底层结构
树形结构的关联式容器map/set/multimap/multiset的共同点是：其底层结构都是按照二叉搜索树来实现的。
一、二叉搜索树
-
二叉搜索树的概念
二叉搜索树又称二叉排序树，它或者是一颗空树，或者具有以下性质的二叉树：
1）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
2）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
3）它的左右子树也分别为二叉树
【二叉搜索树的中序遍历是有序的】
（ 如图所示，就是一颗简单的二叉搜索树，在图中会发现，二叉树中的最小值在二叉搜索树的最左侧，最大值在二叉搜素树的最右侧） -
二叉搜索树的操作
a、二叉树节点的定义：
struct BSTreeNode
{
BSTreeNode(const T& data=T())
:_pLeft(nullptr)
,_pRight(nullptr)
,_data(data)
{}
BSTreeNode<T>* _pLeft;
BSTreeNode<T>* _pRight;
T _data;
};
b、二叉树的查找
若根节点不为空：
如果根节点的data==查找的data，返回节点
如果根节点的data> 查找的data，在其左子树中查找
如果根节点的data< 查找的data，在其右子树中查找
否则，返回NULL
Node* find(const T& data)
{
Node* cur = _pRoot;
while (cur)
{
if (data == cur->_data)
return cur;
else if (data < cur->_data)
cur = cur->_pLeft;
else
cur = cur->_pRight;
}
return nullptr;
}
c、二叉树的插入
插入过程：
1、树为空，则直接插入
2、树不为空，按照二叉搜索树的性质查找插入位置，插入新节点
插入代码：
bool Insert(const T& data)
{
if (_pRoot == nullptr)
{
_pRoot = new Node(data);
return true;
}
Node* cur = _pRoot;
Node* Parent = nullptr;
while (cur)
{
Parent = cur;
if (data < cur->_data)
cur = cur->_pLeft;
else if (data > cur->_data)
cur = cur->_pRight;
else
return false;
}
cur = new Node(data);
if (data < Parent->_data)
Parent->_pLeft = cur;
else
Parent->_pRight = cur;
return true;
}
d、二叉搜索树的删除
1）空树----->直接返回
2）非空
> 找待删除节点在二叉搜索树中的位置
a、要删除的节点无孩子节点
b、要删除的节点只有左孩子节点
c、要删除的节点只有右孩子节点
d、要删除的节点有左孩子、右孩子节点
>删除节点
a情况：直接删除
b情况：删除该节点使该节点的双亲节点指向被删除节点的左孩子
c情况：删除该节点使该节点的双亲节点指向被删除节点的右孩子
d情况：在该节点的右子树中找最大值 （在左子树中找最小值），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
bool Delete(const T& data)
{
if (nullptr = _pRoot)
{
return false;
}
// 找待删除节点在二叉搜索树中的位置
// 并保存其双亲
Node* cur = _pRoot;
Node* pParent = nullptr;
while (cur)
{
if (data == cur->_data)
break;
else if (data < cur->_data)
{
pParent = cur;
cur = cur->_pLeft;
}
else
{
pParent = cur;
cur = cur->_pRight;
}
}
// 该节点不在二叉搜索树中
if (cur == nullptr)
return false;
// 已经找到该该节点，删除
// 只有右孩子 || 叶子节点
if (nullptr == cur->_pLeft)
{
if (nullptr == pParent)
_pRoot = cur->_pRight;
else
{
if (cur == pParent->_pLeft)
{
pParent->_pLeft = cur->_pRight;
}
else
{
pParent->_pRight = cur->_pRight;
}
}
}
else if (nullptr == cur->_pRight)
{
// 只有左孩子
if (nullptr == pParent)
_pRoot = cur->_pLeft;
else
{
if (cur == pParent->_pLeft)
{
pParent->_pLeft = cur->_pLeft;
}
else
{
pParent->_pRight = cur->_pLeft;
}
}
}
else
{
// 左右孩子均存在
Node* pDelNode = cur->_pRight;
pParent = cur;
// 找替代节点：在右子树中找最小(最左)
while (pDelNode->_pLeft)
{
pParent = pDelNode;
pDelNode = pDelNode->_pLeft;
}
// 用替代节点中值域替换删除节点
cur->_data = pDelNode->_data;
if (pDelNode == pParent->_pLeft)
pParent->_pLeft = pDelNode->_pRight;
else
pParent->_pRight = pDelNode;
cur = pDelNode;
}
delete cur;
return true;
}
- 二叉搜索树的实现
template<class T>
struct BSTreeNode
{
BSTreeNode(const T& data=T())
:_pLeft(nullptr)
,_pRight(nullptr)
,_data(data)
{}
BSTreeNode<T>* _pLeft;
BSTreeNode<T>* _pRight;
T _data;
};
template<class T>
class BSTree
{
typedef BSTreeNode<T> Node;
public:
BSTree()
:_pRoot(nullptr)
{}
//查找
Node* find(const T& data)
{
Node* cur = _pRoot;
while (cur != NULL)
{
if (data < cur->_data)
{
cur = cur->_pLeft;
}
else if(data>cur->_data)
{
cur=cur->_pRight
}
else
{
return cur;
}
}
return nullptr;
}
//插入
bool Insert(const T& data)
{
// 空树---直接插入
if (_pRoot == nullptr)
{
_pRoot = new Node(data);
}
// 非空--找待插入节点在二叉搜索树中的位置
// 并保存其双亲节点
Node* cur = _pRoot;
Node*pParent = nullptr;
while (cur)
{
pParent = cur;
if (data < cur->_data)
{
cur = cur->_pLeft;
}
else if (data > cur->_data)
{
cur = cur->_pRight;
}
else
{
return false;
}
}
// 插入元素
cur = new Node(data);
if (data < pParent->_data)
{
pParent->_pLeft = cur;
}
else
{
pParent->_pRight = cur;
}
return true;
}
//删除
bool Delete(const T& data)
{
if (nullptr = _pRoot)
{
return false;
}
// 找待删除节点在二叉搜索树中的位置
// 并保存其双亲
Node* cur = _pRoot;
Node* pParent = nullptr;
while (cur)
{
if (data == cur->_data)
break;
else if (data < cur->_data)
{
pParent = cur;
cur = cur->_pLeft;
}
else
{
pParent = cur;
cur = cur->_pRight;
}
}
// 该节点不在二叉搜索树中
if (cur == nullptr)
return false;
// 已经找到该该节点，删除
// 只有右孩子 || 叶子节点
if (nullptr == cur->_pLeft)
{
if (nullptr == pParent)
_pRoot = cur->_pRight;
else
{
if (cur == pParent->_pLeft)
{
pParent->_pLeft = cur->_pRight;
}
else
{
pParent->_pRight = cur->_pRight;
}
}
}
else if (nullptr == cur->_pRight)
{
// 只有左孩子
if (nullptr == pParent)
_pRoot = cur->_pLeft;
else
{
if (cur == pParent->_pLeft)
{
pParent->_pLeft = cur->_pLeft;
}
else
{
pParent->_pRight = cur->_pLeft;
}
}
}
else
{
// 左右孩子均存在
Node* pDelNode = cur->_pRight;
pParent = cur;
// 找替代节点：在右子树中找最小(最左)
while (pDelNode->_pLeft)
{
pParent = pDelNode;
pDelNode = pDelNode->_pLeft;
}
// 用替代节点中值域替换删除节点
cur->_data = pDelNode->_data;
if (pDelNode == pParent->_pLeft)
pParent->_pLeft = pDelNode->_pRight;
else
pParent->_pRight = pDelNode;
cur = pDelNode;
}
delete cur;
return true;
}
//最小值
Node* leftMost()
{
if (nullptr == _pRoot)
return nullptr;
Node* cur = _pRoot;
while (cur->_pLeft)
{
cur = cur->_pLeft;
}
return cur;
}
//最大值
Node* rightMost()
{
if (nullptr == _pRoot)
return nullptr;
Node* cur = _pRoot;
while (cur->_pRight)
{
cur = cur->_pRight;
}
return cur;
}
void InOrder()
{
_InOrder(_pRoot);
}
private:
//中序遍历
void _InOrder(Node* pRoot)
{
if (pRoot)
{
_InOrder(pRoot->_pLeft);
cout << pRoot->_data << " ";
_InOrder(pRoot->_pRight);
}
}
private:
Node* _pRoot;
};
- 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：
完全二叉树：
右单支
最优情况下，二叉搜索树为完全二叉树，其平均比较次数为：log2N
最差情况下，二叉搜索树退化为单支树，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， 都可以是二叉搜索树的性能佳？
二叉搜索树虽然可以缩短查找的效率，但如果数据有序或接近有序二叉搜索树将退化为单支树，查找元素相当于在顺序表中搜索元素，效率低下。所以发明了一种解决上述问题的方法：像二叉搜索树中插入新节点后，如果能保证每个节点的左右子树高度之差的绝对值不超过1，即可降低树的高度，从而减少平均搜索长度。
二、AVL树
- AVL树的概念
1）它的左右子树都是AVL树
2）左右子树高度之差（简称平衡因子）的绝对值不超过1（-1/0/1）
【如果一颗二叉搜索树是高度平衡的，那他就是AVL树。如果它有n个节点，其高度可保持在O(log2n)，搜索时间复杂度O(log2n)】 - AVL树节点的定义
template<class T>
struct AVLTreeNode
{
AVLTreeNode(const T& data=T())
:_pLeft(nullptr)
,_pRight(nullptr)
,_pParent(nullptr)
,_data(data)
,_bf(0)
{}
AVLTreeNode<T>* _pLeft;//该节点的左孩子
AVLTreeNode<T>* _pRight;//该节点的右孩子
AVLTreeNode<T>* _pParent;//该节点的双亲
T _data;
int _bf;//该节点的平衡因子
};
- AVL树的插入
AVL树就是在二叉搜索树的基础上引入平衡因子，因此AVL树也可以看成是二叉搜索树。那么AVL树的插入可以分为以下两个过程：
1）按照二叉搜索树的方式插入新节点
2）调整节点的平衡因子
pCur插入后，pParent的平衡因子一定需要调整，在插入之前，pParent 的平衡因子分为三种情况：-1，0, 1, 分以下两种情况：
1、如果pCur插入到pParent的左侧，只需给pParent的平衡因子-1即可
2、如果pCur插入到pParent的右侧，只需给pParent的平衡因子+1即可
此时：pParent的平衡因子可能有三种情况：0，正负1， 正负2
a、 如果pParent的平衡因子为0，说明插入之前pParent的平衡因子为正负1，插入后被调整成0，此时满 足AVL树的性质，插入成功
b、 如果pParent的平衡因子为正负1，说明插入前pParent的平衡因子一定为0，插入后被更新成正负1， 此时以pParent为根的树的高度增加，需要继续向上更新
c、 如果pParent的平衡因子为正负2，则pParent的平衡因子违反平衡树的性质，需要对其进行旋转处理
bool Insert(const T& data)
{
//一、先按照二叉搜索树的方式进行插入
if (nullptr == _pRoot)
{
_pRoot = new Node(data);
return true;
}
// 按照二叉搜索树特性：找待插入节点在树中的位置
// 并保存其双亲
Node* cur = _pRoot;
Node* pParent = nullptr;
while (cur)
{
pParent = cur;
if (data < cur->_data)
cur = cur->_pLeft;
else if (data > cur->_data)
cur = cur->_pRight;
else
return false;
}
// 插入新节点
cur = new Node(data);
if (data < pParent->_data)
pParent->_pLeft = cur;
else
pParent->_pRight = cur;
cur->_pParent = pParent;
//调整节点的平衡因子
while (pParent)
{
// 更新pParent的平衡因子
if (cur == pParent->_pLeft)
pParent->_bf--;
else
pParent->_bf++;
if (0 == pParent->_bf)
break;
else if (-1 == pParent->_bf || 1 == pParent->_bf)
{
cur = pParent;
pParent = cur->_pParent;
}
else
{
// pParent->_bf: 2 || -2
// pParent的节点失去平衡
if (2 == pParent->_bf)
{
// 右子树高-->最后必须左单旋
if (1 == cur->_bf)
RotateL(pParent);
else
RotateRL(pParent);
}
else
{
if (-1 == cur->_bf)
RotateR(pParent);
else
RotateLR(pParent);
}
break;
}
}
return true;
}
- AVL树的旋转
如果在一棵原本就是平衡的AVL树中插入一个新节点，可能造成不平衡，此时要调整树的结构。AVL树的旋转分为四种：
1、新节点插入较高左子树的左侧—左左：右单旋
void RotateR(Node* pParent)
{
Node* pSubL = pParent->_pLeft;
Node* pSubLR = pSubL->_pRight;
// 改变pParent和pSubL孩子的指向
pParent->_pLeft = pSubLR;
if (pSubLR)
pSubLR->_pParent = pParent;
pSubL->_pRight = pParent;
// 更新pParent和pSubL的双亲
Node* pPParent = pParent->_pParent;
pParent->_pParent = pSubL;
pSubL->_pParent = pPParent;
// 更新原pParent双亲的左||右指针域指向
if (nullptr == pPParent)
{
_pRoot = pSubL;
}
else
{
if (pParent == pPParent->_pLeft)
pPParent->_pLeft = pSubL;
else
pPParent->_pRight = pSubL;
}
pParent->_bf = pSubL->_bf = 0;
}
2、新节点插入较高右子树的右侧—右右：左单旋
void RotateL(Node* pParent)
{
Node* pSubR = pParent->_pRight;
Node* pSubRL = pSubR->_pLeft;
pParent->_pRight = pSubRL;
if (pSubRL)
pSubRL->_pParent = pParent;
pSubR->_pLeft = pParent;
Node* pPParent = pParent->_pParent;
pParent->_pParent = pSubR;
pSubR->_pParent = pPParent;
if (nullptr == pPParent)
{
_pRoot = pSubR;
}
else
{
if (pParent == pPParent->_pLeft)
pPParent->_pLeft = pSubR;
else
pPParent->_pRight = pSubR;
}
pParent->_bf = pSubR->_bf = 0;
}
3、新节点插入较高左子树的右侧-----左右：先左单旋在右单旋
void RotateLR(Node* pParent)
{
Node* pSubL = pParent->_pLeft;
Node* pSubLR = pSubL->_pRight;
int bf = pSubLR->_bf;
RotateL(pParent->_pLeft);
RotateR(pParent);
if (-1 == bf)
pParent->_bf = 1;
else if (1 == bf)
pSubL->_bf = -1;
}
4、 新节点插入较高右子树的左侧----右左：先右单旋再左单旋
void RotateRL(Node* pParent)
{
Node* pSubR = pParent->_pRight;
Node* pSubRL = pSubR->_pLeft;
int bf = pSubRL->_bf;
RotateR(pParent->_pRight);
RotateL(pParent);
// 更新部分节点的平衡因子
if (bf == -1)
pSubR->_bf = 1;
else if (bf == 1)
pParent->_bf = -1;
}
总结：
假如以pParent为根的子树不平衡，即pParent的平衡因子为2或者-2，分以下情况考虑
1、pParent的平衡因子为2，说明pParent的右子树高，设pParent的右子树的根为pSubR
a、当pSubR的平衡因子为1时，执行左单旋
b、当pSubR的平衡因子为-1时，执行右左双旋
2、pParent的平衡因子为-2，说明pParent的左子树高，设pParent的左子树的根为pSubL
a、当pSubL的平衡因子为-1是，执行右单旋
b、当pSubL的平衡因子为1时，执行左右双旋
旋转完成后，原pParent为根的子树个高度降低，已经平衡，不需要再向上更新。
- 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：
1、 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
2、 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
int _Height(Node* pRoot)
{
if (nullptr == pRoot)
return 0;
int leftHeight = _Height(pRoot->_pLeft);
int rightHeight = _Height(pRoot->_pRight);
return leftHeight > rightHeight ? leftHeight + 1 : rightHeight + 1;
}
bool _IsAVLTree(Node* pRoot)
{
// 空树也是AVL树
if (nullptr == pRoot)
return true;
// 计算pRoot节点的平衡因子：即pRoot左右子树的高度差
int leftHeight = _Height(pRoot->_pLeft);
int rightHeight = _Height(pRoot->_pRight);
// 如果计算出的平衡因子与pRoot的平衡因子不相等，或者
// pRoot平衡因子的绝对值超过1，则一定不是AVL树
if (abs(rightHeight - leftHeight) > 1 || rightHeight - leftHeight != pRoot->_bf)
return false;
// pRoot的左和右如果都是AVL树，则该树一定是AVL树
return _IsAVLTree(pRoot->_pLeft) && _IsAVLTree(pRoot->_pRight);
}
- AVL树的性能
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，即 。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 - AVL树的实现
//AVL树
template<class T>
struct AVLTreeNode
{
AVLTreeNode(const T& data=T())
:_pLeft(nullptr)
,_pRight(nullptr)
,_pParent(nullptr)
,_data(data)
,_bf(0)
{}
AVLTreeNode<T>* _pLeft;//该节点的左孩子
AVLTreeNode<T>* _pRight;//该节点的右孩子
AVLTreeNode<T>* _pParent;//该节点的双亲
T _data;
int _bf;//该节点的平衡因子
};
//AVL：二叉搜索树+平衡因子的限制
template<class T>
class AVLTree
{
typedef AVLTreeNode<T> Node;
public:
AVLTree()
:_pRoot(nullptr)
{}
bool Insert(const T& data)
{
//先按照二叉搜索树的方式进行插入
if (nullptr == _pRoot)
{
_pRoot = new Node(data);
return true;
}
// 按照二叉搜索树特性：找待插入节点在树中的位置
// 并保存其双亲
Node* cur = _pRoot;
Node* pParent = nullptr;
while (cur)
{
pParent = cur;
if (data < cur->_data)
cur = cur->_pLeft;
else if (data > cur->_data)
cur = cur->_pRight;
else
return false;
}
// 插入新节点
cur = new Node(data);
if (data < pParent->_data)
pParent->_pLeft = cur;
else
pParent->_pRight = cur;
cur->_pParent = pParent;
while (pParent)
{
// 更新pParent的平衡因子
if (cur == pParent->_pLeft)
pParent->_bf--;
else
pParent->_bf++;
if (0 == pParent->_bf)
break;
else if (-1 == pParent->_bf || 1 == pParent->_bf)
{
cur = pParent;
pParent = cur->_pParent;
}
else
{
// pParent->_bf: 2 || -2
// pParent的节点失去平衡
if (2 == pParent->_bf)
{
// 右子树高-->最后必须左单旋
if (1 == cur->_bf)
RotateL(pParent);
else
RotateRL(pParent);
}
else
{
if (-1 == cur->_bf)
RotateR(pParent);
else
RotateLR(pParent);
}
break;
}
}
return true;
}
void InOrder()
{
_InOrder(_pRoot);
}
Node* LeftMost()
{
if (nullptr == _pRoot)
return nullptr;
Node* cur = _pRoot;
while (cur->_pLeft)
{
cur = cur->_pLeft;
}
return cur;
}
Node* RightMost()
{
if (nullptr == _pRoot)
return nullptr;
Node* cur = _pRoot;
while (cur->_pRight)
cur = cur->_pRight;
return cur;
}
bool IsAVLTree()
{
return _IsAVLTree(_pRoot);
}
private:
bool _IsAVLTree(Node* pRoot)
{
if (nullptr == pRoot)
return true;
int leftHeight = _Height(pRoot->_pLeft);
int rightHeight = _Height(pRoot->_pRight);
if (abs(rightHeight - leftHeight) > 1 || rightHeight - leftHeight != pRoot->_bf)
return false;
return _IsAVLTree(pRoot->_pLeft) && _IsAVLTree(pRoot->_pRight);
}
int _Height(Node* pRoot)
{
if (nullptr == pRoot)
return 0;
int leftHeight = _Height(pRoot->_pLeft);
int rightHeight = _Height(pRoot->_pRight);
return leftHeight > rightHeight ? leftHeight + 1 : rightHeight + 1;
}
void RotateR(Node* pParent)
{
Node* pSubL = pParent->_pLeft;
Node* pSubLR = pSubL->_pRight;
// 改变pParent和pSubL孩子的指向
pParent->_pLeft = pSubLR;
if (pSubLR)
pSubLR->_pParent = pParent;
pSubL->_pRight = pParent;
// 更新pParent和pSubL的双亲
Node* pPParent = pParent->_pParent;
pParent->_pParent = pSubL;
pSubL->_pParent = pPParent;
// 更新原pParent双亲的左||右指针域指向
if (nullptr == pPParent)
{
_pRoot = pSubL;
}
else
{
if (pParent == pPParent->_pLeft)
pPParent->_pLeft = pSubL;
else
pPParent->_pRight = pSubL;
}
pParent->_bf = pSubL->_bf = 0;
}
void RotateL(Node* pParent)
{
Node* pSubR = pParent->_pRight;
Node* pSubRL = pSubR->_pLeft;
pParent->_pRight = pSubRL;
if (pSubRL)
pSubRL->_pParent = pParent;
pSubR->_pLeft = pParent;
Node* pPParent = pParent->_pParent;
pParent->_pParent = pSubR;
pSubR->_pParent = pPParent;
if (nullptr == pPParent)
{
_pRoot = pSubR;
}
else
{
if (pParent == pPParent->_pLeft)
pPParent->_pLeft = pSubR;
else
pPParent->_pRight = pSubR;
}
pParent->_bf = pSubR->_bf = 0;
}
void RotateRL(Node* pParent)
{
Node* pSubR = pParent->_pRight;
Node* pSubRL = pSubR->_pLeft;
int bf = pSubRL->_bf;
RotateR(pParent->_pRight);
RotateL(pParent);
// 更新部分节点的平衡因子
if (bf == -1)
pSubR->_bf = 1;
else if (bf == 1)
pParent->_bf = -1;
}
void RotateLR(Node* pParent)
{
Node* pSubL = pParent->_pLeft;
Node* pSubLR = pSubL->_pRight;
int bf = pSubLR->_bf;
RotateL(pParent->_pLeft);
RotateR(pParent);
if (-1 == bf)
pParent->_bf = 1;
else if (1 == bf)
pSubL->_bf = -1;
}
void _InOrder(Node* pRoot)
{
if (pRoot)
{
_InOrder(pRoot->_pLeft);
cout << pRoot->_data << " ";
_InOrder(pRoot->_pRight);
}
}
private:
Node* _pRoot;
};
三、红黑树
-
红黑树的概念
红黑树，是一种二叉搜索树，但在每个节点上增加一个存储位表示节点的颜色，可以是RED或BLACK。通过对任何一条从根到叶子的路径上各个节点着色方式的限制，红黑树确保没有一条路径会比其他路径长出两倍，因而接近平衡。 -
红黑树的性质：
1）每个节点不是红色就是黑色
2）根节点一定为黑色
3）如果一个节点是红色的，它的孩子节点一定是黑色
4）每条路径中的黑色节点的个数相同
5）每个叶子节点都是黑色（此处的叶子节点指的是空节点）
结论：最长路径中的节点个数不会超过最短路径节点个数的两倍。
因此：红黑树是一颗近似平衡的二叉搜索树，红黑树性能比AVL树更佳，而且实现比较简单
-
红黑树节点的定义：
//节点的颜色
enum Color{RED,BLACK};
template<class T>
struct RBTreeNode
{
RBTreeNode(const T& data=T(),Color color=RED)
:_pLeft(nullptr)
,_pRight(nullptr)
,_pParent(nullptr)
,_data(data)
,_color(color)
{}
RBTreeNode<T>* _pLeft;//节点的左孩子
RBTreeNode<T>* _pRight;//节点的右孩子
RBTreeNode<T>* _pParent;//节点的双亲
T _data;//节点的值域
Color _color;//节点的颜色
};
- 红黑树的结构
为了实现关联式容器简单，红黑树的实现增加一个头结点，因为跟节点必须为黑色，为了与根节点进行区分，将头结点给成红色，并且让头结点的pParent域指向红黑树的根节点，pLeft指向红黑树中最小的节点（最左侧节点），_pRight指向红黑树最大的节点（最右侧节点）
template<class T>
class RBTree
{
typedef RBTreeNode<T> Node;
public:
RBTree()
{
_pHead->_pParent = nullptr;
_pHead->_pLeft = _pHead;
_pHead->_pRight = _pHead;
}
Node*& GetRoot()
{
return _pHead->_pParent;
}
private:
Node* _pHead;
};
- 红黑树的插入操作
红黑树是在二叉搜索树的基础上加上其平衡限制条件，因此红黑树的插入可分为两步：
1、按照二叉搜索树的规则插入新节点
2、检测新节点插入后，红黑树的性质是否遭到破坏
因为新节点默认颜色是红色，因此：如果其双亲节点的颜色是黑色，没有违反性质三不能有连在一起的红色节点，此时需要对红黑树分情况来讨论：
约定：cur为当前节点，p为父节点，g为祖父节点，u为叔叔节点
a、cur为红，p为红，g为黑，u存在且为红
cur和p均为红，违反了性质三
解决方式：将p，u改为黑色，g改为红，然后把g当成cur，继续向上调整。
b、cur为红，p为红，g为黑，u不存在/u为黑
p为g的左孩子，cur为p的左孩子，则进行右单旋转；
相反， p为g的右孩子，cur为p的右孩子，则进行左单旋转
p、g变色–p变黑，g变红
c、 cur为红，p为红，g为黑，u不存在/u为黑
p为g的左孩子，cur为p的右孩子，则针对p做左单旋转；
相反， p为g的右孩子，cur为p的左孩子，则针对p做右单旋转
则转换成了情况2
bool Insert(const T& data)
{
// 按照二叉搜索树的性质插入新节点
Node*& pRoot = GetRoot();
if (nullptr == pRoot)
{
pRoot = new Node(data, BLACK);
pRoot->_pParent = _pHead;
return true;
}
else
{
// 找待插入节点在二叉搜索树中的位置
// 并保存其双亲节点
Node* cur = pRoot;
Node* pParent = nullptr;
while (cur)
{
pParent = cur;
if (data < cur->_data)
cur = cur->_pLeft;
else if (data > cur->_data)
cur = cur->_pRight;
else
return false;
}
// 插入新节点
cur = new Node(data);
if (data < pParent->_data)
pParent->_pLeft =cur;
else
pParent->_pRight = cur;
cur->_pParent = pParent;
//cur新节点的默认颜色：红色
//如果pParent的颜色是黑色，满足红黑树的性质
//如果pParent的颜色是红色，违反了性质三----不能有连在一起的红色节点
while (pParent != _pHead && pParent->_color == RED)
{
Node* grandFather = pParent->_pParent;
if (pParent == grandFather->_pLeft)
{
Node* uncle = grandFather->_pRight;
if (uncle && uncle->_color == RED )
{
//情况一：
pParent->_color = BLACK;
uncle->_color = BLACK;
grandFather->_color = RED;
cur = grandFather;
pParent = cur->_pParent;
}
else
{
//叔叔节点不存在||叔叔节点存在&&黑色
if (cur == pParent->_pRight)
{
//情况三：
RotateL(pParent);
swap(cur, pParent);
}
pParent->_color = BLACK;
grandFather->_color = RED;
RotateR(grandFather);
}
}
else
{
Node* uncle = grandFather->_pLeft;
if (uncle&&RED == uncle->_color)
{
pParent->_color = BLACK;
uncle->_color = BLACK;
grandFather->_color = RED;
cur = grandFather;
pParent = cur->_pParent;
}
else
{
//叔叔节点不存在||存在且为黑
if (cur == pParent->_pLeft)
{
RotateR(pParent);
swap(cur, pParent);
}
pParent->_color = BLACK;
grandFather->_color = RED;
RotateL(grandFather);
}
}
}
}
pRoot->_color = BLACK;
_pHead->_pLeft = leftMost();
_pHead->_pRight = rightMost();
return true;
}
- 红黑树的验证
红黑树的检测分为两步：
1、检测其是否满足二叉搜索树（中序遍历是否为有序序列）
2、检测其是否满足红黑树的性质
bool IsValidRBTree()
{
Node* pRoot = GetRoot();
// 空树也是红黑树
if (nullptr == pRoot)
return true;
// 检测根节点是否满足情况
if (pRoot->_color != BLACK)
{
cout << "违反性质二：根节点是黑色" << endl;
return false;
}
//获取一条路径中黑色节点的个数
size_t blackCount = 0;
Node* cur = pRoot;
while (cur)
{
if (cur->_color == BLACK)
blackCount++;
cur = cur->_pLeft;
}
// 检测是否满足红黑树的性质，pathBlack用来记录路径中黑色节点的个数
size_t pathBlack = 0;
return _IsValidRBTree(pRoot, blackCount, pathBlack);
}
bool _IsValidRBTree(Node* pRoot, size_t blackCount, size_t pathBlack)
{
if (nullptr == pRoot)
return true;
// 统计黑色节点的个数
if (pRoot->_color == BLACK)
pathBlack++;
Node* pParent = pRoot->_pParent;
if (pParent != _pHead && RED == pParent->_color&&RED == pRoot->_color)
{
cout << "违反性质3：不能存在连在一起的红色节点" << endl;
return false;
}
//叶子节点
if (nullptr == pRoot->_pLeft&&nullptr == pRoot->_pRight)
{
if (pathBlack != blackCount)
{
cout << "违反性质4：每条路径中黑色节点个数均相同" << endl;
return false;
}
}
return _IsValidRBTree(pRoot->_pLeft, blackCount, pathBlack) &&
_IsValidRBTree(pRoot->_pRight, blackCount, pathBlack);
}
- 红黑树与AVL树的比较
红黑树和AVL都是高效的平衡二叉树，增删改查的时间复杂度都是O( log2N），红黑树不追求绝对平衡，其只需要保证最长路径不超过最短路径的2倍，相对而言，降低了插入和旋转的次数，所以在经常进行增删的结构中性能比AVL树更优，而且红黑树实现比较简单，所以实际运用中红黑树更多。 - 红黑树的实现
//节点的颜色
enum Color{RED,BLACK};
template<class T>
struct RBTreeNode
{
RBTreeNode(const T& data=T(),Color color=RED)
:_pLeft(nullptr)
,_pRight(nullptr)
,_pParent(nullptr)
,_data(data)
,_color(color)
{}
RBTreeNode<T>* _pLeft;//节点的左孩子
RBTreeNode<T>* _pRight;//节点的右孩子
RBTreeNode<T>* _pParent;//节点的双亲
T _data;//节点的值域
Color _color;//节点的颜色
};
template<class T>
class RBTree
{
typedef RBTreeNode<T> Node;
public:
RBTree()
{
_pHead = new Node;
_pHead->_pLeft = _pHead;
_pHead->_pRight = _pHead;
}
bool Insert(const T& data)
{
// 按照二叉搜索树的性质插入新节点
Node*& pRoot = GetRoot();
if (nullptr == pRoot)
{
pRoot = new Node(data, BLACK);
pRoot->_pParent = _pHead;
return true;
}
else
{
// 找待插入节点在二叉搜索树中的位置
// 并保存其双亲节点
Node* cur = pRoot;
Node* pParent = nullptr;
while (cur)
{
pParent = cur;
if (data < cur->_data)
cur = cur->_pLeft;
else if (data > cur->_data)
cur = cur->_pRight;
else
return false;
}
// 插入新节点
cur = new Node(data);
if (data < pParent->_data)
pParent->_pLeft =cur;
else
pParent->_pRight = cur;
cur->_pParent = pParent;
//cur新节点的默认颜色：红色
//如果pParent的颜色是黑色，满足红黑树的性质
//如果pParent的颜色是红色，违反了性质三----不能有连在一起的红色节点
while (pParent != _pHead && pParent->_color == RED)
{
Node* grandFather = pParent->_pParent;
if (pParent == grandFather->_pLeft)
{
Node* uncle = grandFather->_pRight;
if (uncle && uncle->_color == RED )
{
//情况一：
pParent->_color = BLACK;
uncle->_color = BLACK;
grandFather->_color = RED;
cur = grandFather;
pParent = cur->_pParent;
}
else
{
//叔叔节点不存在||叔叔节点存在&&黑色
if (cur == pParent->_pRight)
{
//情况三：
RotateL(pParent);
swap(cur, pParent);
}
pParent->_color = BLACK;
grandFather->_color = RED;
RotateR(grandFather);
}
}
else
{
Node* uncle = grandFather->_pLeft;
if (uncle&&RED == uncle->_color)
{
pParent->_color = BLACK;
uncle->_color = BLACK;
grandFather->_color = RED;
cur = grandFather;
pParent = cur->_pParent;
}
else
{
//叔叔节点不存在||存在且为黑
if (cur == pParent->_pLeft)
{
RotateR(pParent);
swap(cur, pParent);
}
pParent->_color = BLACK;
grandFather->_color = RED;
RotateL(grandFather);
}
}
}
}
pRoot->_color = BLACK;
_pHead->_pLeft = leftMost();
_pHead->_pRight = rightMost();
return true;
}
Node*& GetRoot()
{
return _pHead->_pParent;
}
void InOrder()
{
_InOrder(GetRoot());
}
Node* leftMost()
{
Node* pRoot = GetRoot();
if (nullptr == pRoot)
return _pHead;
Node* cur = pRoot;
while (cur->_pLeft)
cur = cur->_pLeft;
return cur;
}
Node* rightMost()
{
Node* pRoot = GetRoot();
if (nullptr == pRoot)
return _pHead;
Node* cur = pRoot;
while (cur->_pRight)
cur = cur->_pRight;
return cur;
}
bool IsValidRBTree()
{
Node* pRoot = GetRoot();
if (nullptr == pRoot)
return true;
if (pRoot->_color != BLACK)
{
cout << "违反性质一：根节点是黑色" << endl;
return false;
}
//获取一条路径中黑色节点的个数
size_t blackCount = 0;
Node* cur = pRoot;
while (cur)
{
if (cur->_color == BLACK)
blackCount++;
cur = cur->_pLeft;
}
size_t pathBlack = 0;
return _IsValidRBTree(pRoot, blackCount, pathBlack);
}
private:
bool _IsValidRBTree(Node* pRoot, size_t blackCount, size_t pathBlack)
{
if (nullptr == pRoot)
return true;
if (pRoot->_color == BLACK)
pathBlack++;
Node* pParent = pRoot->_pParent;
if (pParent != _pHead && RED == pParent->_color&&RED == pRoot->_color)
{
cout << "违反性质3：不能存在连在一起的红色节点" << endl;
return false;
}
//叶子节点
if (nullptr == pRoot->_pLeft&&nullptr == pRoot->_pRight)
{
if (pathBlack != blackCount)
{
cout << "违反性质4：每条路径中黑色节点个数均相同" << endl;
return false;
}
}
return _IsValidRBTree(pRoot->_pLeft, blackCount, pathBlack) &&
_IsValidRBTree(pRoot->_pRight, blackCount, pathBlack);
}
void _InOrder(Node* pRoot)
{
if (pRoot)
{
_InOrder(pRoot->_pLeft);
cout << pRoot->_data << " ";
_InOrder(pRoot->_pRight);
}
}
void RotateL(Node* pParent)
{
Node* pSubR = pParent->_pRight;
Node* pSubRL = pSubR->_pLeft;
pParent->_pRight = pSubRL;
if (pSubRL)
pSubRL->_pParent = pParent;
pSubR->_pLeft = pParent;
Node* ppParent = pParent->_pParent;
pSubR->_pParent = ppParent;
pParent->_pParent = pSubR;
if (ppParent == nullptr)
{
_pHead->_pParent = pSubR;
}
else
{
if (pParent == ppParent->_pLeft)
ppParent->_pLeft = pSubR;
else
ppParent->_pRight = pSubR;
}
}
void RotateR(Node* pParent)
{
Node* pSubL = pParent->_pLeft;
Node* pSubLR = pSubL->_pRight;
pParent->_pLeft = pSubLR;
if (pSubLR)
pSubLR->_pParent = pParent;
pSubL->_pRight = pParent;
Node* pPParent = pParent->_pParent;
pParent->_pParent = pSubL;
pSubL->_pParent = pPParent;
if (pPParent == _pHead)
_pHead->_pParent = pSubL;
else
{
if (pParent == pPParent->_pLeft)
pPParent->_pLeft = pSubL;
else
pPParent->_pRight = pSubL;
}
}
private:
Node* _pHead;
};
388
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
