数据结构-树系列之平衡二叉树（三）

前文也提到了，二叉搜索树一定程度上可以提高搜索效率，但是当原序列有序，例如序列A = {1，2，3，4，5，6}，构造二叉搜索树如图3.1。依据此序列构造的二叉搜索树为右斜树，同时二叉树退化成单链表，搜索效率降低为O(n)。所以二叉搜索树的效率跟树的形态密切相关！
在此二叉搜索树中查找元素6需要查找6次。
二叉搜索树的查找效率取决于树的高度，因此保持树的高度最小，即可保证树的查找效率。同样的序列A，改为图3.2方式存储，查找元素6时只需比较3次，查找效率提升一倍。
可以看出当节点数目一定，保持树的左右两端保持平衡，树的查找效率最高。这种左右子树的高度相差不超过1的树为平衡二叉树。

基本概念

所谓平衡二叉树是指它除了具备二叉排序树的基本特性之外，还具有一个非常重要的特点：它的左子树与右子树的深度之差（平衡因子）的绝对值不超过1，且都是平衡二叉树。二叉树结点的左子树深度减去右子树深度的值称为平衡因子。那么平衡二叉树上的所有结点的平衡因子只可能是-1，0，1。只要二叉树上一个结点的平衡因子的绝对值大于1，那么该二叉树就不是平衡二叉树。

平衡因子

定义：某节点的左子树与右子树的高度(深度)差即为该节点的平衡因子（BF,Balance Factor），平衡二叉树中不存在平衡因子大于1的节点。在一棵平衡二叉树中，节点的平衡因子只能取-1、1或者0。

失衡的四种状态

LL：在第一个平衡因子>1的节点的左子树的左子树上插入新节点
LR：在第一个平衡因子>1的节点的左子树的右子树上插入新节点
RL：在第一个平衡因子>1的节点的右子树的左子树上插入新节点
RR：在第一个平衡因子>1的节点的右子树的右子树上插入新节点

插入

面对一颗平衡二叉搜索树，我们在插入的时候就不能简单先搜索再插入了，还得考虑树的平衡。因为要考虑平衡，其实也就是要解决失衡，对应上面那幅失衡图，我们有四种对策来解决失衡问题。

四种旋转

单旋转：左旋转右旋转

单旋转是针对于LL和RR这两种情况的解决方案，这两种情况是对称的，只要解决了左左这种情况，右右就很好办了。图4是左左情况的解决方案，节点k1不满足平衡特性，因为它的左子树k2比右子树Z深2层，而且k2子树中，更深的一层的是k2的左子树X子树，所以属于左左情况。
开始时，k2节点左孩子是小x,整棵树还是平衡树，然后在小x的子节点插入一个数，小x变成大X，此时大X高度为2，k1节点不平衡，为使树恢复平衡，我们把k2变成这棵树的根节点，因为k2大于k1，把k1置于k2的右子树上，而原本在k2右子树的Y大于k1，小于k2，就把Y置于k1的左子树上，这样既满足了二叉查找树的性质，又满足了平衡二叉树的性质。

这样的操作只需要一部分指针改变，结果我们得到另外一颗二叉查找树，它是一棵AVL树，因为X向上一移动了一层，Y还停留在原来的层面上，Z向下移动了一层。整棵树的新高度和之前没有在左子树上插入的高度相同，插入操作使得X高度长高了。因此，由于这颗子树高度没有变化，所以通往根节点的路径就不需要继续旋转了。

右旋转代码：

 /*
      * @Task: 在 nodeN 结点上进行右旋操作
      */
     private BinaryNodeInterface<T> rotateRight(BinaryNodeInterface<T> nodeN){
         BinaryNodeInterface<T> nodeL = nodeN.getLeftChild();
         nodeN.setLeftChild(nodeL.getRightChild());
         nodeL.setRightChild(nodeN);
         return nodeL;
     }

双旋转：左右旋转，右左旋转

对于LR和RL这两种情况，单旋转不能使它达到一个平衡状态，要经过两次旋转。双旋转是针对于这两种情况的解决方案，同样的，这样两种情况也是对称的，只要解决了左右这种情况，右左就很好办了。图4是左右情况的解决方案，节点k3不满足平衡特性，因为它的左子树k1比右子树D深2层，而且k1子树中，更深的一层的是k1的右子树k2子树，所以属于左右情况。
为使树恢复平衡，我们需要进行两步，第一步，把k1作为根，进行一次左旋转，旋转之后就变成了左左情况，所以第二步再进行一次右旋转，最后得到了一棵以k2为根的平衡二叉树树。

双旋转代码:左右旋转

 private BinaryNodeInterface<T> rotateLeftRight(BinaryNodeInterface<T> nodeN){
         BinaryNodeInterface<T> nodeL = nodeN.getLeftChild();
         nodeN.setLeftChild(rotateLeft(nodeL));
         return rotateRight(nodeN);
     }    

说了那么多，是不是已经有点晕了？
下面我来总结一下：
LL右旋转，RR左旋转，LR左右旋，RL右左旋。OVER！

A的左孩子的左子树插入节点(LL)

节点A的左孩子为B，B的左子树为D，无论在节点D的左子树或者右子树中插入F均会导致节点A失衡。因此需要对节点A进行旋转操作。A的平衡因子为2，值为正，因此对A进行右旋操作。

操作流程：

A的左孩子的右子树插入节点(LR)

若A的左孩子节点B的右子树E插入节点F，导致节点A失衡，如图：
这种插入方式需要执行两步操作：

（1）对失衡节点A的左孩子B进行左旋操作，即RR情形操作。
（2）对失衡节点A做右旋操作，即LL情形操作。

删除

平衡二叉树的删除情况与二叉搜索树删除情况相同，同样分为四种情况：
（1）删除叶子节点
（2）删除节点只有左子树
（3）删除节点只有右子树
（4）删除节点既有左子树又有右子树
平衡二叉树的节点删除与二叉搜索树删除方法一致，但是需要在节点删除后判断树是否仍然保持平衡，若出现失衡情况，需要进行调整。

考题部分：

LeetCode NO110平衡二叉树

给定一个二叉树，判断它是否是高度平衡的二叉树。

本题中，一棵高度平衡二叉树定义为：

一个二叉树每个节点 的左右两个子树的高度差的绝对值不超过1。

boolean isbalnced2(TreeNode treeNode){
        if (treeNode==null){
            return true;
        }
        if (Math.abs(findDepth(treeNode.left)-findDepth(treeNode.right))>1){
            return false;
        }
        return isbalnced2(treeNode.left)&&isbalnced2(treeNode.right);
    }
    public  int findDepth(TreeNode root){
        if (root==null){
            return 0;
        }
        int leftDepth = findDepth(root.left);
        int rightDepth = findDepth(root.right);
        return Math.max(leftDepth,rightDepth)+1;
    }

LeetCode NO.111 二叉树的最小深度

 public int minDepth(TreeNode root) {
        if (root == null) return 0;
        if (!(root.left==null && root.right==null)){
            if (root.left==null || root.right==null){
                if (root.left==null){
                    return minDepth(root.right)+1;
                }
                else return  minDepth(root.left)+1;
            }
        }


        int leftDepth = minDepth(root.left);
        int rightDepth = minDepth(root.right);
        return Math.min(leftDepth,rightDepth)+1;
    }