前言
二叉搜索树是一种非常重要的数据结构,它是AVL树和红黑树实现的基础,也是TreeSet和TreeMap实现的基础,本篇文章就让我们来研究二叉搜索树背后的原理以及简单实现吧
一、概念
二叉搜索树又称二叉排序树,它或者是一棵空树,或者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
二、代码实现
1、初始化节点
public class BinarySearchTree {
static class TreeNode {
public int val;
public TreeNode left;
public TreeNode right;
public TreeNode(int val) {
this.val = val;
}
}
}
2、查找
public TreeNode search(int key) {
TreeNode cur = root;
while (cur != null) {
if(cur.val < key) {
cur = cur.right;
}else if(cur.val > key) {
cur = cur.left;
}else {
return cur;
}
}
return null;
}
3、插入
1. 如果树为空树,即根 == null,直接插入
2. 如果树不是空树,按照查找逻辑确定插入位置,插入新结点
public void insert(int val) {
TreeNode node = new TreeNode(val);
if(root == null) {
root = node;
return;
}
TreeNode cur = root;
TreeNode parent = null;
while (cur != null) {
if(cur.val < val) {
parent = cur;
cur = cur.right;
}else if(cur.val > val) {
parent = cur;
cur = cur.left;
}else {
//相等
return;
}
}
//parent 指向的节点 就是 需要插入的节点位置 的 父亲节点
if(parent.val > val) {
parent.left = node;
}else {
parent.right = node;
}
}
4、删除元素
设待删除结点为
cur,
待删除结点的双亲结点为
parent
1.
cur.left == null
- cur 是 root,则 root = cur.right
- cur 不是 root,cur 是 parent.left,则 parent.left = cur.right
- cur 不是 root,cur 是 parent.right,则 parent.right = cur.right
2.
cur.right == null
- cur 是 root,则 root = cur.left
- cur 不是 root,cur 是 parent.left,则 parent.left = cur.left
- cur 不是 root,cur 是 parent.right,则 parent.right = cur.left
3.
cur.left != null && cur.right != null
- 需要使用替换法进行删除,即在它的右子树中寻找中序下的第一个结点(关键码最小),用它的值填补到被删除节点中,再来处理该结点的删除问题
public void remove(int key) {
TreeNode parent = null;
TreeNode cur = root;
while (cur != null) {
if(cur.val < key) {
parent = cur;
cur = cur.right;
}else if(cur.val > key) {
parent = cur ;
cur = cur.left;
}else {
removeNode(parent,cur);
return;
}
}
}
private void removeNode(TreeNode parent,TreeNode cur) {
if(cur.left == null) {
if(cur == root) {
root = cur.right;
}else if(cur == parent.left) {
parent.left = cur.right;
}else {
parent.right = cur.right;
}
}else if(cur.right == null) {
if(cur == root) {
root = cur.left;
}if(cur == parent.left) {
parent.left = cur.left;
}else {
parent.right = cur.left;
}
}else {
TreeNode target = cur.right;
TreeNode targetP = cur;
while (target.left != null) {
targetP = target;
target = target.left;
}
cur.val = target.val;
if(target == targetP.left) {
targetP.left = target.right;
}else {
targetP.right = target.right;
}
}
}
三、性能分析
插入和删除操作都必须先查找,查找效率代表了二叉搜索树中各个操作的性能。
对有n个结点的二叉搜索树,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结点在二叉搜索树的深度的函数,即结点越深,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:
最优情况下,二叉搜索树为完全二叉树,其平均比较次数为:
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
![aeacccb4e54d4ddfb44124e4ce366e87.png](https://i-blog.csdnimg.cn/direct/aeacccb4e54d4ddfb44124e4ce366e87.png)
总结
二叉搜索树的优点很明显,就是在查找元素时的速度能够达到
,可以说查找效率非常之高了。但其也存在着缺点,就是在构成单支树是效率会递减至O(n),也就是说它的查找效率是不稳定的。为了弥补这一缺陷,努力让树的层数尽可能少,分布尽可能均衡是提升二叉树效率的关键,也就有了后来的AVL树和红黑树,不过他们的基础都是二叉搜索树,所以一定要先好好理解二叉搜索树的原理。
那么本篇文章就到此为止了,如果觉得这篇文章对你有帮助的话,可以点一下关注和点赞来支持作者哦。作者还是一个萌新,如果有什么讲的不对的地方欢迎在评论区指出,希望能够和你们一起进步✊
![1f6054aa68284cca8332bda05300a370.png](https://i-blog.csdnimg.cn/direct/1f6054aa68284cca8332bda05300a370.png)