定义
- 二分搜索树是二叉树
- 二分搜索树每个节点的值:
- 大于其左子树所有节点的值
- 小于其右子树所有节点的值
- 每一棵子树也是二分搜索树
- 如果是自定义的元素,存储的元素必须有可比较性
代码构建
基本
这里extends Comparable是因为泛型本身不能像数字一样做比较,因此通过e.compareTo(E e)的方法来实现二分搜索树的可比较性。
public class BST<E extends Comparable<E>> {
private class Node {
public E e;
public Node left;
public Node right;
public Node(E e) {
this.e = e;
this.left = null;
this.right = null;
}
public Node() {
this(null);
}
}
private Node root;
private int size;
public BST() {
root = null;
size = 0;
}
public int getSize() {
return size;
}
public boolean isEmpty() {
return size == 0;
}
}
添加节点
通过递归,如果添加的值小于根节点,则进入左子树;如果添加的值大于根节点,则进入右子树;如果等于的话,则什么都不做。当递归到最后一层时,将会发现一个空节点,此时将添加的值输入进空节点,并返回当前根节点。根节点一层一层返回,最后得到整棵树的根节点。
public void add(E e) {
root = addNode(root, e);
}
//向根为node的节点中添加节点,递归算法
//返回添加完节点后该二分搜索树的根节点
private Node addNode(Node node, E e) {
if (node == null) {
size++;
return new Node(e);
}
if (e.compareTo(node.e) < 0) {
node.left = addNode(node.left, e);
} else if (e.compareTo(node.e) > 0) {
node.right = addNode(node.right, e);
}
return node;
}
查询元素
二分搜索树没有索引的概念,因此不需要按照索引去查找元素。在这里我仍然使用递归的方式,如果寻找到了节点,则返回true;如果比现节点小,则进入左子树;如果比现节点大,则进入右子树。如果整个树遍历到空节点都没有找到相等的元素,则返回false。
//查询树中是否有元素e
public boolean contains(E e) {
return contains(root, e);
}
//查询根节点为root的树中是否包含e,递归
private boolean contains(Node node, E e) {
if (node.e == null) {
return false;
}
if (e.compareTo(node.e) == 0) {
return true;
} else if (e.compareTo(node.e) < 0) {
return contains(node.left, e);
} else {
return contains(node.right, e);
}
}
前序遍历
前序遍历 + 输出
//前序遍历
public void preOrder() {
preOrder(root);
}
//前序遍历根节点为node的树
private void preOrder(Node node) {
if (node == null) {
return;
}
System.out.println(node.e);
preOrder(node.left);
preOrder(node.right);
}
@Override
public String toString() {
StringBuilder res = new StringBuilder();
generateBTSString(root, 0, res);
return res.toString();
}
//前序遍历输出
private void generateBTSString(Node node, int depth, StringBuilder res) {
if (node == null) {
res.append(generateDepthString(depth) + "null\n");
return;
}
res.append(generateDepthString(depth) + node.e + "\n");
generateBTSString(node.left, depth + 1, res);
generateBTSString(node.right, depth + 1, res);
}
private String generateDepthString(int depth) {
StringBuilder res = new StringBuilder();
for (int i = 0; i < depth; i++) {
res.append("--");
}
return res.toString();
}
中序遍历
中序遍历输出的是从小到大排序好的元素
//中序遍历
public void inOrder() {
inOrder(root);
}
private void inOrder(Node node) {
if (node == null) {
return;
}
inOrder(node.left);
System.out.println(node.e);
inOrder(node.right);
}
后序遍历
可以为二分搜索树释放内存,对C++语言回收垃圾有帮助
//后序遍历
public void postOrder() {
postOrder(root);
}
private void postOrder(Node node) {
if (node == null) {
return;
}
postOrder(node.left);
postOrder(node.right);
System.out.println(node.e);
}
三种遍历虽然输出不一样,但是递归方式是相同的,都是从一颗树顶逆时针旋转回来。
前序遍历的非递归写法
使用堆栈技术。每次访问节点时输出该节点,并依次压入右边子节点和左边子节点。紧接着出栈并如上继续操作。
public void preOrder(){
Stack<Node> stack = new Stack<>();
stack.push(root);
while(!stack.isEmpty()){
Node cur = stack.pop();
System.out.println(cur.e);
if(cur.right != null)
stack.push(cur.right);
if(cur.left != null)
stack.push(cur.left);
}
}
层序遍历
层序(广度优先)遍历一般不采用递归的方式,需要用到队列的数据结构。
根节点首先入队,出队,紧接着入队左1、右1,然后出队左1,入队它的左右孩子,然后出队右1,入队它的左右孩子,依此循环至叶节点。
广度优先遍历优点在于可以更快找到问题的解,常用于算法设计中——无权图最短路径。
//层序遍历
public void levelTraverse() {
Queue<Node> queue = new LinkedList<>();
queue.add(root);
while (!queue.isEmpty()) {
Node node = queue.remove();
System.out.println(node.e);
if (node.left != null) {
queue.add(node.left);
}
if (node.right != null) {
queue.add(node.right);
}
}
}
需要注意,Java自带的Queue只是一个接口,实例化需要new一个它的实例化类。
删除节点
删除最小最大元素
// 寻找二分搜索树的最小元素
public E minimum(){
if(size == 0)
throw new IllegalArgumentException("BST is empty");
Node minNode = minimum(root);
return minNode.e;
}
// 返回以node为根的二分搜索树的最小值所在的节点
private Node minimum(Node node){
if( node.left == null )
return node;
return minimum(node.left);
}
// 寻找二分搜索树的最大元素
public E maximum(){
if(size == 0)
throw new IllegalArgumentException("BST is empty");
return maximum(root).e;
}
// 返回以node为根的二分搜索树的最大值所在的节点
private Node maximum(Node node){
if( node.right == null )
return node;
return maximum(node.right);
}
// 从二分搜索树中删除最小值所在节点, 返回最小值
public E removeMin(){
E ret = minimum();
root = removeMin(root);
return ret;
}
// 删除掉以node为根的二分搜索树中的最小节点
// 返回删除节点后新的二分搜索树的根
private Node removeMin(Node node){
if(node.left == null){
Node rightNode = node.right;
node.right = null;
size --;
return rightNode;
}
node.left = removeMin(node.left);
return node;
}
// 从二分搜索树中删除最大值所在节点
public E removeMax(){
E ret = maximum();
root = removeMax(root);
return ret;
}
// 删除掉以node为根的二分搜索树中的最大节点
// 返回删除节点后新的二分搜索树的根
private Node removeMax(Node node){
if(node.right == null){
Node leftNode = node.left;
node.left = null;
size --;
return leftNode;
}
node.right = removeMax(node.right);
return node;
}
删除任意节点
当需要删除左右都有孩子的节点时,只需要找到该节点右子树中与该节点数字最接近的节点(d的后继),删除它并用它来代替被删除的节点。
public void remove(E e) {
root = remove(root, e);
}
//删除某节点并返回根节点
private Node remove(Node node, E e) {
if (node == null) {
return null;
}
if (e.compareTo(node.e) < 0) {
node.left = remove(node.left, e);
return node;
} else if (e.compareTo(node.e) > 0) {
node.right = remove(node.right, e);
return node;
} else { //e.compareTo(node.e) == 0
if (node.left == null) {
Node rightNode = node.right;
node.right = null;
size--;
return rightNode;
}
if (node.right == null) {
Node leftNode = node.left;
node.left = null;
size--;
return leftNode;
}
Node successor = minimum(node.right);
successor.right = removeMin(node.right);
successor.left = node.left;
node.left = node.right = null;
return successor;
}
}