note_15：平衡AVL树

平衡AVL树

---

参考：

• 《C++数据结构与程序设计》R.L.K和A.J.R著，钱丽萍译，清华大学出版社
• 《2019年数据结构考研复习指导》王道论坛·组编，电子工业出版社
• 博客园：二叉搜索树的深度与搜索效率
• 博客园：AVL树学习（平衡二叉树）
• github：教你透彻了解红黑树

---

---

发现自己有很多东西又忘了，所以一直在恶补。

---

1. 查找效率和二叉排序树的形态

二叉排序树查找算法的平均查找长度，主要取决于树的高度，即与二叉树的形态有关。
——《2019年数据结构考研复习指导》156页

（1）最坏情况

• 下图来自二叉搜索树的深度与搜索效率

• 该图的查找成功的平均查找长度为ASL=(1+2+3+4+5+6+7+8)/8=4.5
• 因为每一行只有一个点，查找根结点8成功的长度为1，因为所在的深度是1，然后每一行只有一个结点，所以查找成功长度逐渐加1，所以有了上述结果。

如果二叉排序树是一个只有右（左）孩子的单支树（类似于有序的单链表），其平均查找长度和单链表相同，为O(n)。
——《2019年数据结构考研复习指导》156页

• 当二叉排序树只有单支的时候，它查找时走的每一步长度就像是在查单链表一样，也是查找第一个点成功的长度为1，第二个点成功的长度为2，所以就是O(n)。

（2）最好情况

• 下图来自二叉搜索树的深度与搜索效率

• 该图的查找成功的平均查找长度为ASL=(1+2x2+3x4+4x1)/8=2.625
• 查找根结点5成功的长度为1，因为所在的深度是1，然后深度为2的层次里，有两个结点3和7，所以这两个点查找成功的长度为2x2，然后以此类推，就得出了上述的ASL。

如果二叉排序树的左、右字数的高度之差的绝对值不超过1，这样的二叉排序树成为平衡二叉树。它的平均查找长度达到$O(\log n)$。
——《2019年数据结构考研复习指导》156页

• 当二叉排序树是平衡二叉树时，根节点的成功查找长度是1，刚好是${\log }_{2}1+1=1$。第2个结点3的成功查找长度是${\log }_{2}2+1=2$，第3个结点7的成功查找长度是$\lfloor {\log }_{2}3\rfloor +1=2$，以此类推，第n个点就是$\lfloor {\log }_{2}n\rfloor +1$，所以就是$O(\log n)$.

---

2. AVL树

（1）AVL树的定义

AVL树是一棵二叉查找树，它的根的左子树和右子树的高度差至多为1，而且左右子树也是AVL树。
AVL树的每个结点都联系着一个平衡因子，根据左子树的高度大于、等于或小于右子树的高度，平衡因子可以为左-高、等-高或右-高（left-higher，equal-height，right-higher）。
——《C++数据结构与程序设计》393页

（2）平衡因子的定义

定义结点左子树与右子树的高度差为该结点的平衡因子，则平衡二叉树结点的平衡因子的值只可能是-1（右-高）、0（等-高）、1（左-高）。
——《2019年数据结构考研复习指导》156页

AVL树的延伸定义：

平衡二叉树可定义为它或者是一棵空树，或者是具有下列性质的二叉树：它的左子树和右子树都是平衡二叉树，且左子树和右子树的高度差的绝对值不超过1。
——《2019年数据结构考研复习指导》156页

• 下图来自AVL树学习（平衡二叉树）

• 左边的平衡二叉树，根结点5的左子树高度为4，右子树高度为3，左-高，所以平衡因子是1。对于结点2，将它看成一个新的根结点，那么它的左子树高度为2，右子树高度为3，右-高，所以平衡因子是-1。对于结点0，因为它既没有左子树，也没有右子树，等-高，所以平衡因子是0。

（3）旋转

① LL平衡旋转（右单旋转）

A结点的左孩子的左子树插入了新结点，所以将A右旋转，让B成为新的根结点，A结点重新连接子树BR。

② RR平衡旋转（左单旋转）

A结点的右孩子的右子树插入了新结点，所以将A旋转，让B成为新的根结点，A结点重新连接子树BL。

③ LR平衡旋转（先左后右双旋转）

A结点的左孩子的右子树插入了新结点，先对A的左子树B操作，对于左子树B，将C结点作为新的根结点，B结点重新连接C的左子树。然后将A结点变动，使C结点变成新的根结点，并将c的右子树与A结点连接。

④ RL平衡旋转（先右后左双旋转）

A结点的右孩子的左子树插入了新结点，先对A的右子树操作，对于根结点B，将C结点变为新的根结点，将C结点的右子树与B结点相连。然后将A结点变动，使C结点变成新的根结点，将C结点的左子树与A结点相连。

---

3. 堆排序

（1）特点

在排序过程中，将L[1…n]看成是一棵完全二叉树的顺序存储结构，利用完全二叉树中双亲结点和孩子结点之间的内在关系，在当前无序区中选择关键字最大（或最小）的元素。
——《2019年数据结构考研复习指导》301页

完全二叉树也是AVL树的一种特殊状态。

（2）大根堆和小根堆

堆的定义如下：n个关键字序列L[1…n]称为堆，当且仅当该序列满足：
① L(i) ≤ L(2i) 且 L(i) ≤ L(2i+1) 或 ② L(i) ≥ L(2i) 且 L(i) ≥ L(2i+1) (1 ≤ i ≤ $\lfloor n/2\rfloor$)
满足第①中情况的堆称为小根堆（小顶堆），满足第②种情况的堆称为大根堆（大顶堆）。显然，在大根堆中，最大元素存放在根结点中，且对其任一非根结点，它的值小于或等于其双亲结点值。小根堆的定义刚好相反，根结点是最小元素。堆经常被用来实现优先级队列，优先级队列在操作系统的作业调度和其他领域有广泛的应用。
——《2019年数据结构考研复习指导》301页

如果是大根堆，它的每一棵左、右子树的根结点都是该子树中的最大值。如果是小根堆，它的每一棵左、右子树的根结点都是该子树中的最小值。

（3）构造小根堆和删除元素

题目来自《2019年数据结构考研复习指导》304页第10题

对关键序列{23, 17, 72, 60, 25, 8, 68, 71, 52}进行堆排序，输出两个最小关键码后的剩余堆是（D）。
A. {23, 72, 60, 25, 68, 71, 52}
B. {23, 25, 52, 60, 71, 72, 68}
C. {71, 25, 23, 52, 60, 72, 68}
D. {23, 25, 68, 52, 60, 72, 71}

• 将关键字序列按顺序一层一层地写成一棵树

• 因为最后要删除两个最小的关键字，所以要构造小根堆。
• 不管是构造大根堆还是构造小根堆，都一定是向上调整，一定是从最后左或者左右两个叶子结点开始往上调整。
• 因为52比71小，且52小于60，所以60和52互换
• 因为8比68小，且8小于72，所以72和8互换
• 因为8比17小，且8小于23，所以8和23互换

• 8是第一个最小的关键码，要删除
• 删除就是要把根结点元素和最后一个叶结点元素互换，然后把最后一个叶结点删除，将堆进行向下调整，就是从根结点开始往下调整。

• 因为17比23小，且17小于60，所以17和60互换
• 因为25比52小，且25小于60，所以25和60互换

• 17是第二个最小的关键码，按照刚才删除8那样对堆操作
• 将17和最后一个叶节点71替换，然后删除17

• 向下调整
• 因为23比25小，且23小于27，所以23和27互换
• 因为68比72小，且68小于71，所以68和71互换

• 按顺序：23，25，68，52，60，72，71

---

4. 红黑树

教你透彻了解红黑树

---