这个方法,后面结点调整会用到; 当插入数据之后,判断当前二叉树是否为平衡二叉树,不是的话需要调整。
// IsBalanceTree 判断是是否为平衡二叉树
func (a *AVLTree) IsBalanceTree() bool {
return a.isBalanceTree(a.root)
}
// isBalanceTree 递归判断
func (a AVLTree) isBalanceTree(node *TreeNode) bool {
// node是nil的,返回 true
if node == nil {
return true
}
// 获取当前结点的平衡因子
factor := a.balanceFactor(node)
// 如果平衡因子大于1的话,说明是非平衡二叉树
if factor * factor > 1 {
return false
}
// 判断左右子树平衡因子大于1
return a.isBalanceTree(node.left) && a.isBalanceTree(node.right)
}
复制代码
3.5. 结点增加
这里先使用上一节二叉查找树的中序遍历,进行数据展示。接着用递归实现二叉树查找树的插入:
// Insert 插入数据
func (a *AVLTree) Insert(data int) {
a.root = a.insert(a.root, data)
}
// max x,y两个树之间的最大值
func max(x, y int) int {
if x > y {
return x
}
return y
}
// insert 内置的递归函数构建二叉查找树
func (a *AVLTree) insert(node *TreeNode, data int) *TreeNode {
// 当前结点如果是nil,创建新结点并返回
if node == nil {
return NewTreeNode(data)
}
// 如果当前结点的data小于data值
if node.data < data {
// 从右子树添加
node.right = a.insert(node.right, data)
}
// 如果当前结点的data大于data值
if node.data > data {
// 从左子树添加
node.left = a.insert(node.left, data)
}
// 更新高度值
node.height = 1 + max(a.height(node.left), a.height(node.right))
// 计算当前结点的平衡因子
balanceFactor := a.balanceFactor(node)
fmt.Printf(“结点:%d:%d => %d\n”, node.data, node.height, balanceFactor)
return node
}
复制代码
3.6. 测试
这里通过生成1000个随机数,输出构建的二叉查树。
func TestNewTreeNode(t *testing.T) {
rand.Seed(time.Now().UnixNano())
tree := AVLTree{}
for i := 0; i < 1000; i++ {
tree.Insert(rand.Intn(1000))
}
tree.InOrderTraverse()
}
复制代码
四. 插入维护平衡
当有一个结点插入之后,会出现二叉树平衡性被打破,此时就需要去维护二叉树查找树,使二叉查找树保存平衡因子不超过1。
在3.5
中在构建二叉查找树过程中只设置height
和计算平衡因子。但是并没有维护插入结点之后对于整棵树的平衡性。
// insert 内置的递归函数构建二叉查找树
func (a *AVLTree) insert(node *TreeNode, data int) *TreeNode {
// 当前结点如果是nil,创建新结点并返回
if node == nil {
return NewTreeNode(data)
}
// 如果当前结点的data小于data值
if node.data < data {
// 从右子树添加
node.right = a.insert(node.right, data)
}
// 如果当前结点的data大于data值
if node.data > data {
// 从左子树添加
node.left = a.insert(node.left, data)
}
// 更新高度值
node.height = 1 + max(a.height(node.left), a.height(node.right))
// 计算当前结点的平衡因子
balanceFactor := a.balanceFactor(node)
// TODO 维护平衡
return node
}
复制代码
这里我们就需要讨论一下,当插入结点之后会出现不平衡的情况已经如何去维护平衡。
注意:在结点增加之前,二叉树查找树是平衡二叉树;在增加之后才会破坏原来的平衡状态。
4.1. RR型:右旋转
当增加结点的一直往左子树上增加,平衡因子超过1之后就会不平衡,如下图:
从图中可以看出,触发右旋转的条件:当前结点的平衡因子大于1并且当前结点的左子树的平衡因子大于等于0
,这样可以保证二叉树是向左侧偏的。接着看一下应该如何右旋转:
从上图可知:将B结点指向D2的指针指向A结点,再将A结点的左指针指向原来B结点指向的D2结点;最后还需要修改A、B两个结点的高度。
代码实现:
// rightSpin 右旋转
func (a *AVLTree) rightSpin(node *TreeNode) *TreeNode {
// 先保存指针指向的地址
lCh := node.left
lRCh := lCh.right
// 旋转
lCh.right = node
node.left = lRCh
// 更新height,先更新node结点(旋转之后node结点变成了,lCh的子结点),接着在更新lCh结点的高度
node.height = max(a.height(node.left), a.height(node.right)) + 1
lCh.height = max(a.height(lCh.left), a.height(lCh.right)) + 1
// 返回旋转之后的根结点
return lCh
}
复制代码
4.2. LL:左旋转
左旋转和右旋转是想反的操作。增加的结点一直向右侧偏移,平衡因子超过-1说明当前二叉树不是平衡二叉树。
从图中可以知道触发左旋转的条件是:当前结点的平衡因子小于-1并且当前结点的右子树的平衡因子小于等于0
,这样可以保证二叉树是向右侧偏的。接着看一下应该如何左旋转:
实现和右旋转是相反的,代码实现:
// leftSpin 左旋转
func (a *AVLTree) leftSpin(node *TreeNode) *TreeNode {
// 先保存指针指向的地址
rCh := node.right
rLCh := rCh.left
// 选装
rCh.left = node
node.right = rLCh
// 更新高度
node.height = max(a.height(node.left), a.height(node.right)) + 1
rCh.height = max(a.height(rCh.left), a.height(rCh.right)) + 1
// 返回旋转之后的根结点
return rCh
}
复制代码
4.3. LR:左旋转;右旋转
这种情况对应下图,指的是在某一个结点的左孩子的右子树上增加结点导致不平衡。
将失衡的状态,需要先进行左旋转转换为我们熟悉的RR型,然后按照RR型进行右旋转。
4.4. RL:右旋转;左旋转
这种情况对应下图,指的是在某一个结点的右孩子的左子树上增加结点导致不平衡。
将失衡的状态,需要先进行右旋转转换为我们熟悉的LL型,然后按照LL型进行左旋转。
4.5. 完善插入方法
将上面四种情况整合回溯的维护平衡的部分;这样就可以将二叉查找树转为AVL树。
先将维护平衡地方抽取成一个方法:
// maintain 维护平衡
func (a *AVLTree) maintain(node *TreeNode) *TreeNode {
// 计算当前结点的平衡因子
balanceFactor := a.balanceFactor(node)
// 右旋转
if balanceFactor > 1 && a.balanceFactor(node.left) >= 0 {
return a.rightSpin(node)
}
// 左旋转
if balanceFactor < -1 && a.balanceFactor(node.right) <= 0 {
return a.leftSpin(node)
}
// LR
if balanceFactor > 1 && a.balanceFactor(node.left) < 0 {
node.left = a.leftSpin(node.left)
return a.rightSpin(node)
}
// RL
if balanceFactor < -1 && a.balanceFactor(node.right) > 0 {
node.right = a.rightSpin(node.right)
return a.leftSpin(node)
}
return node
}
复制代码
插入方法的实现:
// Insert 插入数据
func (a *AVLTree) Insert(data int) {
a.root = a.insert(a.root, data)
}
// insert 递归插入数据
func (a *AVLTree) insert(node *TreeNode, data int) *TreeNode {
// 当前结点如果是nil,创建新结点并返回
if node == nil {
return NewTreeNode(data)
}
// 如果当前结点的data小于data值
if node.data < data {
// 从右子树添加
node.right = a.insert(node.right, data)
}
// 如果当前结点的data大于data值
if node.data > data {
// 从左子树添加
node.left = a.insert(node.left, data)
}
// 更新高度值
node.height = 1 + max(a.height(node.left), a.height(node.right))
// 维护平衡
return a.maintain(node)
}
复制代码
最后测试一下极端情况(顺序写入结点数据):
func TestNewTreeNode(t *testing.T) {
tree := AVLTree{}
for i := 0; i < 10000; i++ {
tree.Insert(i)
}
t.Log(tree.IsBalanceTree()) // true
总结
虽然我个人也经常自嘲,十年之后要去成为外卖专员,但实际上依靠自身的努力,是能够减少三十五岁之后的焦虑的,毕竟好的架构师并不多。
架构师,是我们大部分技术人的职业目标,一名好的架构师来源于机遇(公司)、个人努力(吃得苦、肯钻研)、天分(真的热爱)的三者协作的结果,实践+机遇+努力才能助你成为优秀的架构师。
如果你也想成为一名好的架构师,那或许这份Java成长笔记你需要阅读阅读,希望能够对你的职业发展有所帮助。
高度值
node.height = 1 + max(a.height(node.left), a.height(node.right))
// 维护平衡
return a.maintain(node)
}
复制代码
最后测试一下极端情况(顺序写入结点数据):
func TestNewTreeNode(t *testing.T) {
tree := AVLTree{}
for i := 0; i < 10000; i++ {
tree.Insert(i)
}
t.Log(tree.IsBalanceTree()) // true
总结
虽然我个人也经常自嘲,十年之后要去成为外卖专员,但实际上依靠自身的努力,是能够减少三十五岁之后的焦虑的,毕竟好的架构师并不多。
架构师,是我们大部分技术人的职业目标,一名好的架构师来源于机遇(公司)、个人努力(吃得苦、肯钻研)、天分(真的热爱)的三者协作的结果,实践+机遇+努力才能助你成为优秀的架构师。
如果你也想成为一名好的架构师,那或许这份Java成长笔记你需要阅读阅读,希望能够对你的职业发展有所帮助。
[外链图片转存中…(img-o31AAgdY-1714193802076)]