前言:在二叉搜索树(BST)中,查找、插入和删除操作的效率依赖于树的高度。如果树不平衡,它的性能可能会大大降低,接近 O(n)。为了解决这个问题,AVL 树也就应运而生。
✨✨✨这里是秋刀鱼不做梦的BLOG
✨✨✨想要了解更多内容可以访问我的主页秋刀鱼不做梦-CSDN博客
在开始学习之前,先让我们看一下本文大致的讲解内容:
目录
(3)新节点插入较高左子树的右侧:先左单旋再右单旋(左右双旋)
(4)新节点插入较高右子树的左侧---右左:先右单旋再左单旋(右左双旋)
1.AVL树的概念
在正式的学习Java中的AVL树之前,先让我们了解一下什么是AVL树:
AVL 树是一种自平衡的二叉搜索树(BST),以其发明者 G. M. Adelson-Velsky 和 E. M. Landis 的名字命名。
与普通的二叉搜索树不同,AVL 树在每次插入和删除节点后会自动进行调整,以保证树的平衡。
AVL 树通过控制每个节点的左右子树高度差不超过 1 来保持平衡。这样的设计保证了在最坏情况下,AVL 树的高度为 O(log n),从而提高了查找、插入和删除操作的效率。
就跟前言中提及的一样,AVL树的出现就是为了解决在二叉搜索树中,查找、插入和删除操作的性能降低问题,提高搜索效率。
当然,看完上述有关AVL树的简介之后,我们还是不能很好的理解Java中的AVL树,接下来让我们一层一层的拨开其神秘的面纱。
2.AVL树节点的定义
AVL树是一棵平衡二叉搜索树,既然是树,那么就会有节点的定义,而AVL树的节点的定义如下:
public static class AVLTreeNode {
public int val; // 节点的值
public AVLTreeNode left; // 左子节点
public AVLTreeNode right; // 右子节点
public AVLTreeNode parent; // 父节点
public int bf; // 平衡因子 (Balance Factor)
// 构造函数,用于创建带有指定值的节点
public AVLTreeNode(int val) {
this.val = val; // 初始化节点的值
}
}
这里我们在进行解释一下:
AVL 树节点类解释:
val
:节点的值,表示存储在该节点中的整数。
left
:左子节点,指向该节点的左孩子。如果没有左孩子,则为null
。
right
:右子节点,指向该节点的右孩子。如果没有右孩子,则为null
。
parent
:父节点,指向该节点的父节点。如果该节点是根节点,则parent
为null
。
bf
:平衡因子(Balance Factor),表示当前节点左右子树的高度差。平衡因子的值可以是 -1、0 或 1,用于决定是否需要旋转以保持 AVL 树的平衡性。
这样我们就了解了Java中AVL树的节点的定义了!接下来让我们将一个一个的节点插入二叉树中创建一棵AVL树吧。
3.AVL树的插入操作
AVL树就是在二叉搜索树的基础上引入了平衡因子,因此AVL树也可以看成是二叉搜索树。那么AVL树的插入过程可以分为两步:
按照二叉搜索树的方式插入新节点
调整节点的平衡因子
Java中AVL树的插入操作代码:
public void insertAVLTreeNode(int val) {
// 插入节点
AVLTreeNode node = new AVLTreeNode(val); // 创建一个新的 AVL 树节点
if (root == null) { // 如果根节点为空,直接将新节点设为根节点
root = node;
return;
}
AVLTreeNode prev = null; // prev 用于保存当前遍历节点的父节点
AVLTreeNode cur = root; // 从根节点开始查找插入位置
// 寻找插入位置
while (cur != null) {
if (cur.val < val) { // 如果当前节点的值小于待插入值,移动到右子树
prev = cur;
cur = cur.right;
} else if (cur.val > val) { // 如果当前节点的值大于待插入值,移动到左子树
prev = cur;
cur = cur.left;
} else {
// 如果当前节点的值等于待插入值,不做任何操作,直接返回(不允许重复节点)
return;
}
}
// 插入新节点
if (prev.val < val) {
prev.right = node; // 将新节点作为父节点的右子节点
} else {
prev.left = node; // 将新节点作为父节点的左子节点
}
cur = node; // 当前节点指向新插入的节点
AVLTreeNode parent = cur.parent; // 获取当前节点的父节点
// 修改平衡因子 + 检查是否满足 AVL 树的平衡条件
while (parent != null) { // 从新插入的节点向上更新平衡因子
if (parent.left == node) {
parent.bf--; // 如果新节点是左子树,平衡因子减 1
} else {
parent.bf++; // 如果新节点是右子树,平衡因子加 1
}
// 如果平衡因子为 0,子树高度没有变化,树保持平衡,直接返回
if (parent.bf == 0) {
return;
}
// 如果平衡因子为 1 或 -1,树还是平衡的,继续向上更新
else if (parent.bf == 1 || parent.bf == -1) {
cur = parent; // 向上移动
parent = cur.parent; // 更新父节点
}
// 如果平衡因子为 2 或 -2,表示需要进行旋转操作来保持平衡
else {
if (parent.bf == 2) { // 左子树高,需要左旋
if (cur.bf == 1) {
rotateLeft(parent); // 单左旋
} else {
rotateRL(parent); // 先右后左旋 (RL)
}
} else {
// parent.bf == -2, 右子树高,需要右旋
if (cur.bf == -1) {
rotateRight(parent); // 单右旋
} else {
rotateLR(parent); // 先左后右旋 (LR)
}
}
}
}
}
上述代码的总梳理:
节点插入:首先找到合适的位置,插入新节点到二叉搜索树的正确位置。
更新平衡因子:在插入新节点后,需要从插入节点开始逐层向上更新其祖先节点的平衡因子(
bf
)。检查是否需要旋转
:如果某个祖先节点的平衡因子绝对值大于 1,就需要通过旋转操作恢复平衡。
左旋(
rotateLeft
):当插入导致某个节点的左子树过高时。右旋(
rotateRight
):当插入导致某个节点的右子树过高时。左右旋(
rotateRL
):当插入到右子树的左子树时,需要先右旋再左旋。右左旋(
rotateLR
):当插入到左子树的右子树时,需要先左旋再右旋。
当然,读者读到此处会问,什么是左旋,什么又是右旋,左右旋又是什么东西?这些东西又是干什么用的呢?接着往下看即可。
4.AVL树旋转操作
在AVL树的创建中,旋转使AVL树平衡是必不可少的,如果在一棵原本是平衡的AVL树中插入一个新节点,就可能造成不平衡,此时必须调整树的结构,使之平衡化。
根据节点插入位置的不同,AVL树的旋转分为四种:
(1)新节点插入较高右子树的右侧---左单旋
以下为Java中实现AVL树左单旋的代码:
public void rotateLeft(AVLTreeNode parent) {
// 获取当前失衡节点的右子节点
AVLTreeNode subR = parent.right;
// 获取右子节点的左子节点,因为旋转后这个节点将成为父节点的右子节点
AVLTreeNode subRL = subR.left;
// 执行左旋:将 parent 的右子节点指向 subR 的左子节点
parent.right = subRL;
// 将 subR 的左子节点指向 parent
subR.left = parent;
// 如果 subR 的左子节点存在,更新其父节点为 parent
if (subRL != null) {
subRL.parent = parent;
}
// 获取 parent 的父节点,以便更新连接
AVLTreeNode parParent = parent.parent;
// 将 parent 的父节点指向 subR
parent.parent = subR;
// 如果 parent 是根节点,更新根节点为 subR
if (parent == root) {
root = subR;
subR.parent = null; // 新根节点的父节点应为空
} else {
// 如果 parent 不是根节点,根据 parent 是其父节点的左子节点还是右子节点,更新父节点的指针
if (parParent.left == parent) {
parParent.left = subR; // 如果 parent 是左子节点,更新为 subR
} else {
parParent.right = subR; // 如果 parent 是右子节点,更新为 subR
}
subR.parent = parParent; // 更新 subR 的父节点为 parent 的父节点
}
// 更新平衡因子,旋转后 parent 和 subR 的平衡因子都恢复为 0
parent.bf = subR.bf = 0;
}
代码解释:
- 获取右子节点:
subR = parent.right
表示我们要对parent
节点进行左旋操作,旋转的是parent
的右子节点。- 重新连接节点:在左旋操作中,
parent
的右子节点(subR
)上升,成为新的父节点,原来的parent
降为subR
的左子节点。- 处理子树:如果
subR
的左子节点存在,左旋后需要将这个左子节点接到parent
的右子树上。- 根节点的特殊处理:如果
parent
是根节点,则旋转后subR
成为新的根节点,否则,更新parent
的父节点(parParent
)的子节点指向。- 更新平衡因子:由于旋转操作恢复了子树的平衡,
parent
和subR
的平衡因子都设置为 0。
(2)新节点插入较高左子树的左侧---右单旋
以下为Java中实现AVL树左单旋的代码:
public void rotateRight(AVLTreeNode parent) {
// 获取parent的左子节点
AVLTreeNode subL = parent.left;
// 获取subL的右子节点,用于更新parent的左子节点
AVLTreeNode subLR = subL.right;
// 将parent的左子节点更新为subL的右子节点
parent.left = subLR;
// 将subL的右子节点设为parent,完成右旋
subL.right = parent;
// 如果subLR不为空,将其父节点设为parent
if (subLR != null) {
subLR.parent = parent;
}
// 获取parent的父节点parParent
AVLTreeNode parParent = parent.parent;
// 更新parent的父节点为subL
parent.parent = subL;
// 如果parent是根节点,更新根节点为subL
if (parent == root) {
root = subL;
subL.parent = null; // subL成为新的根节点,没有父节点
} else {
// 否则,判断parent是parParent的左子节点还是右子节点
if (parParent.left == parent) {
parParent.left = subL; // 如果parent是左子节点,更新parParent的左子节点为subL
} else {
parParent.right = subL; // 如果parent是右子节点,更新parParent的右子节点为subL
}
// 更新subL的父节点为parParent
subL.parent = parParent;
}
// 更新平衡因子,旋转后平衡因子都归为0
subL.bf = parent.bf = 0;
}
代码解释:
- subL、subLR的获取:首先获取
parent
节点的左子节点subL
,并从subL
获取其右子节点subLR
。这些节点用于旋转过程中重新构建子树。- 子节点指针的更新:在旋转时,
parent
的左子节点被更新为subL
的右子节点,而subL
的右子节点被更新为parent
。- 父节点更新:在旋转过程中,必须更新
parent
和subL
的父节点关系。如果parent
是根节点,旋转后的根节点需要更新为subL
。
(3)新节点插入较高左子树的右侧:先左单旋再右单旋(左右双旋)
以下为Java中实现AVL树左右双旋的代码:
public void rotateLR(AVLTreeNode parent) {
// 获取parent的左子节点
AVLTreeNode subL = parent.left;
// 获取subL的右子节点
AVLTreeNode subLR = subL.right;
// 记录subLR的平衡因子
int valBF = subLR.bf;
// 先对subL进行左旋转
rotateLeft(subL);
// 然后对parent进行右旋转
rotateRight(parent);
// 根据subLR的平衡因子更新旋转后的节点平衡因子
if (valBF == -1) {
// 如果subLR的平衡因子为-1,更新parent的平衡因子为1,subLR和subL的平衡因子为0
parent.bf = 1;
subLR.bf = 0;
subL.bf = 0;
} else if (valBF == 1) {
// 如果subLR的平衡因子为1,更新subL的平衡因子为-1,parent的平衡因子为0,subLR的平衡因子为0
subL.bf = -1;
parent.bf = 0;
subLR.bf = 0;
}
}
代码解释:
- 获取子节点:首先获取
parent
的左子节点subL
和subL
的右子节点subLR
,并记录subLR
的平衡因子。- 旋转操作:先对
subL
进行左旋转,然后对parent
进行右旋转。这两次旋转是处理左-右情况(LR)的标准操作。- 更新平衡因子:根据
subLR
的原始平衡因子(valBF
),更新旋转后节点的平衡因子。subLR
的平衡因子决定了旋转后的树的平衡状态。
(4)新节点插入较高右子树的左侧---右左:先右单旋再左单旋(右左双旋)
以下为Java中实现AVL树右左双旋的代码:
public void rotateRL(AVLTreeNode parent) {
// 获取parent的右子节点
AVLTreeNode subR = parent.right;
// 获取subR的左子节点
AVLTreeNode subRL = subR.left;
// 记录subRL的平衡因子
int valBF = subRL.bf;
// 先对subR进行右旋转
rotateRight(subR);
// 然后对parent进行左旋转
rotateLeft(parent);
// 根据subRL的平衡因子更新旋转后的节点平衡因子
if (valBF == -1) {
// 如果subRL的平衡因子为-1,更新parent的平衡因子为0,subRL的平衡因子为0,subR的平衡因子为1
parent.bf = 0;
subRL.bf = 0;
subR.bf = 1;
} else if (valBF == 1) {
// 如果subRL的平衡因子为1,更新parent的平衡因子为-1,subRL的平衡因子为0,subR的平衡因子为0
parent.bf = -1;
subRL.bf = 0;
subR.bf = 0;
}
}
代码解释:
- 获取子节点:首先获取
parent
的右子节点subR
和subR
的左子节点subRL
,并记录subRL
的平衡因子。- 旋转操作:先对
subR
进行右旋转,然后对parent
进行左旋转。这两个旋转操作用于处理右-左情况(RL)。- 更新平衡因子:根据
subRL
的原始平衡因子(valBF
),更新旋转后节点的平衡因子。subRL
的平衡因子决定了旋转后树的平衡状态。
通过以上的讲解,读者应该大致的了解了Java中AVL树的旋转操作了,也正是通过上述的旋转操作,解决了普通的二叉搜索树的单枝问题(时间复杂度O(N))。
5.AVL树的验证
AVL树是在二叉搜索树的基础上加入了平衡性的限制,因此要验证AVL树,可以分两步:
验证其为二叉搜索树 如果中序遍历可得到一个有序的序列,就说明为二叉搜索树
验证其为平衡树 每个节点子树高度差的绝对值不超过1(注意节点中如果没有平衡因子) 节点的平衡因子是否计算正确
那么我们就根据上述的原理,来对AVL树进行验证:
// 中序遍历树,按顺序打印节点值
public void inorder(TreeNode root) {
if (root == null) {
return; // 如果当前节点为空,直接返回
}
inorder(root.left); // 递归遍历左子树
System.out.println(root.val); // 打印当前节点的值
inorder(root.right); // 递归遍历右子树
}
// 判断一棵树是否为 AVL 树
public boolean isAVLTree(TreeNode root) {
if (root == null) {
return true; // 空树被认为是 AVL 树
}
// 获取当前节点的左子树和右子树的高度
int left = getHeight(root.left);
int right = getHeight(root.right);
// 检查当前节点的平衡因子是否与计算的高度差一致
if (right - left != root.bf) {
return false; // 平衡因子计算错误,不是 AVL 树
}
// 递归检查左子树和右子树是否都是 AVL 树,并且当前节点的左右子树高度差不超过 1
return Math.abs(right - left) <= 1 && isAVLTree(root.left)
&& isAVLTree(root.right);
}
// 获取树的高度
private int getHeight(TreeNode root) {
if (root == null) {
return 0; // 空节点高度为 0
}
if (root.left == null && root.right == null) {
return 1; // 叶节点高度为 1
}
// 递归计算左子树和右子树的高度,取较大值并加 1
return Math.max(getHeight(root.left), getHeight(root.right)) + 1;
}
解释:
-
inorder
方法:- 功能:中序遍历一棵树并打印每个节点的值。中序遍历的顺序是先左子树、再当前节点、最后右子树。
- 实现:递归遍历左子树,打印当前节点的值,然后递归遍历右子树。
-
isAVLTree
方法:- 功能:判断给定的树是否为 AVL 树。
- 实现:
- 先计算当前节点的左右子树高度。
- 检查节点的平衡因子是否与计算的高度差一致。
- 递归检查左右子树是否都是 AVL 树,并确保左右子树高度差不超过 1。
-
getHeight
方法:- 功能:计算树的高度。
- 实现:
- 对于空节点,返回高度 0。
- 对于叶节点(没有子节点),返回高度 1。
- 对于其他节点,递归计算左右子树的高度,返回较大值加 1。
通过上述的代码的返回值,我们就可以判断一棵树是否为AVL树了!
6.AVL树的删除操作
对于Java中AVL树的删除操作,因为AVL树也是二叉搜索树,可按照二叉搜索树的方式将节点删除,然后再更新平衡因子,只不过与删除不同的是,删除节点后的平衡因子更新,最差情况下一直要调整到根节点的位置。
其删除的基本思路为:
1、找到需要删除的节点
2、按照搜索树的删除规则删除节点
3、更新平衡因子,如果出现了不平衡,进行旋转。--单旋,双旋
由于AVL书的删除操作过于庞大与复杂,这里我们不做过多的解释,如果读者有兴趣,可以上网查阅资料或者可以参考《算法导论》这本书中的推演。
7.AVL树性能分析
AVL树是一棵绝对平衡的二叉搜索树,其要求每个节点的左右子树高度差的绝对值都不超过1,这样可以保证查询时高效的时间复杂度。
但是如果要对AVL树做一些结构修改的操作,性能非常低下,比如:插入时要维护其绝对平衡,旋转的次数比较多,更差的是在删除时,有可能一直要让旋转持续到根的位置。
因此如果需要一种查询高效且有序的数据结构,而且数据的个数为静态的(即不会改变),可以考虑AVL树,但一个结构经常修改,就不太适合。
以上就是本篇文章的全部内容了~~~