前言
本文参考视频:小马哥教育(SEEMYGO) 2019年 恋上数据结构与算法(第一季)
相关网址推荐:
http://520it.com/binarytrees/
https://www.cs.usfca.edu/~galles/visualization/Algorithms.html
http://btv.melezinek.cz/binary-search-tree.html
1. 树
1.1 树形结构
1.2 树的基本概念
节点,根结点,父节点,子节点,兄弟节点等
- 节点:每个圆圈就是一个节点
- 根结点:一颗树最顶层的节点
- 父节点:具有分支的节点
- 子节点:没有分支的节点
其余补充
节点的度: 子树的个数
树的度:所有节点度中的最大值
叶子节点(leaf): 度为0的节点
非叶子节点:度不为0的节点
层数:根结点在第一层,根结点的子节点在第2层,依次类推。(有的也可以把根结点归为第0层)
节点的深度(depth): 从根结点到当前节点的唯一的节点总数。比如节点2的深度为2,节点222的深度为4
节点的高度(height):从当前节点到最远叶子节点的路径上的节点总数,比如节点2的高度为3, 节点22的高度为2
树的深度:所有节点的深度中的最大值
树的高度:所有节点高度重的最大值
树的深度等于树饿高度
1.3 有序树,无序树,森林
- 有序树:树中的任意节点的子节点之间有顺序关系(这里的顺序不是大小的排序,而是说节点的顺序改变了就是不同的树)
- 无序树:舒总任意节点之间没有顺序关系,也称为“自由树”
- 森林:由 m (m >=0) 棵互不相交的树组成的集合。
2. 二叉树
2.1 二叉树的特点
- 每个节点的度最大为2 (最多拥有2棵子树)
- 左子树和右子树是有顺序的
- 即使某节点只有一棵子树,也要区分左右子树
性质
非空二叉树的第 i 层,最多有 2^(i-1) 个节点(i >= 1)
在高度为 h 的二叉树上最多有 (2^h) - 1 个节点 (h >= 1)
对于任何一棵非空二叉树,如果叶子节点个数为 n0 ,度为 2 的节点个数为 n2 ,则有: n0 = n2 + 1
- 假设度为1的节点个数为 n1 ,那么二叉树的节点总数为 n = n0 + n1 + n2 。
- 二叉树的边数 T = n1 + 2 * n2 = n - 1 = n0 + n1 + n2 - 1 。(边数等于单个节点度之和;除根节点外,每个节点都有一条边)
2.2 真二叉树与满二叉树
真二叉树
所有的节点的度要么为0, 要么为2
满二叉树
所有的节点要么都为0,要么都为2,且所有的叶子节点都是在最后一层
相关性质:
- 在同样的高度的二叉树中,满二叉树的叶子节点数最多总节点数量最多
- 满二叉树一定是真二叉树,真二叉树不一定是满二叉树
- 假设满二叉树的高度为 h (h >=1), 那么第 i 层的节点数量为: 2 ^ ( i - 1)
叶子节点的数量为 : 2 ^ ( h -1)
总节点的数量为: n = 2 ^ 0 + 2 ^ 1 + 2 ^ 2 + … + 2 ^ (h -1) = (2 ^ h) - 1
h = log 2 (n + 1)
2.3 完全二叉树(Complete Binary Tree)
叶子节点只会出现在最后2层,且最后1层叶子节点靠左对齐。
完全二叉树从根结点到至倒数第2层时一棵满二叉树
满二叉树一定是完全二叉树,完全二叉树不一定是满二叉树
性质:
- 度为1 的节点只有左子树
- 度为1的节点要么是1个,要么是0个
- 同样节点数量的二叉树,完全二叉树的高度最小
- 假设完全二叉树的高度为 h (h >= 1), 那么
至少有 2 ^ ( h - 1) 个节点 (2^0 + 2^1 + 2^2+…+ 2^(h-2) + 1)
最多有 (2 ^ h) - 个节点 (2^0 + 2^1 + 2^2+…+ 2^(h-1), 满二叉树)
总节点数量为 n
2 ^ (h-1) <= n < 2 ^ h
h - 1 < = log2 n < h
h = floor(log2 n) + 1
其他性质
如果有一棵 n 个节点的完全二叉树(n > 0),从上到下,从左到右对节点从 0 开始 编号,对任意第 i 个 节点
- 如果 i = 0 , 它是根结点
- 如果 i > 0, 它的父节点编号为 floor( (i-1) /2 )
- 如果 2i + 1 <= n-1 , 它的左子节点编号为 2i + 1
- 如果 2i + 1 > n -1 , 它无左子节点
- 如果 2i + 2 <= n-1, 它的右子节点编号为 2i + 2
- 如果 2i + 2 > n-1, 它无右子节点
关于完全二叉树的面试题
如果一棵完全二叉树有 768 个节点,求叶子节点的个数?
解题思路:
相关推导公式
总节点数量为n
n 如果是偶数, 叶子节点的数量 n0 = n / 2
n 如果是奇数,叶子节点的数量为 n0 = (n + 1) /2
n0 = floor ((n+1) / 2)
编写代码时,可以直接表示为 n0 = (n+1)/2 或 n0 = (n + 1) >> 1 (因为Java运算中默认是向下取整的)
3. 二叉搜素树(Binary Search Tree)
思考
- 在n个动态整数中搜索某个整数?(查看其是否存在)
- 假设使用动态数组存放元素,从第0个位置开始遍历搜索,平均时间复杂度为 O(n)
- 如果维护的是一个有序的动态数组,使用二分搜索。最坏的时间复杂度为:O (log n)
- 但是添加,删除的平均时间复杂度为 O (n)
- 针对这种需求,是否有更好的方案呢?
使用二叉搜索树,添加,删除,搜索的最坏时间复杂度可优化至:O(log n)
性质
二叉搜索树是二叉树的一种,是应用非常广泛的一种二叉树,英文简称为BST,又称为二叉查找树,二叉排序树。
任意一个节点的值都大于其左子树的所有值,都小于器右子树的所有值
它的左右子树也是一棵二叉搜索树
- 二叉搜索树可以大大提高搜索数据的效率
- 二叉搜索树存储的元素必须具备可比性。
- 如 int, double等
- 如果是自定义类型,需要指定比较方式
- 不允许为null
二叉搜索树的接口设计
元素的数量: int size();
是否为空: boolean isEmpty();
清空所有元素: void clear();
添加元素: void add(E element);
删除元素: void remove(E element);
是否包含某个元素: boolean contains(E element);
需要注意的是:我们现在使用的二叉搜索树(二叉树)来说,它的元素是没有索引的概念的。
为什么?很简单,用不上! 因为二叉搜索树的性质,我们插入元素位置是不确定的,无法确定插入元素位置,因此索引也就用不上了。
相关代码的实现上可参考:https://mofan212.gitee.io/posts/DataStructure-BinarySearchTree/
4. 代码思路
[1] 编写添加时,我们就会想到节点类,这里我们定义为内部类,这个类存放节点的元素值,左右节点以及父节点。
// 一个节点就是一个Node
private static class Node<E>{
E element; // 节点元素值
Node<E> left; // 左节点
Node<E> right; // 右节点
Node<E> parent; // 父节点
public Node(E element, Node<E> parent){
this.element = element;
this.parent = parent;
}
}
[2] 根据这个内部类我们可以进而推出二叉搜索树类中的成员变量,用size 来表示节点数量;用root来记录根结点,方便后面的遍历,添加,删除等操作
public class BinarySearchTree<E> {
private int size; // 节点个数
private Node<E> root; //根节点
public int size(){
return size;
}
public boolean isEmpty(){
return size == 0;
}
......
}
[3] 由于使用添加操作需要比较,所以这里需要确保值不为空,并定义一个比较的方法(比较方法下面再具体刻画)
// 节点空值检查
private void elementNotNullCheck(E element){
if (element == null){
throw new IllegalArgumentException("element must not be null");
}
}
/**
* @return 返回值等于0,表示e1和e2相等;返回值大于0,表示e1大于e2;返回值小于0,表示e1小于e2
*/
private int compare(E e1, E e2){
......
return 0;
}
4.1 添加节点
思路:
当我们添加节点时,首先要做一个非空判断。
当添加节点时,可以分为两种情况,一种是当前为空树,要插入一个根结点;另外一种是当前已有根节点,插入的节点是子节点。
当添加的节点是根节点时(即:root == null):直接令root等于节点,然后size加一,最后返回即可。
当添加的节点不是根节点时:
先确认插入节点位置的父节点:采取遍历并比较的方式。遍历需要一个循环,循环结束条件就是当前的节点为null,因为插入的节点只能是原BST的叶子结点的子节点;
确定好父节点后,根据前一步获取的比较方法的返回值,确定插入节点的位置(父节点的左节点还是右节点)。
public void add(E element){
elementNotNullCheck(element);
// 添加第一个节点 (根节点)
if (root == null){
root = new Node<>(element, null);
size++;
return;
}
// 添加的不是第一个节点
// 找到插入节点的父节点
Node<E> parent = root;
Node<E> node = root;
int cmp = 0;
while (node != null){
cmp = compare(element, node.element);
parent = node; // 保存父节点
if (cmp > 0){
node = node.right;
}else if (cmp < 0){
node = node.left;
}else { // 相等
node.element = element; // 相等时覆盖
return;
}
}
// 看看插入到父节点的哪个位置
Node<E> newNode = new Node<>(element,parent);
if (cmp > 0){
parent.right = newNode;
}else {
parent.left = newNode;
}
size++;
}
等值处理的情况
我们插入的值若已存在,我们采用覆盖的方式,即把新值替换掉老值。
原因:在应用中,我们有时插入的是一个Person对象,它是以id号来区分的,若我们定义了两个相同的id值,但Person里的 name, age等属性都不同,那么我们就可以知道这种覆盖的意义所在了。
4.2 比较逻辑
我们已经编写好添加节点的逻辑,但是其中需要进行节点比较以确定插入的位置,我们并没有进行编写,因此在这里将对比较逻辑进行编写。
如果数据类型是 int、double,我们直接比较数值大小就可以了,但是实际环境下可能不是基本数据类型,因此我们需要对不同的类型制定比较规则。
我们可以将规则的制定交给使用者。
设计一 —— 可比较接口
创建可比较接口Comparable,并在其中添加比较方法。然后让BinarySearchTree中的范型实现(继承)这个接口,同时用户自己编写的实体类也要实现这个接口。
Comparable.java:
public interface Comparable<E> {
int compareTo(E e);
}
BinarySearchTree.java:
public class BinarySearchTree<E extends Comparable> { ...... }
而BinarySearchTree中的int compare(E e1, E e2);方法就可以这么书写:
/**
* @return 返回值等于0,表示e1和e2相等;返回值大于0,表示e1大于e2;返回值小于0,表示e1小于e2
*/
private int compare(E e1, E e2){
return e1.compareTo(e2);
}
当用户使用自己定义的实体类时,必须实现Comparable接口,重写compareTo()方法,自定义实体类比较方式,例如
public class Person implements Comparable<Person>{
private int age;
public Person(int age) {
this.age = age;
}
@Override
public int compareTo(Person person) {
return age - person.age;
}
}
根据上述代码不难得出,我们的比较方法是:年龄大的Person对象比年龄小的Person对象要大。(年龄大指的是age成员变量数值大,最后一个“要大”指的是在BST中,年龄大的Person放在右节点)
但是这样会带来一个问题,比如我先创建了一棵BST,然后插入节点的类型是Person,我又定义了其比较规则,这个时候年龄大的Person对象会放在右节点。然后,我又创建了一棵BST,插入节点类型也是Person,但这个时候,我想要将年龄小的Person对象放在右节点,就是说,这个时候我认为年龄小的Person对象比年龄大的Person对象要大。😕
但是我们已经在Person实体类中写死了比较方法,显然无法实现上述需求。 😟
这个时候,我们可以编写一个比较器接口Comparator,让用户自己编写比较器来实现比较器接口,从而达到高自定义比较方法。☺️
设计二——比较器
创建比较器接口Comparator,添加比较器的比较方法:
// 比较器
public interface Comparator<E> {
int compare(E e1, E e2);
}
在BinarySearchTree中定义比较器的成员变量,让int compare(E e1, E e2);方法可以使用比较器进行比较:
public class BinarySearchTree<E> {
private int size; // 节点个数
private Node<E> root; //根节点
private Comparator<E> comparator;
public BinarySearchTree(Comparator<E> comparator) {
this.comparator = comparator;
}
/**
* @return 返回值等于0,表示e1和e2相等;返回值大于0,表示e1大于e2;返回值小于0,表示e1小于e2
*/
private int compare(E e1, E e2){
return comparator.compare(e1,e2);
}
......
}
然后,用户在使用BinarySearchTree时,就需要创建一个比较器:
public class Main {
public static class PersonComparator implements Comparator<Person>{
@Override
public int compare(Person e1, Person e2) {
return e1.getAge() - e2.getAge();
}
}
public static class PersonComparator2 implements Comparator<Person>{
@Override
public int compare(Person e1, Person e2) {
return e2.getAge() - e1.getAge();
}
}
public static void main(String[] args) {
BinarySearchTree<Person> bst1 = new BinarySearchTree<>(new PersonComparator());
bst1.add(new Person(12));
bst1.add(new Person(15));
BinarySearchTree<Person> bst2= new BinarySearchTree<>(new PersonComparator2());
bst2.add(new Person(12));
bst2.add(new Person(15));
}
}
注意: 因为Person类中成员变量age是私有的,外部无法直接访问,因此我们需要在Person类中添加get/set方法来获取age。
使用比较器时,除了可以创建一个类来实现Comparator接口外,我们还可以直接使用匿名类:
// Java中的匿名类,类似于iOS中的Block、JS中的闭包
BinarySearchTree<Person> binarySearchTree = new BinarySearchTree<>(new Comparator<Person>() {
@Override
public int compare(Person o1, Person o2) {
return 0;
}
});
但是! 这样使用比较器的方法会强制让用户在使用BinarySearchTree时需要构建比较器,而且上述说的需求也不一定是每次都需要的,比较器的构建就变得不是必要的。😵
那么有没有什么方法可以让这两种情况结合一下呢?让用户需要构建比较器时可以构建,不需要构建时不被强制要求构建。👇
设计三——二者结合
将二者结合的总结目标就是:让用户需要构建比较器时可以构建,不需要构建时不被强制要求构建。但是还有一点必须满足,那就是插入的节点必须要具备可比较性,构建比较器后,就相当于给节点创造了比较性,如果我们不构建比较性就要要求节点自身拥有比较性。
要想将二者结合,那么需要再增加一个构造方法:
public BinarySearchTree() {
this(null);
}
有了这个构造方法,我们在创建BinarySearchTree对象时就可以不用构建比较器了。
但是,我们还需要考虑没有比较器时,强制用户使用的节点拥有比较性。
那么,可以改写int compare(E e1, E e2)方法:
/**
* @return 返回值等于0,表示e1和e2相等;返回值大于0,表示e1大于e2;返回值小于0,表示e1小于e2
*/
private int compare(E e1, E e2){
if (comparator != null){
return comparator.compare(e1,e2);
}
// 未创建比较器时,强制节点拥有比较性
return ((Comparable<E>)e1).compareTo(e2);
}
这样,我们就将两者结合在一起了。当我们想要创建比较器时,我们可以传递创建的比较器至BinarySearchTree对象,然后节点的比较就会按照创建的比较器规则;如果我们没有创建比较器,那么强制要求节点拥有可比较性 ,即:实体类实现实现Comparable接口,重写compareTo()方法。
JDK中也提供了可比较接口Comparable和比较器Comparator,因此我们可以删除我们自己编写的,然后使用JDK官方的接口。
同时,Java中内置的类型,比如:Integer、Double、String等类都实现了Comparable接口,它们默认是可比较的,因此,BinarySearchTree的范型指定为内置数据类型时,就不用创建比较器了,直接使用就行。
public final class String
implements java.io.Serializable, Comparable<String>, CharSequence { ...... }
public final class Integer extends Number implements Comparable<Integer> { ...... }
PS:比较器Comparator位于java.util包中,使用时需要使用import;可比较接口Comparable位于java.lang包中,实体类实现时不要使用import (Java语法)。
4.3 遍历二叉树
遍历是数据结构中常见的操作(把所有的元素都访问一遍)
- 线性数据结构的遍历比较简单(正序遍历和逆序遍历)
根据节点顺序的不同,二叉树常见的遍历方式有4种 - 前序遍历(Preorder Traversal)
访问顺序:根结点,前序左子树,前序右子树
则有遍历顺序为: 7、4、2、1、3、5、9、8、11、10、12
实现代码:
// 前序遍历
public void preorderTraversal(){
// root 是二叉搜索树的根节点(一个成员变量)
preorderTraversal(root);
}
private void preorderTraversal(Node<E> node){
if (node == null) return;
System.out.println(node.element);
preorderTraversal(node.left);
preorderTraversal(node.right);
}
- 中序遍历(Inorder Traversal)
访问顺序:中序遍历左子树,根结点,中序遍历右子树
从上面的遍历顺序可以看出,如果我们对二叉搜索树使用中序遍历,得到的遍历结果是升序的;如果将访问顺序修改为:中序遍历右子树、根节点、中序遍历左子树,那么得到的遍历结果是降序的。
// 中序遍历
public void inorderTraversal(){
// root 是二叉搜索树的根节点(一个成员变量)
inorderTraversal(root);
}
private void inorderTraversal(Node<E> node){
if (node == null) return;
inorderTraversal(node.left);
System.out.println(node.element);
inorderTraversal(node.right);
}
- 后序遍历 (Postorder Traversal)
访问顺序: 后续遍历左子树、后序遍历右子树、根节点
则有遍历顺序为: 1、3、2、5、4、8、10、12、11、9、7
// 后序遍历
public void postorderTraversal(){
// root 是二叉搜索树的根节点(一个成员变量)
postorderTraversal(root);
}
private void postorderTraversal(Node<E> node){
if (node == null) return;
postorderTraversal(node.left);
postorderTraversal(node.right);
System.out.println(node.element);
}
- 层序遍历 (Level Order Travsal) ===>可以借助队列实现
访问顺序:从上到下,从左到右依次访问每一个节点
则有遍历顺序为: 7、4、9、2、5、8、11、1、3、10、12 (不同的颜色区分不同的层次)
我们可以使用队列的方式来实现层序遍历:
1.将根节点入队
2.循环执行一下操作,直到队列为空
- 将队头节点 A 出队,进行访问
- 将 A 的左子节点入队
- 将 A 的右子节点入队
代码实现
// 层序遍历
public void levelOrderTraversal() {
if (root == null) return;
Queue<Node<E>> queue = new LinkedList<>();
// 根节点入队
queue.offer(root);
while (!queue.isEmpty()){
// 头结点出队
Node<E> node = queue.poll();
System.out.println(node.element);
if (node.left != null){
queue.offer(node.left);
}
if (node.right != null){
queue.offer(node.right);
}
}
}
4.4 遍历的应用
前序遍历: 树状结构展示(注意左右子树的顺序)
中序遍历:BST的中序遍历可以按升序或降序处理节点
后序遍历:适用于一些先子后父的操作。
层序遍历:计算二叉树的高度、判断一棵树是否为完全二叉树。
[1] 树状结构的展示(前序遍历的应用)
在BinarySearchTree中重写toString()方法:
public String toString() {
StringBuilder sb = new StringBuilder();
toString(root,sb,"");
return sb.toString();
}
private void toString(Node<E> node, StringBuilder sb, String prefix){
if (node == null) return;
sb.append(prefix).append(node.element).append("\n");
toString(node.left,sb,prefix+"【L】--");
toString(node.right,sb,prefix+"【R】--");
}
测试代码:
static void test4() {
Integer[] data = new Integer[]{
7, 4, 2, 1, 3, 5, 9, 8, 11, 10, 12
};
BinarySearchTree<Integer> binarySearchTree = new BinarySearchTree<>();
for (int i = 0; i < data.length; i++) {
binarySearchTree.add(data[i]);
}
System.out.println(binarySearchTree);
}
[2] 计算二叉树的高度(层序遍历的使用)
递归方式
在BinarySearchTree中添加以下代码:
// 获取整棵树的高度
public int height(){
return height(root);
}
// 获取某一节点的高度
private int height(Node<E> node){
if (node == null) return 0;
return 1 + Math.max(height(node.left),height(node.right));
}
迭代方式
在BinarySearchTree中添加以下代码:
用levelSize来表示层节点的数量,当每一层节点遍历完,高度就加1;而层节点的数量则通过后序遍历依次把节点入队后,统计队列的长度。
public int height(){
if (root == null) return 0;
// 树的高度
int height = 0;
// 存储每一层的元素数量 根节点一定会访问
int levelSize = 1;
Queue<Node<E>> queue = new LinkedList<>();
// 根节点入队
queue.offer(root);
while (!queue.isEmpty()) {
// 头结点出队
Node<E> node = queue.poll();
levelSize--;
if (node.left != null) {
queue.offer(node.left);
}
if (node.right != null) {
queue.offer(node.right);
}
// 意味着即将访问下一层
if (levelSize ==0){
levelSize = queue.size();
height++;
}
}
return height;
}
测试代码:
static void test4() {
Integer[] data = new Integer[]{
7, 4, 2, 5, 9, 8, 11
};
BinarySearchTree<Integer> binarySearchTree = new BinarySearchTree<>();
for (int i = 0; i < data.length; i++) {
binarySearchTree.add(data[i]);
}
System.out.println(binarySearchTree.height()); // 3层
}
[3] 完全二叉树的判断(层序遍历的使用)
思路
- 如果树为空,则返回 false
- 如果树不为空,开始层序遍历二叉树(用队列)
- 如果node.left != null, 将 node.left 入队
- 如果node.left == null && node.right != null , 返回false
- 如果node.right ! = null, 将node.right 入队
- 如果 node.right == null
- 那么后面遍历的节点应该都为叶子节点,才是完全二叉树
- 否则返回false
- 遍历结束,返回true
为了便于判断,可以对BinarySearchTree中的静态内部类Node添加一些方法:
// 一个节点就是一个Node
private static class Node<E> {
E element; // 节点元素值
Node<E> left; // 左节点
Node<E> right; // 右节点
Node<E> parent; // 父节点
public Node(E element, Node<E> parent) {
this.element = element;
this.parent = parent;
}
public boolean isLeaf() {
return left == null && right == null;
}
public boolean hasTwoChildren() {
return left != null && right != null;
}
}
然后在BinarySearchTree中添加以下代码:
//判断是否为完全二叉树
public boolean isComplete(){
if(root == null) return false;
Queue<Node<E>> queue = new LinkedList<>();
queue.offer(root);
boolean leaf = false;
while (!queue.isEmpty()){
Node<E> node = queue.poll();
//若要遍历时已经要求是叶子节点
if (leaf && !node.isLeaf()) return false;
if(node.left != null){
queue.offer(node.left);
}else if(node.right != null){ //node.left==null && node.right!=null
return false;
}
if(node.right != null){
queue.offer(node.right);
}else{
//node.right == null && node.left == null
//node.right == null && node.left !=null
leaf = true;
}
}
return true;
}
测试代码
static void test5() {
Integer[] data = new Integer[]{
7, 4, 9, 2, 1
};
BinarySearchTree<Integer> binarySearchTree = new BinarySearchTree<>();
for (int i = 0; i < data.length; i++) {
binarySearchTree.add(data[i]);
}
System.out.println(binarySearchTree.isComplete()); // false
}
4.5 重构二叉树
以下结果可以保证重构出唯一的一棵二叉树
- 前序遍历 + 中序遍历
- 后序遍历 + 中序遍历
(前两种一定能得到唯一的一棵二叉树) - 前序遍历+ 后序遍历 (因为这种情况左右子树不确定)
- 如果它是一棵真二叉树(Proper Binary Tree),结果唯一的
- 不然结果不唯一
4.6 前驱节点(predecessor)
前驱结点(Predecessor):中序遍历时的前一个节点。
现有一二叉树,并给出其中序遍历结果:
因此, 根节点 8 的前驱结点为 节点 7 。
设计思路
如果是BST,某一节点的前驱结点就是前一个比它小的节点。针对一般情况:
当选中节点的左子树不为空(node.left != null)时(上述二叉树中的6、13、8):
- predecessor = node.left.right.right.right.right…
- 终止条件是: right 为 null
当选中节点的左子树为空,但其父节点不为空(node.left == null && node.parent != null)时(上述二叉树中的7、11、9、1):
- predecessor = node.parent.parent.parent…
- 终止条件: node 在 parent 的右子树中
当选中节点的左子树和父节点都为空(node.left == null && node.parent == null)时:
- 选中节点无前驱节点
代码实现
private Node<E> predecessor(Node<E> node) {
if (node == null) return null;
// 前驱节点在左子树中
Node<E> p = node.left;
if (p != null) {
while (p.right != null) {
p = p.right;
}
return p;
}
// 从“祖宗节点”中寻找前驱节点
while (node.parent != null && node == node.parent.left) {
node = node.parent;
}
// node.parent == null || node == node.parent.right
return node.parent;
}
4.7 后继节点
后继结点(Successor):中序遍历时的后一个节点。
现有一二叉树,并给出其中序遍历结果:
因此,根节点 4 的后继节点为 节点 5 。
设计思路
如果是BST,某一节点的后继结点就是后一个比它大的节点。针对一般情况:
当选中节点的右节点不为空(node.right != null)时(上述二叉树中的1、8、4):
- successor = node.right.left.left.left…
- 终止条件是: left 为 null
当选中节点的右节点为空,但其父节点不为空(node.right == null && node.parent != null)时(上述二叉树中的7、6、3、11):
- successor = node.parent.parent.parent…
- 终止条件是: node 在 parent 的左子树中
当选中节点的右节点和父节点都为空(node.right == null && node.parent == null)时(上述二叉树中没有右子树的根节点):
- 选中节点无后继节点
代码实现
private Node<E> successor(Node<E> node) {
if (node == null) return null;
Node<E> p = node.right;
if (p != null) {
while (p.left != null) {
p = p.left;
}
return p;
}
while (node.parent != null && node == node.parent.right) {
node = node.parent;
}
return node.parent;
}
4.8 节点删除
[1] 度为0、1的节点
删除叶子节点
即:删除度为0的节点。
方法: 直接删除即可!
假设node表示需要被删除的叶子节点:
- 如果 node == node.parent.left(删除的节点是其父节点的左节点):
直接node.parent.left = null即可。 - 如果node == node.parent.right(删除的节点是其父节点的右节点):
直接node.parent.right = null即可。 - 如果node.parent == null(删除的节点是当前二叉树的根节点,且树只有一个节点):
直接root == null即可。
删除度为1的节点
方法: 用子节点替代原节点的位置。
在上图中,就相当于要删除节点 4 或节点 9。
假设node表示需要被删除的度为1的节点,child表示删除节点的左子节点或右子节点,那么我们使用child代替node的位置即可。
- 如果node是其父节点的左子节点:
child.parent = node.parent 维护child的父节点
node.parent.left = child 删除node节点 - 如果node是其父节点的右子节点:
child.parent = node.parent 维护child的父节点
node.parent.right = child 删除node节点 - 如果node是根节点:
root = child 删除根节点
child.parent = null 设置当前根节点的父节点为null
[2] 度为2的节点
删除节点 5
如果我们直接删除节点 5,会破坏BST的结构,因此我们需要找一个办法,使用这个办法后不会破坏BST的结构,还要满足BST的性质。
通过前面前驱节点和后继节点的说明,我们不难想到使用前驱节点或后继节点来代替被删除的度为2的节点:
- 先用前驱节点或后继节点的值覆盖需要被删除节点的值
- 然后删除相应的前驱结点或后继节点
删除节点 5 后的BST结构:
通过上面的删除操作,我们不难发现:
如果一个节点的度为 2 ,那么它的前驱、后继节点的度只可能是 1 或 0。
删除度为 2 的节点时,真正被销毁内存的节点并不是这个节点,而是它的前驱或后继节点。
代码实现
由于我们提供的接口是根据元素来删除的,而不是根据节点,但是前面的分析是根据节点删除,因此我们需要编写一个根据节点删除的方法(同时还需要一个根据元素查找节点的方法):
// 删除某一元素
public void remove(E element) {
remove(node(element));
}
// 删除某一节点
private void remove(Node<E> node) {
if (node == null) return;
size--;
if (node.hasTwoChildren()) { // 度为2的节点
// 找到后继节点
Node<E> s = successor(node);
// 用后继节点的值覆盖被删除节点的值
node.element = s.element;
// 变量node指向其后继节点,等待后续删除
node = s;
}
// 删除node节点(node的度必然为1或0)
Node<E> replacement = node.left != null ? node.left : node.right;
if (replacement != null) { // node度为1
// 更改parent
replacement.parent = node.parent;
// 更改noded的parent的left、right的指向
if (node.parent == null) { // node度为1,且为根节点
root = replacement;
} else if (node == node.parent.left) {
node.parent.left = replacement;
} else { // node == node.parent.right
node.parent.right = replacement;
}
} else if (node.parent == null) { // node度为0,是叶子节点,并且是根节点
root = null;
} else { // node是叶子节点,但不是根节点
if (node == node.parent.left) {
node.parent.left = null;
} else {
node.parent.right = null;
}
}
}
// 根据元素找寻节点
private Node<E> node(E element) {
Node<E> node = root;
while (node != null) {
int cmp = compare(element, node.element);
if (cmp == 0) return node;
if (cmp > 0) {
node = node.right;
} else { // cmp < 0
node = node.left;
}
}
return null;
}
4.9 完善接口
还有clear()和contains(E element)还没编写,进行简单的编写:
public void clear() {
root = null;
size = 0;
}
public boolean contains(E element) {
return node(element) != null;
}