数据结构--知识点16--搜索算法(二叉树)

计算机基础 同时被 2 个专栏收录
27 篇文章 0 订阅
17 篇文章 0 订阅

一、树的概念

树是一种抽象数据类型(ADT)或是视作这种抽象数据类型的数据结构

1、特点

  • 每个节点有零个或多个子节点
  • 没有父节点的节点称为根节点
  • 每一个非根节点有且只有一个父节点
  • 除了根节点外,每个子节点可以分为**多个不相交(因为都只有一个父节点)**的子树

2、树的术语

  • 节点的度:一个节点含有的子树的个数称为该节点的度
  • 树的度:一棵树中,最大的节点的度称为树的度
  • 叶节点或终端节点:度为零的节点
  • 父亲节点或父节点:若一个节点含有子节点,则这个节点称为其子节点的父节点
  • 孩子节点或子节点:一个节点含有的子树的根节点称为该节点的子节点
  • 兄弟节点:具有相同父节点的节点互称为兄弟节点
  • 节点的层次:从根节点开始定义,根为第一层,根的子节点为第二层,以此类推
  • 树的高度或深度:树中节点的最大层次
  • 堂兄弟节点:父节点在同一层的节点互为堂兄弟
  • 节点的祖先:从根到该节点所经分支上的所有结点
  • 子孙:以某节点为根的子树中任一结点都称为该节点的子孙
  • 森林:由m(m>=0)棵互不相交的树的集合称为森林

3、树的种类

  • 无序树:树中任意节点的子节点之间没有顺序关系,这种树称为无序树,也称为自由树
  • 有序树:树中任意节点的子节点之间有顺序关系,这种树称为有序树
    • 二叉树:每个节点最多含有两个子树的树称为二叉树
      • 完全二叉树:对于一颗二叉树,假设其深度为d(d>1).除了第d层外,其他各层的节点数目均已达到最大值,且第d层所有节点从左向右连续的紧密排列,这样的二叉树被称为完全二叉树,其中满二叉树的定义是所有叶节点都在最底层的完全二叉树
      • 平衡二叉树(AVL树):当且仅当任何节点的两棵子树的高度差不大于1的二叉树
      • 排序二叉树(二叉查找树,也称二叉搜索树、有序二叉树):
    • 霍夫曼树(用于信息编码):带权路径最短的二叉树称为哈夫曼树或最优二叉树
    • B树:一种对读写操作进行优化的自平衡的二叉查找树,能够保持数据有序,拥有多余两个子树

4、树的存储与表示

顺序存储:将数据结构存储在固定的数组中,在遍历速度上有一定的优势,但因所占空间比较大,是非主流二叉树。二叉树通常以链式存储
在这里插入图片描述

链式存储:可以存储,但是子节点个数无法掌握,因此通常把多叉树转换为二叉树,子节点个数最多为2
在这里插入图片描述

5、常见的树的应用场景

  1. xml,html等
    在这里插入图片描述
  2. 路由协议使用了树的算法
  3. MySQL数据库索引
  4. 文件系统的目录结构
  5. 很多经典的AI算法,机器学习中的decision tree

二、二叉树

1、概念

二叉树是每个节点最多有两个子树的树结构,通常子树被称作‘左子树’和‘右子树’

2、性质

  1. 在二叉树的第i层上至多有2(i-1)个节点,i>0
  2. 深度为k的二叉树至多有2k-1个节点,k>0
  3. 对于任意一棵二叉树,如果其叶节点树为N0,而度数为2的节点总数为N2,则N0=N2+1
  4. 具有n个节点的完全二叉树的深度必为log2(n+1)
  5. 对完全二叉树,若从上至下、从左至右编号,则编号为i的节点,其左孩子编号必为2i,其右孩子编号必为2i+1,其双亲的编号必为i/2(i=1时为根,除外)

3、python实现二叉树的构建

# 定义节点
class Node(object):
    def __init__(self,item):
        self.elem=item
        self.lchild=Node
        self.rchild=Node
# 构建树
class Tree(object):
    # 二叉树
    def __init__(self):
        self.root=None
    def add(self,item):
        node=Node(item)
        if self.root is None:
            self.root=node
            return
        # 因为要将新节点插入树中,树上的元素可以按照队列的方式操作,
        # 那么就在树中构建一个队列,先遍历元素,然后再将元素放入队列,再进行元素的添加删除等
        # 通过队列的方式查找新节点应该放在哪里
        # queue=[] queue.append(self.root)
        # 先将根节点放入队列中
        queue=[self.root]
        # 每次取出的元素都进行相同的操作,直到队列中无元素
        # 这里使用列表的逻辑值判断,若为空返回False,只要有元素就返回True,即使是None
        while queue:
            # 创建一个游标从根节点开始遍历,此时队列中只有一个刚放进去的根节点,因此弹出的就是根节点
            cur_node=queue.pop(0)
            # 判断是否为空,为空时将新的元素挂到树上
            if cur_node.lchild is None:
                cur_node.lchild=node
                return  # 这里必须加,否则没有返回值
            else:
                # 不为空时,将此时左子树的元素放入队列
                queue.append(cur_node.lchild)
            if cur_node.rchild is None:
                cur_node.rchild=node
                return
            else:
                queue.append(cur_node.rchild)

4、二叉树的广度遍历

广度遍历(层次遍历)为从根节点,从上到下,从左到右进行遍历

def breath_travel(self):
    """广度遍历"""
    if self.root is None:
        return
    queue=[self.root]
    while queue:
        cur_node=queue.pop(0)
        print(cur_node.elem)
        if cur_node.lchild is not None:
            queue.append(cur_node.lchild)
        if cur_node.rchild is not None:
            queue.append(cur_node.rchild)

使用队列添加和遍历元素,所以元素的输出和输入特点是先进先出
测试及结果:

if __name__ == '__main__':
    tree=Tree()
    tree.add(1)
    tree.add(2)
    tree.add(3)
    tree.add(4)
    tree.add(5)
    tree.breath_travel()
1
2
3
4
5

5、深度优先搜索

深度优先搜索是沿着树的深度遍历树的节点,尽可能深的搜索树的分支。
三种访问树的节点的方式:

  • 先序遍历:根左右;先访问根节点,然后递归使用先序遍历访问左子树,再递归使用先序遍历访问右子树
  • 中序遍历:左根右;递归使用中序遍历访问左子树、根节点、右子树
  • 后序遍历:左右根;递归使用后序遍历访问左子树、右子树、根节点
def preoder(self,node):
    """先序遍历:根左右"""
    if node is None:
        return
    print(node.elem,end=' ')
    self.preoder(node.lchild)
    self.preoder(node.rchild)

def midorder(self,node):
    """中序遍历,左根右"""
    if node is None:
        return
    self.midorder(node.lchild)
    print(node.elem, end=' ')
    self.midorder(node.rchild)

def behind(self,node):
    """后序遍历;左右根"""
    if node is None:
        return
    self.behind(node.lchild)
    self.behind(node.rchild)
    print(node.elem,end=' ')

if __name__ == '__main__':
    tree=Tree()
    tree.add(0)
    tree.add(1)
    tree.add(2)
    tree.add(3)
    tree.add(4)
    tree.add(5)
    tree.add(6)
    tree.add(7)
    tree.add(8)
    tree.add(9)
    tree.breath_travel()
    # 由于使用队列添加和遍历元素,所以是先进先出
    print(' ')
    tree.preoder(tree.root)
    print(' ')
    tree.midorder(tree.root)
    print(' ')
    tree.behind(tree.root)
    print(' ')

结果:

0 1 3 7 8 4 9 2 5 6  
7 3 8 1 9 4 0 5 2 6  
7 8 3 9 4 1 5 6 2 0  

6、由遍历确定一棵树

给出遍历序列,确定树的结构

  • 首先给出的序列,依据先序(根左右)、中序(左根右)、后序(左右根)的原则,找出根;
  • 然后分出左右子树,再在此基础上,使用同样的方法;
  • 分别找出左右子树的根,再继续向下找;
  • 以此类推确定树;
  • 0
    点赞
  • 1
    评论
  • 2
    收藏
  • 一键三连
    一键三连
  • 扫一扫,分享海报

打赏
文章很值,打赏犒劳作者一下
相关推荐
©️2020 CSDN 皮肤主题: 1024 设计师:白松林 返回首页

打赏

An宁

你的鼓励将是我创作的最大动力

¥2 ¥4 ¥6 ¥10 ¥20
输入1-500的整数
余额支付 (余额:-- )
扫码支付
扫码支付:¥2
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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、C币套餐、付费专栏及课程。

余额充值