查找算法概要

顺序查找

遍历数组中的所有数，寻找等于某个值的数
这是一种十分暴力的算法，没什么好说的。
时间复杂度 $O(n)$，空间复杂度为 $O(1)$ 。
该查找算法对元素的排列没有任何要求，不管是不是有序的。
插入、删除元素的时间复杂度取决于数组的数据结构（顺序表还是链表）。

---

二分查找

在有序的序列中，每次和序列的中间元素比较，来确定元素的位置。每次比较，如果中间元素不等于被比较元素，就缩小元素所在的范围
二分查找首先要求元素序列是有序的。因此如果元素序列乱序，首先要经过排序，这就要消耗至少 $O(n\log n)$ 的时间。
进行每次二分查找，要么可以返回元素位置，要么就把元素的所在范围缩小一半。因此最快的话一次就可以找到元素，最慢需要 $\log_2 n$ 次比较，时间复杂度为 $O(\log n)$。
因为链表不能随机访问（给出任意的元素索引，不能在 $O(1)$ 时间内访问该元素），所以二分查找不适用于链表而适用于顺序表，但是顺序表删除、插入元素会影响到后面的元素（时间复杂度为 $O(n)$ ）,所以对于不经常插入、删除的场景下，使用顺序表和二分查找是一个不错的选择。

---

二叉查找树（BST）

一个二叉树，它中序遍历输出的是一个有序的序列
为了克服二叉查找使用的顺序表插入、删除操作时间复杂度较大的缺点，可使用二叉查找树。
二叉查找树是一个有序的二叉树，把它进行终须遍历输出的是有序的序列。因此，对于二叉查找树的每个节点，左孩子（Left-Children）的值 < 父节点(Parent)的值 < 右孩子的值（Right-Children）或者 左孩子的值 > 父节点的值 > 右孩子的值（先暂时假设数组中所有的元素不相等）。
- 在插入的过程中只要保证小于父节点的元素在左边，大于父节点的在右边（大的在左边小的在右边也行，保持整个树有序即可）就行。
- 查找的时候，把要查找的值和父节点比较：等于就返回父节点，小于就在左边的子树里面查找，大于就在右边的子树查找。
- 删除元素：在删除的同时还要保持二叉树的有序性。所以可以分一下几种情况
1. 被删除的元素是叶子节点：直接删掉就行了
2. 被删除的元素是父节点，只有一个孩子：直接用他的孩子节点覆盖掉这个父节点
3. 被删除的元素是父节点，有两个孩子：把该父节点的直接前驱元素（或者直接后继元素）替换掉这个父节点，同时把前驱元素（或者后继元素）的子树（该前驱、后继元素顶多只有一个子树，自己想一想为什么哈）的根节点放在该前驱元素（或者后继元素）的位置。这个有点复杂，配合图来看比较好理解，图以后再补。

时间复杂度和树的高度h有关。如果该树比较饱满，比较接近于完全二叉树 ，那么树的高度h约为 $\log_2 n$ ；极端情况下，如果这个树每个节点只有一个分支，那么树的高度h就是元素个数n。
因此，对于高度为h的二叉查找树，其查找、插入的时间复杂度都为 $O(h)$ ，即最好为 $O(\log_2 n)$ ，最坏为 $O(n)$ 。删除元素的时间主要消耗在寻找直接前驱元素（或者直接后继）上了，移动二叉树的时间都是常数级的，因此时间复杂度为 $O(h)$ ，即最好为 $O(\log_2 n)$ ，最坏为 $O(n)$ 。
可以看到，二叉查找树的性能取决于他的树高h。因此，接下来我们介绍一种新的数据结构，平衡二叉树，它在减小树高的方面做了优化。

---

平衡二叉树（AVL）

平衡二叉树是以BST为基础，对树的高度进行了控制。
首先引入一个概念 平衡因子 ：某个节点的左子树减去右子树的深度的差。相对于BST，AVL在每个节点增加一个平衡因子的字段，它所有的节点的平衡因子为0或1或-1（对于平衡二叉树而言）。
这是一个AVL：

这是一个不平衡的二叉树：

A的平衡因子为2（左子树深度3 - 右子树深度1 = 2），因此这个树不平衡。

在讲怎么调整不平衡的二叉树之前，先引入一个概念最小不平衡子树 ：某个节点是不平衡的，但是他的左右孩子节点却是平衡的。则以这个节点为根的子树为最小不平衡子树。

可以看出，以46为根节点的子树就是最小不平衡子树。

接下来说说怎么调整AVL：

• 插入节点：假设在插入节点之前树为AVL，插入之后破坏了平衡性。对于不同类型的树，有不同的调整方案。

  1. LL型或RR型：如下图，中间的树就是LL型的（RR型树正好和LL型树左右对称）。
     
     首先把B节点转上去，A节点转到B的右孩子的位置，然后把D节点放在A节点的左孩子的位置。这样调整使得插入节点前后，A（插入之后为B）这个子树的高度没有发生变化，因此上层的节点不用调整平衡因子了。RR型的调整方法与LL的类似。

  2. LR型或RL型：如下图，左边的树是LR型的。
     
     首先对于6这个子树，把6转下去，7转上来，变成中间的树的样子。这个时候树就变成了LL型的，利用之前的调整方法就可以了。同样的，插入前后这个子树的高度不变化（进行了树的平衡的话），不用更新上层节点的平衡因子，只需要更新子树内部的平衡因子。

由上面的方法我们可以看到，插入一个节点，只需要进行常数次的调整，因此对于AVL，插入节点的时间复杂度为 $O(1)$ 。
如何判断LR、RL、RR、LL型的一个方法（只适用于插入节点）：从最小不平衡子树的根节点开始，往插入节点的位置走。如果先走左子树后走右子树，那么就是LR型的。其他类型同理。

• 删除节点：要调整最小不平衡子树，同样的是首先判断出树的类型，然后将节点转来转去。
  和插入节点不同的是：插入节点如果进行了平衡调整，那么插入入前后最小不平衡子树的高度不发生变化。删除节点之后如果进行了平衡调整，那么删除前后最小不平衡子树的高度可能会发生变化，因此上层祖先节点可能会失衡，需逐层遍历各祖先，并对不平衡的祖先节点进行调整（利用转来转去的方法进行调整）。
  因此，删除节点的时间复杂度为 $O(\log n)$ 。

• 统一重平衡算法：
  AVL（也可以说BST）的一个最基本的性质就是 它中序遍历出来的序列是有序的，因此可以根据最小不平衡子树的中序遍历结果，删除或者插入相关元素，然后根据修改之后的中序遍历结果来直接生成平衡之后的子树。可以参考《数据结构》邓俊辉著，第三版，P200。