)
{}
BSTNode<T>* _pLeft;
BSTNode<T>* _pRight;
T _data;
};
//二叉搜索树
template<class T>
class BSTree
{
//别名:类型名字
typedef BSTNode<T> Node;
//中序遍历
void InOrder()
{
_InOrder(_root);
cout << endl;
}
//析构函数
~BSTree()
{
Destroy(_root);
_root = nullptr;
}
//查找
bool find(const T& data)
{
Node* cur = _root;
while (cur)
{
if (cur->_data < data)
{
cur = cur->_pLeft;
}
else if (cur->_data == data)
{
cur = cur->_pRight;
}
else
{
return true;
}
}
return false;
}
//插入
bool Insert(const K& key)
{
if (_root == nullptr)
{
_root = new Node(key);
return true;
}
Node* curp = nullptr;
Node* cur = _root;
while (cur)
{
if (key > cur->_data)
{
curp = cur;
cur = cur->_pRight;
}
else if (key < cur->_data)
{
curp = cur;
cur = cur->_pLeft;
}
else
{
return false;
}
}
cur = new Node(key);
//看新建的节点是在curp的那一边
if (curp->_date <cur)
{
curp->_pRight = cur;
}
else
{
curp->_pLeft = cur;
}
}
//删除
bool Erase(const K& key)
{
Node* curp = nullptr;
Node* cur = _root;
while (cur)
{
if (cur->_data < key)
{
curp = cur;
cur = cur->_pRight;
}
else if (cur->_data > key)
{
curp = cur;
cur = cur->_pLeft;
}
else//找到与key相等的值,开始执行删除
{
//一个孩子,但右孩子为空,只有左孩子
if (cur->_pRight == nullptr)
{
//如果cur的父亲为空,那么意味着cur为父亲,删除,将cur目前的左变为根即可即可
if (curp == nullptr) cur = cur->_pLeft;
//否则看cur是curp的左还是右
else
{
//如果curp的左为cur,那么就将curp的左指向cur的左,然后删除cur
if (curp->_pLeft == cur)
{
curp->_pLeft = cur->_pLeft;
}
else
{
curp->_pRight = cur->_pLeft;
}
}
//删除cur节点
delete cur;
return true;
}
//一个孩子,但左孩子为空,只有右孩子
else if (cur->_pLeft == nullptr)
{
//如果cur的父亲为空,那么意味着cur为父亲,删除,将cur目前的右变为根即可即可
if (curp == nullptr) cur = cur->_pRight;
//否则看cur是curp的左还是右
else
{
//如果curp的左为cur,那么就将curp的左指向cur的右,然后删除cur
if (curp->_pLeft == cur)
{
curp->_pLeft = cur->_pRight;
}
else
{
curp->_pRight = cur->_pRight;
}
}
delete cur;
return true;
}
else
{
//两个孩子的情况
Node* rightMinp = cur;给他为cur是为了防止不进入下面while而导致的空指针情况
Node* rightMin = cur->_pRight;//这里给right的目的是因为我们找的是右子树最左边的,即右子树最小的数
//然后走到右子树的最左节点
while (rightMin->_pLeft)
{
rightMinp = rightMin;
rightMin = rightMin->_pLeft;
}
//找人看孩子
cur->_data = rightMin->_data;
//走了循环的判断
if (rightMinp->_pLeft == rightMin)
{
rightMinp->_pLeft = rightMin->_pRight;
}
else
rightMinp->_pRight = rightMin->_pRight;
//删除rightMin节点
delete rightMin;
return true;
}
}
}
}
public:
void _InOrder(Node* root)
{
if (root == nullptr) return;
_InOrder(root->_pLeft);
cout << root->_data << " ";
_InOrder(root->_pRight);
}
void Destroy(Node* root)
{
if (root == nullptr) return;
Destroy(root->_pLeft);
Destroy(root->_pRight);
delete root;
}
private:
Node* _root;
};
}
四、二叉搜索树的应用
- K模型:K模型即只有key作为关键码,结构中只需要存储Key即可,关键码即为需要搜索到的值。
比如:给一个单词word,判断该单词是否拼写正确,具体方式如下:
以词库中所有单词集合中的每个单词作为key,构建一棵二叉搜索树在二叉搜索树中检索该单词是否存在,存在则拼写正确,不存在则拼写错误。 - KV模型:每一个关键码key,都有与之对应的值Value,即<Key, Value>的键值对。该种方式在现实生活中非常常见:
比如英汉词典就是英文与中文的对应关系,通过英文可以快速找到与其对应的中文,英文单词与其对应的中文<word, chinese>就构成一种键值对;再比如统计单词次数,统计成功后,给定单词就可快速找到其出现的次数,单词与其出现次数就是<word, count>就构成一种键值对。
//kv接口二叉搜索住
template<class K,class V>
struct BSTNode
{
K _key;
V _value;
BSTNode<K,V>* _left;
BSTNode<K,V>* _right;
BSTNode(const K& key,const V& value)
:_key(key)
,_value(value)
, _left(nullptr)
, _right(nullptr)
{}
};
template<class K, class V>
class BSTree
{
typedef BSTNode<K,V> Node;
public:
BSTree() = default;
BSTree(const BSTree<K, V>& t)
{
_root = Copy(t._root);
}
~BSTree()
{
Destroy(_root);
_root = nullptr;
}
bool Insert(const K& key,const V& value)
{
if (_root == nullptr)
{
_root = new Node(key,value);
return true;
}
Node* parent = nullptr;
Node* cur = _root;
while (cur)
{
if (cur->_key < key)
{
parent = cur;
cur = cur->_right;
}
else if (cur->_key > key)
{
parent = cur;
cur = cur->_left;
}
else
{
return false;
}
}
cur = new Node(key, value);
if (parent->_key < key)
{
parent->_right = cur;
}
else
{
parent->_left = cur;
}
return true;
}
Node* Find(const K& key)
{
Node* cur = _root;
while (cur)
{
if (cur->_key < key)
{
cur = cur->_right;
}
else if (cur->_key > key)
{
cur = cur->_left;
}
else
{
return cur;
}
}
return nullptr;
}
void InOrder()
{
_InOrder(_root);
cout << endl;
}
bool Erase(const K& key)
{
Node* parent = nullptr;
Node* cur = _root;
while (cur)
{
if (cur->_key < key)
{
parent = cur;
cur = cur->_right;
}
else if (cur->_key > key)
{
parent = cur;
cur = cur->_left;
}
else
{
//erase
//一个孩子时,但左孩子为空
if (cur->_left == nullptr)
{
//判断父亲节点是否存在
//若不存在就只动_root就好
if (parent == nullptr)
_root = cur->_right;
else
{
//判断cur是否是parent的左右孩子
//若是左孩子,就parent左对应cur的右
//若是右孩子,就parent左对应cur的右
if (parent->_left == cur)
{
parent->_left = cur->_right;
}
else
{
parent->_right = cur->_right;
}
}
delete cur;
return true;
}
else if (cur->_right == nullptr)//一个孩子时,但右孩子为空
{
//判断父亲节点是否存在
//若不存在就只动_root就好
if (parent == nullptr)
_root = cur->_left;
else
{
//判断cur是否是parent的左右孩子
//若是左孩子,就parent左对应cur的左
//若是右孩子,就parent左对应cur的左
if (parent->_left == cur)
{
parent->_left = cur->_left;
}
else
{
parent->_right = cur->_left;
}
}
delete cur;
return true;
}
else
{
//2个孩子的情况
Node* rightMinP = cur;//给他为cur是为了防止不进入下面while而导致的空指针情况
Node* rightMin = cur->_right;//这里给right的目的是因为我们找的是右子树最左边的,即右子树最小的数
while (rightMin->_left)
{
rightMinP = rightMin;
rightMin = rightMin->_left;
}
//找人看孩子
cur->_key = rightMin->_key;
//走这个循环后的判断
if (rightMinP->_left == rightMin)
rightMinP->_left = rightMin->_right;
else//不走这个循环的判断
rightMinP->_right = rightMin->_right;
delete rightMin;
return true;
}
}
}
return false;
}
private:
void _InOrder(Node* root)
{
if (root == nullptr)
return;
_InOrder(root->_left);
cout << root->_key << ":"<<root->_value<<endl;
_InOrder(root->_right);
}
void Destroy(Node* root)
{
if (root == nullptr)
return;
Destroy(root->_left);
Destroy(root->_right);
delete root;
}
Node* Copy(Node* root)
{
if (root == nullptr)
return nullptr;
Node* newRoot = new Node(root->_key, root->_value);
newRoot->_left = Copy(root->_left);
newRoot->_right = Copy(root->_right);
return newRoot;
}
private:
Node* _root = nullptr;
};
kv结构二叉搜索树的几个测试用例:
void TestBSTree1()
{
// 输入单词,查找单词对应的中文翻译
BSTree<string, string> dict;
dict.Insert("string", "字符串");
dict.Insert("tree", "树");
dict.Insert("left", "左边、剩余");
dict.Insert("right", "右边");
dict.Insert("sort", "排序");
// 插入词库中所有单词
string str;
while (cin>>str)
{
BSTreeNode<string, string>* ret = dict.Find(str);
if (ret == nullptr)
{
cout << "单词拼写错误,词库中没有这个单词:" <<str <<endl;
}
else
{
cout << str << "中文翻译:" << ret->_value << endl;
}
}
}
void TestBSTree2()
{
// 统计水果出现的次数
string arr[] = { "苹果", "西瓜", "苹果", "西瓜", "苹果", "苹果", "西瓜",
"苹果", "香蕉", "苹果", "香蕉" };
BSTree<string, int> countTree;
for (const auto& str : arr)
{
// 先查找水果在不在搜索树中
// 1、不在,说明水果第一次出现,则插入<水果, 1>
// 2、在,则查找到的节点中水果对应的次数++
//BSTreeNode<string, int>* ret = countTree.Find(str);
auto ret = countTree.Find(str);
if (ret == NULL)
{
countTree.Insert(str, 1);
}
else
{
ret->_value++;
}
}
countTree.InOrder();
}
五、二叉搜索树的性能分析
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。
对有n个结点的二叉搜索树,若每个元素查找的概率相等,则二叉搜索树平均查找长度是结点在二叉搜索树的深度的函数,即结点越深,则比较次数越多。
但对于同一个关键码集合,如果各关键码插入的次序不同,可能得到不同结构的二叉搜索树:
最优情况下,二叉搜索树为完全二叉树(或者接近完全二叉树),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(或者类似单支),其平均比较次数为:N.
问题:如果退化成单支树,二叉搜索树的性能就失去了。那能否进行改进,不论按照什么次序插入关键码,二叉搜索树的性能都能达到最优?那就需要引入AVL树和红黑树了。