树的基本概念
节点、根节点、父节点、子节点、兄弟节点
一棵树可以没有任何节点,称为空树
一棵树可以只有1个节点,也就是只有根节点
子树、左子树、右子树
确定一棵数,只需要一个根节点
节点的度(degree):子树的个数
树的度:所有节点度中的最大值
叶子节点:度为0的节点
非叶子节点:度不为0的节点
层数(level):根节点在第1层,根节点的子节点在第2层,以此类推
节点的深度(depth):从根节点到当前节点的唯一路径上的节点总数
节点的高度(height):从当前节点到最远叶子节点的路径上的节点总数
树的深度:所有节点深度中的最大值
树的高度:所有节点高度中的最大值
树的深度 = 树的高度
有序树
树中任意节点的子节点之间有顺序关系
无序树
树中任意节点的子节点之间没有顺序关系(也称为自由树)
森林
由m(m>=0)课互不相交的树组成的集合
二叉树
二叉树的特点:
每个节点的度最大为2(最多拥有2棵子树)
左子树和右子树是有顺序的
即使某个节点只有一棵子树,也要区分左右子树
- 二叉树是有序树
二叉树的数据结构:
public class TreeNode {
int val;
TreeNode left;
TreeNode right;
TreeNode(int x) { val = x; }
}
二叉树的性质
非空二叉树的第i层,最多有 2(i-1) 个节点(i>=1)
容易理解
1 2 3 4…层最多有:
1 2 4 8…转换为指数表示:
20 21 22 23… 2(i-1)
在高度为h的二叉树上最多有2h - 1个节点(h>=1)
对于非空二叉树,
n0 = n2 + 1
推导过程:
n = n0 + n1 + n2;
二叉树的边T = n1 + 2*n2(从上往下看) = n - 1 (从下往上看)= n0 + n1 + n2 - 1
满二叉树
所有节点的度要么是0,要么是2。且所有的叶子节点都在最后一层
假设满二叉树的高度为h(h>=1),那么:
第i层的节点数量:2(i-1)
叶子节点数量:2(h-1)
节点数:2h - 1
总节点数量n
n = 2h - 1 = 20 + 21 + 22 + … + 2(h-1)
那么,h = log2 (n + 1)
在同样高度的二叉树中,满二叉树的叶子节点数量最多、总节点数量最多
完全二叉树
叶子节点只会出现最后2层,且最后1层的叶子节点都靠左对齐
完全二叉树从根节点到倒数第2层是一棵满二叉树
满二叉树一定是完全二叉树,完全二叉树不一定是满二叉树
完全二叉树的性质
度为1的节点只能是左子树
度为1的节点,要么是1个,要么是0个
同样节点数控的二叉树,完全二叉树的高度最小
二叉搜索树(Binary Search Tree)
二叉搜索树是二叉树的一种,简称BST
又被称为:二叉查找树、二叉排序树
任意一个节点的值都大于其左子树所有节点的值
任意一个节点的值都小于其右子树所有节点的值
它的左右子树也是一棵二叉搜索树
二叉搜索树可以大大提高搜索数据的效率
二叉搜索树存储的元素必须具备可比较性
手写:
二叉树的先序遍历
二叉树的中序遍历
二叉树的后序遍历
二叉树的层序遍历
二叉树的高度
判断一个二叉树是否是完全二叉树
二叉树的翻转
如何删除一个节点?
叶子节点
度为1的节点
度为2的节点
二叉树的添加删除复杂度分析
二叉树如果充分利用树的特性,偏向于满二叉树,其查找、插入、删除的时间复杂度是logn
如果如右图所示,就是一个链表,查找、插入、删除时间复杂度是n
所以,如果能充分利用树的特性,偏向与满二叉树,则可以大大的提高搜索、添加、删除的效率。
这,从而引出 平衡二叉树的概念。
平衡二叉搜索树
Balanced Binary Search Tree,简称BBST
常见的平衡二叉搜索树有:AVL树、红黑树
AVL树
AVL树可以实现自平衡
也就是,插入一个元素或者删除一个元素,AVL树可以确保插入或删除后,还是AVL树。
添加一个节点,可能会导致所有的祖先节点失衡
但,父节点和非祖先节点不会受到影响。
LL-右旋转
添加的新节点,让g失去平衡,而且,新节点在g的左左边,也就是LL
因此,需要向右旋转。
RR-左旋转
B树(B-Tree)
B树是一种平衡的多路搜索树,多用于文件系统、数据库的实现
B-Tree的添加
删除元素
删除叶子节点,可能会产生下溢
删除-下溢的解决
红黑树(Red Black Tree)
红黑树也是一种自平衡的二叉搜索树
红黑树以前也被称为平衡二叉B树(B-Tree)
AVL树 和 红黑树
集合
集合可以使用动态数组、链表、树的结构来实现
集合的特点:不存放重复的元素;常用于去重
集合的接口一般有:
添加、删除、遍历、元素个数、是否为空、是否包含某个元素、清空
这些方法,在链表、树中都有
以链表为例,只是在添加的时候,需要做去重判断
在搜索时,红黑树的效率要比链表的效率要高很多,因此,有的集合结构,是以红黑树构成。
Map映射
OC中的字典就是映射
Map的接口,一般包括:
元素个数、是否为空、清空、设置值、取值、删除值、是否包含某key、是否包含某个value、遍历
这些,也可以使用链表或者树的结构来实现。
需要注意的是,set也可以使用map来实现
可以理解的是,比如map使用红黑树实现,将map改改,就可以实现set,因为他底层还是红黑树。
不管是红黑树构成的set还是map,其添加、删除、搜索的平均复杂度都是O(logn)级别的。
并且,红黑树有一个特点:具有可比较性
也就是,使用红黑树构成的map,key需要有可比较性,元素分布是有顺序的。
但实际中,map存储的元素是不需要顺序的,key也不需要可比较性。
在不考虑顺序,不考虑key的比较性的情况下,我们有更好的构成map方法,可以使map的添加、删除、搜索的平均复杂度达到O(1)级别。
这就是HashMap