前言
我们今天在二叉树的基础上来梳理学习二叉搜索树的相关知识点,二叉搜索树也常被归类为一种搜索算法,并且在后续map和set的学习中需要二叉搜索树作为铺垫,有助于我们理解map和set的特性,不仅如此,二叉搜索树自身也是有着非常多的特性和优势。
一:二叉搜索树的概念
二叉搜索树(Binary Search Tree)又称二叉排序树和二叉查找树。它可以是一颗空树,也可以是具有以下性质的二叉树:
- 若它的左子树不为空,则左子树上所有结点的值都小于根结点的值。
- 若它的右子树不为空,则右子树上所有结点的值都大于根结点的值。
- 它的左右子树也分别都为二叉搜索数。
图解:
二:二叉搜索树的实现
BST.hpp:
实现了二叉搜索树的插入、查找、删除等功能,具体注意的点:
#pragma once
template<class K>
struct BSTreeNode{
BSTreeNode<K>* _left;
BSTreeNode<K>* _right;
K _key;
BSTreeNode(const K& key)
:_left(nullptr)
,_right(nullptr)
, _key(key)
{}
};
template<class K>
class BSTree{
typedef BSTreeNode<K> Node;
public:
bool Insert(const K& key){
if (_root == nullptr){
_root = new Node(key);
return true;
}
// parent起到连接新结点的作用
Node* parent = nullptr;
Node* cur = _root;
while (cur){
if (cur->_key < key){
parent = cur;
cur = cur->_right;
}
else if (cur->_key > key){
parent = cur;
cur = cur->_left;
}
else{
return false;
}
}
cur = new Node(key);
// 连接
if (parent->_key < key){
parent->_right = cur;
}
else{
parent->_left = cur;
}
return true;
}
bool Find(const K& key){
Node* cur = _root;
while (cur){
if (cur->_key < key){
cur = cur->_right;
}
else if (cur->_key > key){
cur = cur->_left;
}
else{
return ture;
}
}
return false;
}
// 删除的结点存在左右孩子
// 则找左子树的最右结点或右子树的最左结点进行替代
bool Erase(const K& key){
Node* parent = nullptr;
Node* cur = _root;
while (cur){
if (cur->_key < key){
parent = cur;
cur = cur->_right;
}
else if (cur->_key > key){
parent = cur;
cur = cur->_left;
}
else{
// 找到了需要删除的结点
// 需要判断cur是parent的左孩子还是右孩子
if (cur->_left == nullptr){
// 被删除的结点是根结点
if (cur == _root){
_root = cur->_right;
}
// 被删除的结点存在父结点
else{
if (parent->_right == cur){
parent->_right = cur->_right;
}
else{
parent->_left = cur->_right;
}
}
delete cur;
}
else if (cur->_right == nullptr){
if (cur == _root){
_root = cur->_left;
}
else{
if (parent->_right == cur){
parent->_right = cur->_left;
}
else{
parent->_left = cur->_left;
}
}
delete cur;
}
else{
// 替代
Node* rightMinParent = cur;
Node* rightMin = cur->_right;
// 若while循环没有进入则Parent就会为nullptr
// 初始化时Parent就为cur
while (rightMin->_left){
rightMinParent = rightMin;
rightMin = rightMin->_left;
}
// 替代删除结点
cur->_key = rightMin->_key;
// 删除rightMin
// 右子树的最左结点可能是父结点的右孩子
if (rightMin == rightMinParent->_left){
rightMinParent->_left = rightMin->_right;
}
else{
rightMinParent->_right = rightMin->_right;
}
delete rightMin;
}
return true;
}
}
return false;
}
void _Inorder(Node* root){
if (root == nullptr){
return;
}
_Inorder(root->_left);
cout << root->_key << " ";
_Inorder(root->_right);
}
void Inorder(){
_Inorder(_root);
cout << endl;
}
private:
Node* _root = nullptr;
};
void TestBSTree(){
BSTree<int> tree;
int array[] = { 5, 3, 4, 1, 7, 8, 2, 6, 0, 9 };
for (const auto& e : array){
tree.Insert(e);
}
tree.Inorder();
tree.Erase(7);
tree.Inorder();
}
三:二叉搜索树的应用
3.1 K模型
K模型即只有Key作为关键码,结构中只需要存储Key即可,关键码即为需要搜索到的值。
比如:给一个单词word,判断该单词是否拼写正确,具体方式如下:
- 以单词集合中的每个单词作为key,构建一棵二叉搜索树。
- 在二叉搜索树中检索该单词是否存在,存在则拼写正确,不存在则拼写错误。
3.2 KV模型
KV模型即每一个关键码Key,都有与之对应的值Value,即<Key, Value>的键值对。
比如:实现一个简单的英汉词典,可以通过英文找到与其对应的中文,具体实现方式如下:
- <英文单词,中文含义>为键值对构造二叉搜索树。
- 查询英文单词时,只需给出英文单词,就可快速找到与其对应的中文含义。
KV模型的实现:
#pragma once
template<class K,class V>
struct BSTreeNode{
BSTreeNode<K,V>* _left;
BSTreeNode<K,V>* _right;
K _key;
V _value;
BSTreeNode(const K& key, const V& value)
:_left(nullptr)
, _right(nullptr)
, _key(key)
, _value(value)
{}
};
template<class K, class V>
class BSTree{
typedef BSTreeNode<K, V> Node;
public:
bool Insert(const K& key, const V& value){
if (_root == nullptr){
_root = new Node(key,value);
return true;
}
// parent起到连接新结点的作用
Node* parent = nullptr;
Node* cur = _root;
while (cur){
if (cur->_key < key){
parent = cur;
cur = cur->_right;
}
else if (cur->_key > key){
parent = cur;
cur = cur->_left;
}
else{
return false;
}
}
cur = new Node(key,value);
// 连接
if (parent->_key < key){
parent->_right = cur;
}
else{
parent->_left = cur;
}
return true;
}
Node* Find(const K& key){
Node* cur = _root;
while (cur){
if (cur->_key < key){
cur = cur->_right;
}
else if (cur->_key > key){
cur = cur->_left;
}
else{
return cur;
}
}
return nullptr;
}
// 删除的结点存在左右孩子
// 则找左子树的最右结点或右子树的最左结点进行替代
bool Erase(const K& key){
Node* parent = nullptr;
Node* cur = _root;
while (cur){
if (cur->_key < key){
parent = cur;
cur = cur->_right;
}
else if (cur->_key > key){
parent = cur;
cur = cur->_left;
}
else{
// 找到了需要删除的结点
// 需要判断cur是parent的左孩子还是右孩子
if (cur->_left == nullptr){
// 被删除的结点是根结点
if (cur == _root){
_root = cur->_right;
}
// 被删除的结点存在父结点
else{
if (parent->_right == cur){
parent->_right = cur->_right;
}
else{
parent->_left = cur->_right;
}
}
delete cur;
}
else if (cur->_right == nullptr){
if (cur == _root){
_root = cur->_left;
}
else{
if (parent->_right == cur){
parent->_right = cur->_left;
}
else{
parent->_left = cur->_left;
}
}
delete cur;
}
else{
// 替代
Node* rightMinParent = cur;
Node* rightMin = cur->_right;
// 若while循环没有进入则Parent就会为nullptr
// 初始化时Parent就为cur
while (rightMin->_left){
rightMinParent = rightMin;
rightMin = rightMin->_left;
}
// 替代删除结点
cur->_key = rightMin->_key;
// 删除rightMin
// 右子树的最左结点可能是父结点的右孩子
if (rightMin == rightMinParent->_left){
rightMinParent->_left = rightMin->_right;
}
else{
rightMinParent->_right = rightMin->_right;
}
delete rightMin;
}
return true;
}
}
return false;
}
void _Inorder(Node* root){
if (root == nullptr){
return;
}
_Inorder(root->_left);
cout << root->_key << ":" << root->_value << " ";
_Inorder(root->_right);
}
void Inorder(){
_Inorder(_root);
cout << endl;
}
private:
Node* _root = nullptr;
};
void TestBSTree(){
BSTree<string, string> dict;
dict.Insert("sort", "排序");
dict.Insert("string", "字符串");
dict.Insert("tree", "树");
dict.Insert("insert", "插入");
string str;
while (cin >> str){
// 查找
BSTreeNode<string, string>* ret = dict.Find(str);
if (ret != nullptr){
cout << ret->_value << endl;
}
else{
cout << "未找到" << endl;
}
}
// 统计水果出现的次数
string strArray[] = { "西瓜", "苹果", "樱桃", "西瓜", "樱桃" };
BSTree<string, int> countTree;
for (auto str: strArray){
BSTreeNode<string, int>* ret = countTree.Find(str);
if (ret == nullptr){
countTree.Insert(str, 1);
}
else{
ret->_value++;
}
}
countTree.Inorder();
}
四:二叉搜索树的性能
若插入的数据是有序或者接近有序时,二叉搜索树会从普通的二叉树结构化为单支树的形式,这样二叉搜索树的效率就没有办法保证。
最优情况下,二叉搜索树为完全二叉树,其平均比较次数为:log2^N
最差情况下,二叉搜索树退化为单支树,其平均比较次数为:N/2
注意:二叉搜索树中Key是不允许修改的,可能会破坏二叉搜索树的性质。