二叉搜索树

于 2023-02-14 18:36:12 发布
阅读量702 收藏 1
点赞数 2
分类专栏： C++ 文章标签： 算法 数据结构 c++
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/SASCII/article/details/129028481
版权
文章介绍了二叉搜索树的基本概念，包括其性质和查找、插入、删除等操作的实现。此外，还探讨了二叉搜索树在不同情况下的性能，如最优情况下的平均查找长度为log_2N，以及最差情况下可能退化为单支树，导致平均比较次数增加到N/2。
摘要由CSDN通过智能技术生成

1.二叉搜索树

1.1.二叉搜索树概念

二叉搜索树又称二叉排序树，它或者是一颗空树，或者是具有一下性质的二叉树。

  • 若它的左子树不为空，则左子树上的所有节点的值都小于根节点的值。
  • 若它的右子树不为空，则右子树上的所有节点的值都大于根节点的值。
  • 它的左右子树也分别为二叉搜索树。

1.2.二叉搜索树操作

  1. 二叉搜索树的查找

a. 从根开始比较，查找，比根大则往右边查找，比跟小则往左边走查找。b. 最多查找高度次，走到空，还没找到，这个值不存在。

  1. 二叉搜索树的插入

树为空，则直接增加节点，赋值给root指针，树不为空，按二叉搜索树性质查找插入位置，插入新节点。
在这里插入图片描述

  1. 二叉搜索树的删除
    首先查找元素是否在二叉搜索树中，如果不存在，则返回，否则要删除的节点可能分下面四种情况。
  • 要删除的节点无孩子节点
  • 要删除的节点只有左孩子节点
  • 要删除的节点只有右孩子节点
  • 要删除的节点有左右孩子节点

看起来有待删除节点有4中情况，实际情况a可以与情况b或者c合并起来，因此真正删除过程如下:

  • 情况b:删除该节点且使被删除节点的双亲节点指向被删除节点的左孩子节点-直接删除。
  • 情况c:删除该节点且使被删除节点的双亲节点指向被删除节点的右孩子节点-直接删除。
  • 情况d:在它的右子树中寻找中序下第一个节点(关键码最小),用它的值填补到被删除节点中，再来处理该节点的删除问题–替换法删除。
    在这里插入图片描述

1.3.二叉搜索树的模拟实现

template <class K>
struct BSTreeNode
{
	struct BSTreeNode* left;
	struct BSTreeNode* right;
	K key;
	BSTreeNode(const K& key)
		:key(key)
		,left(nullptr)
		,right(nullptr)
	{}
};

template <class K>
class BSTree
{
	typedef BSTreeNode<K> Node;
public:
	BSTree()
		:_root(nullptr)
	{}

	BSTree(const BSTree<K>& t)
	{
		_root = Copyt(t._root);
	}

	BSTree<K>& operator=(BSTree t)
	{
		swap(_root, t._root);
		return *this;
	}

	~BSTree()
	{
		Destory(_root);
	}

	bool Insert(const K& key)
	{
		if (_root == nullptr) {
			_root = new Node(key);
			return true;
		}
		Node* parent = _root;
		Node* cur = _root;
		while (cur != nullptr)
		{
			if (cur->key < key)
			{
				parent = cur;
				cur = cur->right;
			}
			else if (cur->key > key)
			{
				parent = cur;
				cur = cur->left;
			}
			else
				return false;
		}
		if (parent->key < key)
		{
			parent->right =  new Node(key);
		}
		else
		{
			parent->left = new Node(key);
		}
		return true;
	}

	void InOrder()
	{
		_InOrder(_root);
		cout << endl;
	}

	bool Find(const K& key)
	{
		if (_root == nullptr)
			return false;
		Node* cur = _root;
		while (cur != nullptr)
		{
			if (cur->key < key)
			{
				cur = cur->right;
			}
			else if (cur->key < key)
			{
				cur = cur->left;
			}
			else
				return true;
		}
		return false;
	}

	bool Erase(const K& key)
	{
		Node* parent = _root;
		Node* cur = _root;
		while (cur != nullptr)
		{
			if (cur->key > key)
			{
				parent = cur;
				cur = cur->left;
			}
			else if (cur->key < key)
			{
				parent = cur;
				cur = cur->right;
			}
			else
			{
				Node* del = cur;
				//到这里，成功的找到这个元素,删除的情况分三种
				//1.左为空
				if (cur->left == nullptr)
				{
					if (cur == _root)
					{
						_root = cur->right;
					}
					else
					{
						if (parent->right == cur)
						{
							parent->right = cur->right;
						}
						else
						{
							parent->left = cur->right;
						}
					}
					
				}
				//2.右为空
				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;
						}
					}
				}
				//3.左右都不为空，用的是替换法，左边最大，右边最小(这里用右最小)
				else
				{
					Node* minRight = cur->right;//minRight就是右最大
					while (minRight->left != nullptr)
					{
						parent = minRight;
						minRight = minRight->left;
					}
					swap(cur->key, minRight->key);
					if (parent->left == minRight)
					{
						parent->left = minRight->right;
					}
					else
					{
						parent->right = minRight->right;
					}
					cur = minRight;
				}
				delete cur;
				return true;
			}
		}
		return false;
	}

	bool FindR(const K& key)
	{
		return _FindR(_root,key);
	}

	bool InsertR(const K& key)
	{
		return _InsertR(_root, key);
	}

	bool EraseR(const K& key)
	{
		return _EraseR(_root, key);
	}
private:
	//释放走一个后续遍历
	void Destory(Node* root)
	{
		if (root == nullptr)
			return;
		Destory(root->left);
		Destory(root->right);
		delete root;
	}
	Node* Copyt(const Node* root)
	{
		if (root == nullptr)
		{
			return nullptr;
		}
		Node* parent = new Node(root->key);
		parent->left = Copyt(root->left);
		parent->right = Copyt(root->right);
		return parent;
	}

	void _InOrder(Node* _root)
	{
		if (_root == nullptr)
			return;

		_InOrder(_root->left);
		cout << _root->key << " ";
		_InOrder(_root->right);
	}

	bool _EraseR(Node*& root, const K& key)
	{
		if (root == nullptr)
		{
			return false;
		}
		if (root->key < key)
		{
			return _EraseR(root->right, key);
		}
		else if (root->key > key)
		{
			return _EraseR(root->left, key);
		}
		else
		{
			//三种情况
			//1.左为空
			Node* del = root;
			if (root->left == nullptr)
			{
				root = root->right;
			}
			//2.右为空
			else if (root->right == nullptr)
			{
				root = root->left;
			}
			//3.左右都不为空
			else
			{
				Node* minRight = root->right;
				while (minRight->left != nullptr)
				{
					minRight = minRight->left;
				}
				swap(root->key, minRight->key);
				return _EraseR(root->right, key);
			}
			delete del;
			return true;
		}
	}

	bool _FindR(Node* root,const K& key)
	{
		if (root == nullptr)
		{
			return false;
		}
		if (root->key < key)
		{
			_FindR(root->right, key);
		}
		else if (root->key > key)
		{
			_FindR(root->left, key);
		}
		else
		{
			return true;
		}
	}
	bool _InsertR(Node* &root,const K& key)
	{
		if (root == nullptr)
		{
			root = new Node(key);
			return true;
		}
		if (root->key < key)
		{
			_InsertR(root->right, key);
		}
		else if (root->key > key)
		{
			_InsertR(root->left, key);
		}
		else
		{
			return false;
		}
		return false;
	}
	//bool _InsertR(Node* root, const K& key)
	//{
	//	if (_root == nullptr)
	//	{
	//		_root = new Node(key);
	//		return true;
	//	}
	//	if (root->key < key) {
	//		if (root->right == nullptr)
	//		{
	//			root->right = new Node(key);
	//			return true;
	//		}
	//		_InsertR(root->right, key);
	//	}
	//	else if (root->key > key) {
	//		if (root->left == nullptr)
	//		{
	//			root->left = new Node(key);
	//			return true;
	//		}
	//		_InsertR(root->left, key);
	//	}
	//	else
	//		return false;
	//	return true;
	//}

protected:
	Node* _root = nullptr;
};

2.二叉搜索树的应用

  1. K模型:K模型即只有key作为关键码，结构体只需要存储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。
在二叉搜索树中检查该单词是否存在，存在则拼写正确，不存在则拼写错误。

  1. KV模型:每一个关键码key，都有与之对应的值Value，即<Key，Value>的键值对，这种方式在现实生活中非常常见。
  • 比如英汉词典就是英文与中文的对应关系，通过英文可以快速找到与其对应的中文，英文单词与其对应的中文<Word，Chinese>就构成一种键值对；
  • 再比如统计单调次数，统计成功后，给定单词就可快速找到出现的次数，单词与其出现次数就是<word,count>就构成一种键值对。
namespace KV
{
	template <class K,class V>
	struct BSTreeNode
	{
		struct BSTreeNode* left;
		struct BSTreeNode* right;
		K key;
		V value;
		BSTreeNode(const K& key,const V& value)
			:key(key)
			,value(value)
			, left(nullptr)
			, right(nullptr)
		{}
	};

	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;
			}
			Node* parent = _root;
			Node* cur = _root;
			while (cur != nullptr)
			{
				if (cur->key < key)
				{
					parent = cur;
					cur = cur->right;
				}
				else if (cur->key > key)
				{
					parent = cur;
					cur = cur->left;
				}
				else
					return false;
			}
			if (parent->key < key)
			{
				parent->right = new Node(key,value);
			}
			else
			{
				parent->left = new Node(key,value);
			}
			return true;
		}

		Node* Find(const K& key)
		{
			Node* cur = _root;
			while (cur != nullptr)
			{
				if (cur->key < key)
				{
					cur = cur->right;
				}
				else if (cur->key > key)
				{
					cur = cur->left;
				}
				else
					return cur;
			}
			return nullptr;
		}
		
		void InOrder()
		{
			_InOrder(_root);
			cout << endl;
		}
	private:
		void _InOrder(Node* _root)
		{
			if (_root == nullptr)
				return;

			_InOrder(_root->left);
			cout << _root->key << ":"<<_root->value;
			_InOrder(_root->right);
		}

	protected:
		Node* _root = nullptr;
	};
}

void Test4()
{
	KV::BSTree<string, int> b;
	string arr[] = { "苹果","苹果", "西瓜", "苹果", "西瓜", "苹果", "苹果", "西瓜",
"苹果", "香蕉", "苹果", "香蕉" };
	for (auto& e : arr)
	{
		auto ret = b.Find(e);
		if (ret)
		{
			ret->value++;
		}
		else
		{
			b.Insert(e, 1);
		}
	}
	b.InOrder();
}

int main()
{
	Test4();
}

3.二叉搜索树的性能分析

插入和删除操作必须先查找，查找效率代表了二叉搜索树中的各个操作的性能。
对于n个节点的二叉搜索树，若每个元素查找的概率相等，则二叉搜索树平均查找长度是节点在二叉搜索树的深度的函数，即插入节点越深，则比较次数越多。
但对于同一个关键码集合，如果各关键码插入的次序不同，可能得到不同结构的二叉搜索树。
在这里插入图片描述
最优情况下:二叉搜索树为完全二叉树（或者接近完全二叉树），其平均比较次数 l o g 2 N log_2N 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 \frac{N}{2} 2N​

sense the warmth
关注
专栏目录
二叉搜索树实例练习
09-05
二叉搜索树（Binary Search Tree，BST），是一种特殊的二叉树结构，它的每个节点都包含一个键（key）、一个关联的值、一个指向左子树的引用和一个指向右子树的引用。在二叉搜索树中，对于任意节点： 1. 节点的左...
【数据结构】二叉查找树（BST）
m0_46628950的博客
09-08 7343
二叉查找树(Binary Search Tree，BST)，又叫做二叉排序树、二叉搜索树，是一种对查找和排序都有用的特殊二叉树。二叉查找树的特性：左子树
「算法基础」之二叉树的遍历和搜索
码农的博客
02-25 2076
在二叉树相关的算法中，对于二叉树的搜索和遍历是绕不开的话题「绕开了当我没说😬」。如果你对二叉树的搜索、遍历还没有掌握的很清楚，那么咱就一起来康康。内容包括『二叉树的前序、中序、后序遍历的递归和迭代，以及深度优先搜索、广度优先搜索』 ，如果这几种都掌握了，也希望能看看有什么不对的地方，本算法菜鸟不胜感激。💐
二叉搜索树 (binary search tree)
既然选择了远方 便只顾风雨兼程 - 永强
03-23 3932
二叉搜索树 (binary search tree) symmetric [sɪ'metrɪk]：adj. 对称的，匀称的 1. 二叉搜索树 (binary search tree) 树是一种数据结构，它要么为空，要么具有一个值并具有零个或多个孩子 (child)，每个孩子本身也是树。这个递归的定义正确地提示了一棵树的高度并没有内在的限制。二叉树 (binary tree) 是树的一种特殊形式，...
二叉搜索树详讲
Rinki123456的博客
07-26 329
递归写法在删除和插入操作中不需要去判断目标值为其父值的左子树还是右子树递归写法突出的就是代码量少如果二叉搜索树不太均匀，递归写法可能会造成栈溢出httpshttpshttps。
【二叉搜索树】二叉搜索树的基本操作
菜鸟成长记
04-15 2008
什么是二叉搜索树 二叉查找树（BinarySearch Tree，也叫二叉搜索树，或称二叉排序树Binary Sort Tree）或者是一棵空树，或者是具有下列性质的二叉树： (1)若它的左子树不为空，则左子树上所有结点的值均小于它的根结点的值； (2)若它的右子树不为空，则右子树上所有结点的值均大于它的根结点的值； (3)它的左、右子树也分别为二叉查找树。 二叉树的节点
Java创建二叉搜索树,实现搜索,插入,删除的操作实例
08-28
Java 创建二叉搜索树、实现搜索、插入、删除的操作实例 Java 创建二叉搜索树是指通过 Java 语言实现一个二叉搜索树数据结构，该树具有查找、插入、删除等操作的功能。二叉搜索树是一种特殊的二叉树，每个节点的值...
树-98. 验证二叉搜索树-PYTHON
01-20
在二叉搜索树（Binary Search Tree，BST）中，每个节点的值必须满足以下规则：对于任意节点，其左子树中的所有节点的值都小于该节点的值，而其右子树中的所有节点的值都大于该节点的值。在给定的题目“树-98. 验证...
java实现 二叉搜索树功能
08-27
Java 实现二叉搜索树功能 二叉搜索树是一种特殊的二叉树，它的每个节点都含有一个Comparable的键值，且所有的键值都是唯一的，节点的键值也可以是基本类型，如int、long等，也可以是自定义的对象类型，只要实现了...
C#二叉搜索树插入算法实例分析
01-21
本文实例讲述了C#二叉搜索树插入算法。分享给大家供大家参考。具体实现方法如下： public class BinaryTreeNode { public BinaryTreeNode Left { get; set; } public BinaryTreeNode Right { get; set; } public...
给定二叉树是否是二叉搜索树
最新发布
08-18
二叉搜索树定义：  （1）若它的左子树不空，则左子树上所有节点的值均小于它的根节点的值。  （2）若它的右子树不空，则右子树上所有节点的值均大于它的根节点的值。  （3）它的左、右子树也分别为二叉搜索树。 ...
Python实现二叉搜索树
09-21
二叉搜索树（Binary Search Tree，BST）是一种特殊的二叉树数据结构，其特性在于每个节点的左子树上的所有节点的值均小于该节点的值，而右子树上所有节点的值均大于该节点的值。这种结构使得二叉搜索树在搜索、插入...
二叉搜索树_二叉搜索树_源码
10-04
在给定的“二叉搜索树_二叉搜索树_源码”压缩包中，包含了一个名为“二叉搜索树.c”的源代码文件和一个编译后的可执行文件“二叉搜索树.exe”。源代码文件很可能是用C语言编写的，用于演示如何实现二叉搜索树的基本...
C#创建二叉搜索树的方法
09-03
二叉搜索树（Binary Search Tree，BST）是一种特殊的二叉树结构，它的每个节点都包含一个键值（key），并且满足以下性质： 1. **左子树性质**：对于节点的左子树，所有节点的键值必须小于该节点的键值。 2. **右子...
二叉搜索树 （判断是否为同一颗搜索树）
自渡的博客
08-25 2507
判断两序列是否为同一二叉搜索树序列 Input 开始一个数n，(1&lt;=n&lt;=20) 表示有n个需要判断，n= 0 的时候输入结束。  接下去一行是一个序列，序列长度小于10，包含(0~9)的数字，没有重复数字，根据这个序列可以构造出一颗二叉搜索树。  接下去的n行有n个序列，每个序列格式跟第一个序列一样，请判断这两个序列是否能组成同一颗二叉搜索树。 Output 如果序列相同则...
数据结构——二叉搜索树详解
热门推荐
L_T_W_Y的博客
09-04 5万+
二叉搜索树 一、什么是二叉搜索树 二叉搜索树（BST，Binary Search Tree），也称二叉排序树或二叉查找树。 二叉搜索树：一棵二叉树，可以为空；如果不为空，满足以下性质： 非空左子树的所有键值小于其根结点的键值。 非空右子树的所有键值大于其根结点的键值。 左、右子树都是二叉搜索树。 下图是几个例子： 上图值为10的结点的右子树为7，比10小，不满足条件2，所以这棵树不是二叉搜索树。 上图各个结点都满足条件，所以这棵树是二叉搜索树。 上图各个结点都满足条件，所以这棵树也是二叉搜索树
二叉查找树（Binary Sort Tree）的解析与实现
iwts
01-31 2201
二叉查找树 关于性质之类的可以参考wiki、百度百科或者其他博客，其实也很简单，推荐看标准的描述。而博主写的内容主要是想写成类似Map底层的。所以有泛型，并且是Key-Value结构。关于二叉查找树，我们一般是类比二分搜索，仿佛跟Key-Value这样的结构并不一致。但是，在Java上，如果我们能在定义节点的时候，专门声明了Key与Value，并且在Key上定义comparato...
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

sense the warmth

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值