2024年最全平衡二叉树（AVL树），原来如此！(2)，2024年最新成功入职阿里月薪45K

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

一、认识平衡二叉树

前几天，我们将搜索二叉树（也称为二叉排序树）讲解了，重点讲了搜索二叉树的插入和删除操作，由特别是删除操作，是比较难的知识点。现在我们将继续在搜索二叉树的基础之上，学习一颗新的数，那就是大名鼎鼎的平衡二叉树（AVL树）。在学习平衡二叉树前，同学们需掌握了搜索二叉树的基本操作之后，再来看平衡二叉树的知识，就会简单一点哦！！！

前期文章：二叉树的概念以及搜索二叉树。

本期文章：GitHub源码链接。

我们前面讲了搜索二叉树的定义：一个节点的左子节点的关键字值小于这个节点，右子节点的关键字值大于或等于这个父节点。简单点说就是左边的小，右边的大。现在我们试着将这个数组插入到搜索二叉树，看看是什么样子？

int[] array = {1,2,3,4,5,6,7,8}; //升序

当我们试着去插入后，会发现，这颗搜索二叉树有一点怪怪，如图：

根据上面的图，我们可以看出，当我们去对一个本身已经有序的数组，去插入到搜索二叉树中，结果却跟“链表”长得更相似。也就是说，假设我们需要查找8，这颗搜索二叉树的时间复杂度就跟链表一样，是O(N)了。所以怎么办？？？ 就出现了今天的主题：平衡二叉树。

要想使时间复杂度降下来，我们就得调整这棵树的“样子”，使之查找元素的时间复杂度，跟这棵树的深度直接挂钩，直接变为O(logN)。所以我们得从添加元素的时候着手。平衡二叉树代码的整体框架，跟搜索二叉树差不多，如下：

class TreeNode {
    public int val;
    public int height;  //新加的成员变量：节点高度
    public TreeNode left;
    public TreeNode right;
    
    public TreeNode(int val) {
        this.val = val;
        this.height = 1; //新节点的初始高度为1
    }
}

public class AVL{
    private TreeNode root; //根结点
    
    public void add(int val) { //插入新的节点
        
    }
    
    public void remove(int val) { //删除对应的节点
        
    }
    
    public boolean contains(int val) { //查询是否有该值
        
    }
    
}

二、插入操作

首先，平衡二叉树与搜索二叉树的差别在于：平衡二叉树，它自己可以自动调节整棵树的平衡，也叫自平衡机制。 所以在平衡二叉树里，有一个概念叫做平衡因子，意思就是： 对于每一个子树而言，它的左子树的高度 减去 右子树的高度 ，差值的绝对值不能超过1；换句话说就是：两边高度相减的范围必须在[-1,1]，这个区间呢，才能称为平衡。这也是我们为什么在TreeNode类里面加入了height这个变量的原因。

插入操作，我们只需掌握4种不同情况导致的不平衡。分别是 LL型、RR型、LR型和RL型。

• LL型

就如上面这幅图所示，当我们插入5节点后，计算平衡因子，我们就会发现，在12结点处的平衡因子超过了1，所以我们需要对12这个节点进行调整。正是因为2节点的插入，从而导致了12节点的不平衡，而5节点在12节点的左子树（8节点）的左子树（5节点）。所以这种情况就叫LL型。我们稍微将上面的图再“装饰”一下，将它们各自的子节点都显示出来，如下图：（注：T1~T4，在实际的情况中可能没有，此时是为了让大家更好理解如何去进行旋转操作，才加上的）

LL型动图

对于LL型，我们需要进行右旋转操作，同学们根据动图，自行在纸上画一下是如何进行连接的，就能更好的理解其中的关系。代码图如下：

最后，我们还要再说一下，旋转之后，只有两个节点的高度是需要更改的，就是root和tmp这两个节点的高度，等于它左右子树的高度，再加上自己本身的高度值1，就是旋转之后，这个节点的新高度了。切记：必须先计算root的高度之后，才能计算tmp的高度，因为root是tmp的右子树，tmp的高度是依赖于root的高度值。

• RR型

讲完了LL型，RR型，也就简单了许多，RR型和LL型是差不多的。只是二者互为镜像而已。我们就直接看动图吧！

RR型动图

计算高度的节点还是root和tmp这两个节点，还是先计算root的高度，再计算tmp的高度。代码图如下：

• LR型

讲完了LL型和RR型，接来了的LR和RL型，就非常简单，因为LR和RL，根本不需要重新再写新的方法，我们只需要旋转两次，就是LR或者RL的操作，多的不说，我们以图为切入点，展开来讲；

上图就是LR型的情况，当我们尝试着上面的LL型和RR型，发现是解决不了问题的。我们只有想办法让LR型转化成LL型，问题就迎刃而解了。问题在于怎么转化？ 来，我们看下图：

我们可以发现，我们只需将8节点先向左旋转一下，就能得到LL型的状态。得到LL型后，问题就回到了LL型上，那我们再整体向右旋转一次，就能达到平衡的效果。我们以动图来演示一下：

LR型动图

• RL型

相应的RL型，跟LR型也是差不多，就是镜像而已。LR是先左旋转再右旋转，而RL是先有旋转再左旋转。我们还是以图来展开说明吧！

旋转过程如下：

整体的代码演示，我先以图片的形式，将框架分出来，看着更为直观一点，更容易理解一点。

public void add(int val) {
    root = add(root, val);
}

private TreeNode add(TreeNode node, int val) {
    if (node == null) {
        return new TreeNode(val);
    }

    if (val < node.val) {
        node.left = add(node.left, val);
    } else { //大于等于的情况，还是需要新建节点
        node.right = add(node.right, val);
    }

    //计算当前节点的高度
    node.height = Math.max(getHeight(node.left), getHeight(node.right)) + 1; //取左右两边的最大值，再加1

    //计算平衡因子
    int balanceFactor = getBalanceFactor(node);
    if (Math.abs(balanceFactor) > 1) {
        //LL型，做右旋转处理
        if (balanceFactor > 1 && getBalanceFactor(node.left) >= 0) {
            return R\_Rotate(node); //直接将新的根结点返回即可
        }

        //RR型，做左旋转处理
        if (balanceFactor < -1 && getBalanceFactor(node.right) <= 0) {
            return L\_Rotate(node); //新的根节点，直接返回
        }

        //LR型，先对左子树进行左旋转，然后再对根节点进行右旋转
        if (balanceFactor > 1 && getBalanceFactor(node.left) < 0) {
            node.left = L\_Rotate(node.left); //先进行左旋转，变成LL型
            return R\_Rotate(node); //再进行右旋转
        }

        //RL型，先对右子树进行右旋转，然后再对根节点进行左旋转
        node.right = R\_Rotate(node.right);
        return L\_Rotate(node);
    }
    return node;
}

//计算平衡因子
private int getBalanceFactor(TreeNode node) {
    if (node == null) {
        return 0;
    }
    return getHeight(node.left) - getHeight(node.right);
}
//计算节点的高度
private int getHeight(TreeNode node) {
    if (node == null) {
        return 0;
    }
    return node.height;
}

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

需要这份系统化的资料的朋友，可以添加戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！