基本定义
树具有以下特点：
1.每个结点有零个或多个子结点；
2.没有父结点的结点为根结点；
3.每一个非根结点只有一个父结点；
4.每个结点及其后代结点整体上可以看做是一棵树，称为当前结点的父结点的一个子树；
结点的度：
一个结点含有的子树的个数称为该结点的度；
叶结点：
度为0的结点称为叶结点，也可以叫做终端结点
分支结点：
度不为0的结点称为分支结点，也可以叫做非终端结点
结点的层次：
从根结点开始，根结点的层次为1，根的直接后继层次为2，以此类推
结点的层序编号.
将树中的结点，按照从上层到下层，同层从左到右的次序排成一个线性序列，把他们编成连续的自然数。
树的度：
树中所有结点的度的最大值
树的高度(深度)：
树中结点的最大层次
森林：
m（m>=0）个互不相交的树的集合，将一颗非空树的根结点删去，树就变成一个森林；给森林增加一个统一的根结点，森林就变成一棵树
孩子结点：
一个结点的直接后继结点称为该结点的孩子结点
双亲结点(父结点)：
一个结点的直接前驱称为该结点的双亲结点
兄弟结点：
同一双亲结点的孩子结点间互称兄弟结点
二叉树
二叉树就是度不超过2的树(每个结点最多有两个子结点)
-
满二叉树
-
完全二叉树
二叉查找树创建
Node(Key key, Value value, Node left, Node right)：创建Node对象
- public Node left:记录左子结点
- public Node right:记录右子结点
- public Key key:存储键
- public Value value:存储值
private class Node<Key,Value>{
//存储键
public Key key;
//存储值
private Value value;
//记录左子结点
public Node left;
//记录右子结点
public Node right;
public Node(Key key, Value value, Node left, Node right) {
this.key = key;
this.value = value;
this.left = left;
this.right = right;
}
}
插入节点
- 如果当前树中没有任何一个结点，则直接把新结点当做根结点使用
- 如果当前树不为空，则从根结点开始：
- 如果新结点的key小于当前结点的key，则继续找当前结点的左子结点；
- 如果新结点的key大于当前结点的key，则继续找当前结点的右子结点；
- 如果新结点的key等于当前结点的key，则树中已经存在这样的结点，替换该结点的value值即可。
//向树中添加元素key-value
public void put(Key key, Value value) {
root = put(root, key, value);
}
//向指定的树x中添加key-value,并返回添加元素后新的树
private Node put(Node x, Key key, Value value) {
//如果x子树为空，
if (x==null){
N++;
return new Node(key,value, null,null);
}
//如果x子树不为空
//比较x结点的键和key的大小：
int cmp = key.compareTo(x.key);
if (cmp>0){
//如果key大于x结点的键，则继续找x结点的右子树
x.right = put(x.right,key,value);
}else if(cmp<0){
//如果key小于x结点的键，则继续找x结点的左子树
x.left = put(x.left,key,value);
}else{
//如果key等于x结点的键，则替换x结点的值为value即可
x.value = value;
}
return x;
}
查询节点
//查询树中指定key对应的value
public Value get(Key key) {
return get(root,key);
}
//从指定的树x中，查找key对应的值
public Value get(Node x, Key key) {
//x树为null
if (x==null){
return null;
}
//x树不为null
//比较key和x结点的键的大小
int cmp = key.compareTo(x.key);
if (cmp>0){
//如果key大于x结点的键，则继续找x结点的右子树
return get(x.right,key);
}else if(cmp<0){
//如果key小于x结点的键，则继续找x结点的左子树
return get(x.left,key);
}else{
//如果key等于x结点的键，就找到了键为key的结点，只需要返回x结点的值即可
return x.value;
}
}
删除节点
- 找到被删除结点；
- 找到被删除结点右子树中的最小结点minNode
- 删除右子树中的最小结点
- 让被删除结点的左子树称为最小结点minNode的左子树，让被删除结点的右子树称为最小结点minNode的右子树
- 让被删除结点的父节点指向最小结点minNode
//删除树中key对应的value
public void delete(Key key) {
delete(root, key);
}
//删除指定树x中的key对应的value，并返回删除后的新树
public Node delete(Node x, Key key) {
//x树为null
if (x==null){
return null;
}
//x树不为null
int cmp = key.compareTo(x.key);
if (cmp>0){
//如果key大于x结点的键，则继续找x结点的右子树
x.right = delete(x.right,key);
}else if(cmp<0){
//如果key小于x结点的键，则继续找x结点的左子树
x.left = delete(x.left,key);
}else{
//如果key等于x结点的键，完成真正的删除结点动作，要删除的结点就是x；
//让元素个数-1
N--;
//得找到右子树中最小的结点
if (x.right==null){
return x.left;
}
if (x.left==null){
return x.right;
}
Node minNode = x.right;
while(minNode.left!=null){
minNode = minNode.left;
}
//删除右子树中最小的结点
Node n = x.right;
while(n.left!=null){
if (n.left.left==null){
n.left=null;
}else{
//变换n结点即可
n = n.left;
}
}
//让x结点的左子树成为minNode的左子树
minNode.left = x.left;
//让x结点的右子树成为minNode的右子树
minNode.right = x.right;
//让x结点的父结点指向minNode
x = minNode;
}
return x;
}
二叉查找树中最小的键
依次向左,最左元素即为最小的键.如果没有左子树,则当前元素是最小的键
//查找整个树中最小的键
public Key min(){
return min(root).key;
}
//在指定树x中找出最小键所在的结点
private Node min(Node x){
//需要判断x还有没有左子结点，如果有，则继续向左找，如果没有，则x就是最小键所在的结点
if (x.left!=null){
return min(x.left);
}else{
return x;
}
}
二叉查找树 中最大的键
依次向右,最右元素即为最大的键.如果没有右子树,则当前元素是最大的键
//在整个树中找到最大的键
public Key max(){
return max(root).key;
}
//在指定的树x中，找到最大的键所在的结点
public Node max(Node x){
//判断x还有没有右子结点，如果有，则继续向右查找，如果没有，则x就是最大键所在的结点
if (x.right!=null){
return max(x.right);
}else{
return x;
}
}
二叉查找树遍历
- 前序遍历
先访问根结点，然后再访问左子树，最后访问右子树 - 中序遍历
先访问左子树，中间访问根节点，最后访问右子树 - 后序遍历
先访问左子树，再访问右子树，最后访问根节点
前序遍历 E B A D C G F H
中序遍历 A B C D E F G H
后序遍历 A C D B F H G E
前序遍历
用到了深度优先的思想
public Queue< Key > preErgodic() 获取整个树中所有的键
private void preErgodic(Node x,Queue< Key > keys) 获取指定树x的所有键，并放到keys队列中
//获取指定树x的所有键，并放到keys队列中
private void preErgodic(Node x,Queue<Key> keys){
if (x==null){
return;
}
//把x结点的key放入到keys中
keys.enqueue(x.key);
//递归遍历x结点的左子树
if (x.left!=null){
preErgodic(x.left,keys);
}
//递归遍历x结点的右子树
if (x.right!=null){
preErgodic(x.right,keys);
}
}
中序遍历
中序遍历结果是有序的
//使用中序遍历获取树中所有的键
public Queue<Key> midErgodic(){
Queue<Key> keys = new Queue<>();
midErgodic(root,keys);
return keys;
}
//使用中序遍历，获取指定树x中所有的键，并存放到key中
private void midErgodic(Node x,Queue<Key> keys){
if (x==null){
return;
}
//先递归，把左子树中的键放到keys中
if (x.left!=null){
midErgodic(x.left,keys);
}
//把当前结点x的键放到keys中
keys.enqueue(x.key);
//在递归，把右子树中的键放到keys中
if(x.right!=null){
midErgodic(x.right,keys);
}
}
后序遍历
//使用后序遍历，把整个树中所有的键返回
public Queue<Key> afterErgodic(){
Queue<Key> keys = new Queue<>();
afterErgodic(root,keys);
return keys;
}
//使用后序遍历，把指定树x中所有的键放入到keys中
private void afterErgodic(Node x,Queue<Key> keys){
if (x==null){
return ;
}
//通过递归把左子树中所有的键放入到keys中
if (x.left!=null){
afterErgodic(x.left,keys);
}
//通过递归把右子树中所有的键放入到keys中
if (x.right!=null){
afterErgodic(x.right,keys);
}
//把x结点的键放入到keys中
keys.enqueue(x.key);
}
层序遍历
用到了广度优先的思想
- 创建队列，存储每一层的结点；
- 使用循环从队列中弹出一个结点：
2.1 获取当前结点的key；
2.2 如果当前结点的左子结点不为空，则把左子结点放入到队列中
2.3 如果当前结点的右子结点不为空，则把右子结点放入到队列中
//使用层序遍历，获取整个树中所有的键
public Queue<Key> layerErgodic(){
//定义两个队列，分别存储树中的键和树中的结点
Queue<Key> keys = new Queue<>();
Queue<Node> nodes = new Queue<>();
//默认，往队列中放入根结点
nodes.enqueue(root);
while(!nodes.isEmpty()){
//从队列中弹出一个结点，把key放入到keys中
Node n = nodes.dequeue();
keys.enqueue(n.key);
//判断当前结点还有没有左子结点，如果有，则放入到nodes中
if (n.left!=null){
nodes.enqueue(n.left);
}
//判断当前结点还有没有右子结点，如果有，则放入到nodes中
if (n.right!=null){
nodes.enqueue(n.right);
}
}
return keys;
}
二叉树的最大深度
public int maxDepth()：计算整个树的最大深度
private int maxDepth(Node x):计算指定树x的最大深度
- 如果根结点为空，则最大深度为0；
- 计算左子树的最大深度；
- 计算右子树的最大深度；
- 当前树的最大深度=左子树的最大深度和右子树的最大深度中的较大者+1
//获取指定树x的最大深度
private int maxDepth(Node x){
if (x==null){
return 0;
}
//x的最大深度
int max=0;
//左子树的最大深度
int maxL=0;
//右子树的最大深度
int maxR=0;
//计算x结点左子树的最大深度
if (x.left!=null){
maxL = maxDepth(x.left);
}
//计算x结点右子树的最大深度
if (x.right!=null){
maxR = maxDepth(x.right);
}
//比较左子树最大深度和右子树最大深度，取较大值+1即可
max = maxL>maxR?maxL+1:maxR+1;
return max;
}
平衡树
2-3查找树
查找
插入
向2-结点中插入新键
向一棵只含有一个3-结点的树中插入新键
向一个父结点为2-结点的3-结点中插入新键
分解根顶点
2-3具有以下性质
- .任意空链接到根结点的路径长度都是相等的
- 4-结点变换为3-结点时，树的高度不会发生变化，只有当根结点是临时的4-结点，分解根结点时，树高+1。
- 2-3树与普通二叉查找树最大的区别在于，普通的二叉查找树是自顶向下生长，而2-3树是自底向上生长。
红黑树
红连接: 将两个2-结点连接起来构成一个3-结点
黑连接: 则是2-3树中的普通连接
红黑树是含有红黑链接并满足下列条件的二叉查找树：
- 红链接均为左链接；
- 没有任何一个结点同时和两条红链接相连；
- 该树是完美黑色平衡的，即任意空链接到根结点的路径上的黑链接数量相同；
private class Node<Key,Value>{
//存储键
public Key key;
//存储值
private Value value;
//记录左子结点
public Node left;
//记录右子结点
public Node right;
//由其父结点指向它的链接的颜色
public boolean color;
public Node(Key key, Value value, Node left,Node right,boolean color) {
this.key = key;
this.value = value;
this.left = left;
this.right = right;
this.color = color;
}
}
平衡化
在对红黑树进行一些增删改查的操作后，很有可能会出现红色的右链接或者两条连续红色的链接，而这些都不满足红黑树的定义，所以我们需要对这些情况通过旋转进行修复，让红黑树保持平衡。
左旋
- 让x的左子结点变为h的右子结点：h.right=x.left;
- 让h成为x的左子结点：x.left=h;
- 让h的color属性变为x的color属性值：x.color=h.color;
- 让h的color属性变为RED：h.color=true;
右旋
- 让x的右子结点成为h的左子结点：h.left = x.right;
- 让h成为x的右子结点：x.right=h;
- 让x的color变为h的color属性值：x.color = h.color;
- 让h的color为RED；
颜色反转
B-树
- 每个结点最多有M-1个key，并且以升序排列；
- 每个结点最多能有M个子结点；
- 根结点至少有两个子结点；
文件系统的设计者利用了磁盘预读原理，将一个结点的大小设为等于一个页（1024个字节或其整数倍），这样每个结点只需要一次I/O就可以完全载入。那么3层的B树可以容纳1024 * 1024 * 1024差不多10亿个数据，如果换成二叉查找树，则需要30层！假定操作系统一次读取一个节点，并且根节点保留在内存中，那么B树在10亿个数据中查找目标值，只需要小于3次硬盘读取就可以找到目标值，但红黑树需要小于30次，因此B树大大提高了IO的操作效率。
B+树
B+树是对B树的一种变形树，它与B树的差异在于：
- 非叶结点仅具有索引作用，也就是说，非叶子结点只存储key，不存储value；
- 树的所有叶结点构成一个有序链表，可以按照key排序的次序遍历全部数据。
B树的优点在于：
由于B树的每一个节点都包含key和value，因此我们根据key查找value时，只需要找到key所在的位置，就能找到value，但B+树只有叶子结点存储数据，索引每一次查找，都必须一次一次，一直找到树的最大深度处，也就是叶子结点的深度，才能找到value。
1453
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
