搜索二叉树、AVL树、红黑树、SBT树

在大量的面试中，红黑树包括某种AVL树 这些概念只会用即可，代码细节可以不做要求，要知道原理。

搜索二叉树

搜索二叉树的定义：对于一棵二叉树中的任意子树，其左子树上的所有数值小于头结点的数值，其右子树上所有的数值大于头结点的数值，并且树中不存在数值相同的结点。也称二叉查找树。

一个标准的 搜索二叉树，内部是没有重复值的！
例子：

在哈希表中，也有key和value。但我们不关注key的排序，哈希表中的key是根据哈希函数分的桶，详见哈希表

哈希表内部的 key是散乱组织的！

可以认为treemap是搜索二叉树结构。
给定一个key和value，通过一个key来查询是否存在于 map，也可通过key，取出value。
这是因为在treemap中，key是通过某种方式有序组织起来的！

当key按序组织之后，可以完成更多的功能，就是treemap所能提供的 hashmap不能提供的 一些功能。
比如对于这样一个 搜索二叉树
要查找5的话，先来到头结点4，小于5，那么在头结点的右子树继续找
来到6，那么必然 在6的左子树继续找

对于这样一棵树，确实是 搜索二叉树，但是不是平衡二叉树。
非常不平衡。
当 搜索二叉树 非常不平衡的时候，复杂度为O(N),而平衡性较好时(相当于二分法了)，可以做到 O(logN);

搜索二叉树 如果不做调整的话，平衡性 和输入规律是有关的，如下面两个例子：


增删改查 复杂度都是O(1)，只不过频率不一样

AVL树

AVL树是一种具有严苛平衡性的搜索二叉树。什么叫做严苛平衡性呢？那就是所有子树的左子树和右子树的高度相差不超过1。弊端是，每次发现因为插入、删除操作破坏了这种严苛的平衡性之后，都需要作出相应的调整以使其恢复平衡，调整较为频繁。

红黑树

红黑树是每个节点都带有颜色属性的搜索二叉树，颜色或红色或黑色。在搜索二叉树强制一般要求以外，对于任何有效的红黑树我们增加了如下的额外要求:
性质1. 节点是红色或黑色。
性质2. 根节点、每个叶节点（NIL节点，空节点）是黑色。
性质4 每个红色节点的两个子节点都是黑色。(从每个叶子到根的所有路径上不能有两个连续的红色节点)
性质5. 从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点。
性质5：

SBT树

它是由中国广东中山纪念中学的陈启峰发明的。陈启峰于2006年底完成论文《Size Balanced Tree》，并在2007年的全国青少年信息学奥林匹克竞赛冬令营中发表。
相比红黑树、AVL树等自平衡二叉查找树，SBT更易于实现。据陈启峰在论文中称，SBT是“目前为止速度最快的高级二叉搜索树”。SBT能在**O(log n)**的时间内完成所有二叉搜索树(BST)的相关操作，而与普通二叉搜索树相比，SBT仅仅加入了简洁的核心操作Maintain。由于SBT赖以保持平衡的是size域而不是其他“无用”的域，它可以很方便地实现动态顺序统计中的select和rank操作。
SBT树的性质是：对于数中任意结点，以该结点为根节点的子树的结点个数 不能比以该结点的叔叔结点为根节点的子树的结点个数大。

比如Y作为根节点，其形成的节点，不能比子侄节点Z1或者Z2上 形成的节点数 少。
这样左树 和 右数的规模 还是差不多的

当我把平衡性阉割到一定程度的时候，我的调整可以不那么频繁。
比如AVL树，最最最严苛平衡性的搜索二叉树，所有子树的左子树和右子树的高度相
差不超过1，意味着 几乎每次插入都需要调整。
而红黑树 平衡性 没有那么 严苛，那么意味着调整的次数 没有AVL树 那么多。
所以讲了那么多树，本质上都是玩 平衡性，使得使用的时候不再那么频繁。

由于红黑树的实现较为复杂，因此现在工程中大多使用SBT树作为平衡二叉树的实现

30.00讲代码：

抽象搜索二叉树，这个代码非常棒！

给定一个值element，如果这棵树上 有这个值，则返回节点node：

while条件不满足，说明已经找到了node，直接返回。

如果没有找到，则node为空，同样返回该node。

如果当前值小于 node，则左移：

插入方法：

这段while 即 找到不能再找了（小于就往左数跑，大于就往右数跑，在找下去都是空节点了）

然后，新的节点就知道了，该在哪个节点插入我也知道了！下面为插入节点的函数！

下面讲如何删除节点：
节点x有一个节点5,5有左孩子，没有右孩子，
要求 删除5 的话，
直接将4移到5的位置，
即x的右孩子直接变成4，然后删除5

但是，若是左右 孩子双全的情况，如下：
要删除5节点，就不好搞了。

我们拿 整棵右子树最左的节点 代替5！（也可以是左子树最右的节点）
这两种方法。不会破坏 搜索二叉树的性质：左子树都比根节点小，右子树都比根节点大。
例子：

拿6代替5, 6的左孩子接管原先5的左孩子。
那么6之前的右孩子怎么办呢？

移交给7！

当然删除5，也可以用4来顶。

4是5的前驱节点。6是5的后继节点。
前驱节点、后继节点都是中序遍历的概念。

左旋：

顺时针旋例子：

顺时针转（又称为右旋，头结点变为新头结点的右孩子）：



左旋（原来的头节点变为新头节点的左孩子）：


AVL树是如何 发现不平衡性的。

顺着路径把右节点的数都改掉。

此时4左右节点相差不大于1，还是平衡的

再次插入6


改完以后就会发现4左右不平衡。
这时候发生左旋。

对于一个经典的节点，
有 指向父节点的指针
有 指向左子树的指针
有 指向右子树的指针
有 指向 自身值 的指针

对于AVLnode封装了一个高度的变量。

AVL树 继承的是 能够自我balance的 搜索二叉树。

插入一个节点后
通过rebalance 来发现是否平衡

具体来说：

首先找到其父节点，

一个节点本身就有一个高度值，
其左树每一个节点都有一个值，
如果左子树存在，则node的高度 为左孩子 left的高度H
如果左子树不存在，则node的高度 为 -1

所以这两行节点结束后，得到高度

然后：

若等于-2，说明右树超了
若等于2，说明左树超了
右树超了，进行AVL调整：



左树右树最高的节点数+我当前的节点。

总之，从node开始，找到左子树高度，右子树高度，看是否平衡，如果不平衡，调整。
调整后，回调父节点，

继续回调：

父节点也可以进一步得到其左右节点的高度。若不平衡，则调整
每种平衡二叉树都有自己的一套在插入、删除等操作改变树结构而破坏既定平衡性时的应对措施（但都是左旋操作和右旋操作的组合），以AVL数为例（有四种平衡调整操作，其中的数字只是结点代号而非结点数值）：
AVL有四种组合动作，
LL 调整：
左树超了


相应代码：

头结点跑到了新节点的右孩子上，所以是 右旋。
所以，这一部分是 LL型处理？？？

右树超了用RR型：
进行一个左旋操作。

RL情况：

还是左树较高

先在这样局部，使4变为头结点。

即以3作为头结点 旋转：

接下来便是LL型操作，

总结，对于RL情况，先进行左旋，在进行右旋。

面试的时候，不会要求 手撸平衡搜索二叉树。但是怎么使用 平衡搜索二叉树的结构，会考！
01.20.50 开始讲 主函数main


返回树内 刚刚比这个数 大的数：

哈希表要做到这三项，都要承担O(N)的代价，
但是treemap 只需要O(NlogN),因为整个key是按有序组织的！

如果只是 通过key查value这一个行为，
没有必要用treemap，也没必要用红黑树，也没必要用AVL，没必要用任何一个平衡搜索二叉树

但如果希望key是按序组织的！且十分频繁查询（即希望查询效率变高），则可以选择一个平衡搜索二叉树的操作。