红黑树，你还要我怎样

最新推荐文章于 2023-04-01 19:36:04 发布

Real_JumpChen

最新推荐文章于 2023-04-01 19:36:04 发布

阅读量548

点赞数

分类专栏：算法和数据结构文章标签：数据结构红黑树

算法和数据结构专栏收录该内容

31 篇文章 1 订阅

订阅专栏

关于红黑树的相关重点，原博主总结得非常好，我只做了细微的修改！

【转载】http://blog.csdn.net/silangquan/article/details/18322087

红黑树很重要，STL中的set、map、multimap、multiset这些关联容器都是红黑树实现的，但能红黑树的实现难度非常大，所以，我们记住如下的重点就好。

关于红黑树的基本概念，请见http://blog.csdn.net/BillCYJ/article/details/78986279

1.stl中的set底层用的什么数据结构？

红黑树

2.红黑树的数据结构怎么定义的？

enum Color  
{  
    RED = 0,  
    BLACK = 1  
};  

struct RBTreeNode  
{  
    struct RBTreeNode*left, *right, *parent;  
    int key;//关键字
    int data;//对于map和multimap来说，还有data来存储关键字对应的值。
    Color color;//记录该点的颜色
};

3.红黑树有哪些性质？

只有满足以下全部性质的树，我们才称之为红黑树：
1）每个结点要么是红的，要么是黑的。
2）根结点是黑的。
3）每个叶结点（叶结点即指树尾端NIL指针或NULL结点）是黑的。
4）如果一个结点是红的，那么它的俩个儿子都是黑的。
5）对于任一结点而言，从根节点到叶结点的每条路，黑色结点数相同，即相同的黑色高度。

4.红黑树的各种操作的时间复杂度是多少？

红黑树的上述5条性质使一棵n个结点的RBT保持了lg(n)的高度和最坏为O(lg n)的时间复杂度。
所以，能保证在最坏情况下，基本的动态几何操作的时间均为O（lgn）。

5.红黑树相比于BST和AVL树有什么优点？

总的来说：
红黑树能够以O(log2 n)的时间复杂度进行搜索、插入、删除操作。此外，由于它的设计，任何不平衡都会在三次旋转之内解决。当然，还有一些更好的，但实现起来更复杂的数据结构能够做到一步旋转之内达到平衡，但红黑树能够给我们一个比较“便宜”的解决方案了。

相比于BST：
因为红黑树可以能确保树的最长路径不大于两倍的最短路径的长度，所以可以看出它的查找效果是有最低保证的。在最坏的情况下也可以保证O(logN)的，这是要好于二叉查找树的。因为二叉查找树最坏情况可以让查找达到O(N)。

相比于AVL：
AVL是严格平衡树，因此在增加或者删除节点的时候，根据不同情况，旋转的次数比RBT要多；RBT是弱平衡的，牺牲了严格的高度平衡为代价，用非严格的平衡来换取旋转次数的降低(增删节点的时候) 。所以，在插入和删除中所做的后期维护操作肯定会比红黑树要耗时得多，但是他们的查找效率都是O(logN)，所以红黑树应用面比AVL树更广。现在有两种选择方式：（综合着来考虑呗）

若搜索的次数远远大于插入和删除，就选AVL树；若搜索、插入、删除次数差不多，就选RBT。
但插入AVL树和红黑树的速度又取决于你所插入的数据。若你的数据分布较好，则比较宜于采用 AVL树(例如随机产生系列数)，但若你想处理比较杂乱的情况，则红黑树是比较快的。

6.红黑树相对于哈希表，在选择使用的时候有什么依据？

权衡四个因素: 查找速度，数据量，内存使用，数据的有序性。

综述： hash表比红黑树用了更多的内存，换取了更快的速度，但各有优劣。

　具体来说，hash表查找速度会比红黑树快，而且查找速度基本和数据量大小无关，属于常数级别，但hash对象占用的内存、hash表的构造速度（hash表是由hash函数构造的）却和数据量大小相关。而红黑树的查找速度是log(n)级别，但不一定常数就比log(n) 小。
　所以，如果数据完全是静态的，做一个哈希表，性能可能会更好一些。但如果数据不是静态的：1.如果你重视效率，特别是在元素达到一定数量级时，考虑hash表；2.如果你重视内存，希望程序尽可能少消耗内存，那么小心hash表，因为当你的hash对象特别多时，内存消耗大得恐怖，并且hash表的构造速度较慢。
　在实际的系统中，例如，需要使用动态规则的防火墙系统，使用红黑树而不是hash表被实践证明具有更好的伸缩性。
　 数据的有序性：就hash表而言，它里面的元素是无序的，且不一定与输入顺序相同，因为经过了hash函数的映射；就红黑树而言，它里面的元素是有序的。红黑树的有序性在很多应用中都会简化很多的操作。另外：STL中的map是红黑树实现的，unorderedmap却是hash表实现的，具体请见：map和unordered_map的差别和使用

7.如何找到第i小的结点？如何扩展红黑树来获得比某个结点小的元素有多少个？

特别有意思的两个问题

这其实就是求节点元素的顺序统计量，当然任意的顺序统计量都可在O(lgn)时间内完成。
在每个节点添加一个size域，表示以结点 x 为根的子树的结点树的大小，则有size[x] = size[[left[x]] + size [right[x]] + 1;
这时候红黑树就变成了一棵顺序统计树（可通过中序遍历来获得有序的序列）。利用size域可以做两件事：

1.找到树中第i小的结点

OS-SELECT(x,i)//x为根结点
r = size[left[x]] + 1;  
if r == i  
     return x  
else if i < r  
     return OS-SELECT(left[x], i)  
else return OS-SELECT(right[x],  i)

思路：size[left[x]]表示比x小的个数，递归调用的深度不会超过O(lgn)。

2.确定某个结点之前有多少个结点，也就是我们要解决的问题

OS-RANK(x,T)//x为目标结点，T为红黑树
r = x.left.size + 1;//r是中间变量
y = x;//接下来要判断x是不是其根节点的右子结点

//循环的意义在于：从目标结点开始往根结点走，一路上统计小于其的个数
while y != T.root
         if y == y.p.right//判断y是不是其根结点的右子结点
                 r = r + y.p.left.size +1//+1是为了把统计y.p这个结点
         y = y.p  
return r

思路：有两种情况：1.目标结点是其根结点的左子结点，那目标结点前的结点数=其左子树的结点数；2.目标结点是其根结点的右子结点，那目标结点前的结点数=其左子树的结点数+其根结点的左子树的结点数。
最坏情况下，OS-RANK运行时间与树高成正比，所以还是为O (lgn)。

8.扩展数据结构有什么步骤？

选择基础数据结构；
确定要在基础数据结构种添加哪些信息；
验证可用基础数据结构的基本操作来维护这些新添加的信息；
设计新的操作。

9.为什么一般hash表的桶数会取一个素数

设有一个哈希函数H( c ) = c % N；
当N取一个合数时，最简单的例子是取2^n，比如说取2^3=8，这时候
H( 11100(二进制） ) = H( 28 ) = 4
H( 10100(二进制) ) = H( 20 ）= 4

这时候c的二进制第4位（从右向左数）就”失效”了，也就是说，无论第c的4位取什么值，都会导致H( c )的值一样，这样H( c )就无法完整地反映c的特性，增大了导致冲突的几率。取其他合数时，都会不同程度的导致c的某些位”失效”，从而在一些常见应用中导致冲突。
但是取质数，基本可以保证c的每一位都参与H( c )的运算，从而在常见应用中减小冲突几率。