Java进阶：17.2 AVL树

1、AVL树(平衡二叉树BBST)：

AVL树本质上是一颗二叉查找树，但是它又具有以下特点：它是一棵空树或它的左右两个子树的高度差的绝对值不超过1，并且左右两个子树都是一棵平衡二叉树。在AVL树中任何节点的两个子树的高度最大差别为一，所以它也被称为 平衡二叉树。下面是平衡二叉树和非平衡二叉树对比的例图：

平衡因子(bf)：结点的左子树的深度减去右子树的深度，那么显然-1<=bf<=1;

AVL = 适度平衡：对于高度为h的AVL树，至少包含S(h) = fib(h+3) -1 个节点。即有 S(h) = 1 + S(h-1) + S(h-2)

2、AVL树的作用

对于一般的二叉搜索树，其期望高度（即为一棵平衡树时）为log2N，其各操作的时间复杂度（O(log2n)）同时也由此而决定。但是，在某些极端的情况下（如在插入的序列是有序的时），二叉搜索树将退化成近似链或链，此时，其操作的时间复杂度将退化成线性的，即O(n)。我们可以通过随机化建立二叉搜索树来尽量的避免这种情况，但是在进行了多次的操作之后，由于在删除时，我们总是选择将待删除节点的后继代替它本身，这样就会造成总是右边的节点数目减少，以至于树向左偏沉。这同时也会造成树的平衡 性受到破坏，提高它的操作的时间复杂度。

例如：我们按顺序将一组数据1.2.3.5.10.20分别插入到一颗空二叉查找树和AVL树中，插入的结果如下图：

　　由上图可知，同样的结点，由于插入方式不同导致树的高度也有所不同。特别是在带插入结点个数很多且正序的情况下，会导致二叉树的高度是O(N)，而AVL树就不会出现这种情况，树的高度始终是O(lgN).高度越小，对树的一些基本操作的时间复杂度就会越小。这也就是我们引入AVL树的原因

3、AVL树的基本操作

AVL树的操作基本和二叉查找树一样，这里我们关注的是两个变化很大的操作：插入和删除！
在AVL树中刚插入一个节点后失衡节点个数最多为O(lgn)
在AVL树中刚删除一个节点后失衡节点个数最多为O(1)
我们知道，AVL树不仅是一颗二叉查找树，它还有其他的性质。如果我们按照一般的二叉查找树的插入方式可能会破坏AVL树的平衡性。同理，在删除的时候也有可能会破坏树的平衡性，所以我们要做一些特殊的处理，包括：单旋转和双旋转！
对于必须重新平衡的节点a,不平衡主要出现在以下4种情况中：

1. 对a的左儿子的左子树进行一次插入 （1和4镜像对称）
2. 对a的左儿子的右子树进行一次插入 （2和3镜像对称）
3. 对a的右儿子的左子树进行一次插入
4. 对a的右儿子的右子树进行一次插入
   
   对插入操作的平衡有两种方法：单旋、双旋
   

AVL树的插入，双旋转的第一种情况—左右(先左后右)旋：

由上图可知，我们在T结点的左结点的右子树上插入一个元素时，会使得根为T的树的左右子树高度差的绝对值不再 < 1，如果只是进行简单的右旋，得到的树仍然是不平衡的。我们应该按照如下图所示进行二次旋转：
　　
左右情况的左右旋转实例：

AVL树的插入，双旋转的第二种情况—右左(先右后左)旋：

　　由上图可知，我们在T结点的右结点的左子树上插入一个元素时，会使得根为T的树的左右子树高度差的绝对值不再 < 1，如果只是进行简单的左旋，得到的树仍然是不平衡的。我们应该按照如下图所示进行二次旋转：

　　右左情况的右左旋转实例：

4、AVL树评价

优点：无论查找、插入或者删除，最坏情况下的复杂度均为O(logn)，O(n)的存储空间
缺点：
借助高度或者平衡因子，需要改造元素结构，或额外封装
实测复杂度与理论值尚有