平衡二叉树

1.定义

任意结点的左、 右子树高度差的绝对值不超过 1,将这样的二叉树称为平衡二叉树 (Balanced
Binary Tree), 或称 AVL 树。 每个结点的左右子树高度差称之为平衡因子，由定义可知，平衡二叉树的平衡因子的值只能是-1、0、1。
为了提高二叉排序树的搜索效率，我们希望二叉树的树高比较小，结点比较多，整体呈现出矮胖的情形。这样能使得最少次数能检索完一颗二叉排序树。由此，把平衡二叉树的思想应用在二叉排序树上，就能把二叉排序树变的矮胖，从而提高检索效率。

2.结点插入

有新结点插入的时候，只需找到最底层的平衡因子“出错”的结点，纠正它，比他高层的结点的平衡因子也平衡了。也即每次调整的都是最小的不平衡子树。
下面先看只旋转一次的情况

LL

在上述情况的A结点的左子树的左子树插入结点（树高变高了），导致平衡因子发生了变化，A结点在原来左子树的树高比右子树的树高，高了1个高度单位，又高了1个高度单位，A的平衡因子由1变成了2，平衡因子出错

观察上图，容易知道，不平衡是由于BL和AR在树高已经差1的情况下又不在同一个层级导致的，那么，只要上移BL，或下移AR即可，由二叉排序树可知，BL<B<A<AR，BL只能作为B的左子树，AR只能作为A的右子树，如果不这样，由于BL和AR都有可能已经存在左右结点，下移B结点或A结点都是很麻烦的事情，所以只能上移B结点（或说下移A结点）。

那此时B结点又有3个子结点，又需要调整，根据二叉排序树的原则：左子结点比父结点小，右子结点比父结点大。所以有 BL < B < BR < A，经过平衡二叉树的调整，B成了其他三个的父结点，再调整，分析一下，BL最小，只能为B的左子结点，右子结点就有了两个，留A结点，BR作为A的左子结点，满足二叉排序树的原则，如果留BR，把A作为BR的子结点的话，BR就有可能又是有3个子结点（舍），于是得到了下图

二叉树又平衡了

RR

RR 和 LL 的原理一样，就不过多赘述了。

LR

LR表示在A结点的左子结点B的右子树的高度，加高了一个高度单位，这也会导致A的平衡因子从原来的1变成了2，因为和前面的LL一样都是原来的A结点的左子树的树高为H+1，现在又加了一个结点，使得A结点的左子树的树高变成H+2。

考虑到平衡二叉树的原则，观察上图可以知道，原因就是CL的树高和AR的树高一样，但是CL和AR差了两层导致的，现只需将CL往上升即可。再考虑到二叉排序树，CL只能在C的左子树，或者C在CL的右子树（舍，CL可能左右子结点都存在，C不能下移）。由二叉排序树可知，B<CL<C<CR<A。CL又必须是C的左子树的结点，由此，只能将CL交给B，C作为B的父结点，由此得到下图（这个动作称为左旋，C结点左旋）。

现在AR和CL还是差两个层级，CL已经不能再上升了，因为CL必须在C的左子树中，如此，只能考虑将AR下移，由C<CR<A<AR，知AR必须在A的右子树中，所以只能下移A结点，A结点下移后，C就有了3个子结点，B<CR<A，A不能作为CR的子结点，故保留A结点，将CR作为A的左子结点（这个动作称为右旋，C结点右旋），得到下图

RL

RL原理同LR，这里不再赘述，简单来说两种情况都是，C变成A，B的父结点，C的CL交给C的新左子结点，C的CR交给C的新右子结点

3.结点删除

结点删除后，根据二叉排序树的原则，得到新的树，再根据这颗新树找到，最小的不平衡子树，就会找到插入结点的四种情况之一，再对其应用插入结点用到的平衡操作即可。