文章目录
之前我们实现的符号表中,不难看出,符号表的增删查操作,随着元素个数N的增多,其耗时也是线性增多的,时间复杂度都是O(n),为了提高运算效率,接下来我们学习树这种数据结构。
1 树的基本定义
树是我们计算机中非常重要的一种数据结构,同时使用树这种数据结构,可以描述现实生活中的很多事物,例如家谱、单位的组织架构、等等。
树是由n(n>=1)个有限结点组成一个具有层次关系的集合。把它叫做“树”是因为它看起来像一棵倒挂的树,也就是说它是根朝上,而叶朝下的。
树具有以下特点:
1.每个结点有零个或多个子结点;
2.没有父结点的结点为根结点;
3.每一个非根结点只有一个父结点;
4.每个结点及其后代结点整体上可以看做是一棵树,称为当前结点的父结点的一个子树;
2 树的相关术语
-
结点的度:
一个结点含有的子树的个数称为该结点的度; -
叶结点:
度为0的结点称为叶结点,也可以叫做终端结点 -
分支结点:
度不为0的结点称为分支结点,也可以叫做非终端结点 -
结点的层次:
从根结点开始,根结点的层次为1,根的直接后继层次为2,以此类推 -
结点的层序编号:
将树中的结点,按照从上层到下层,同层从左到右的次序排成一个线性序列,把他们编成连续的自然数。 -
树的度:
树中所有结点的度的最大值 -
树的高度(深度):
树中结点的最大层次 -
森林:
m(m>=0)个互不相交的树的集合,将一颗非空树的根结点删去,树就变成一个森林;给森林增加一个统一的根
结点,森林就变成一棵树
-
孩子结点:
一个结点的直接后继结点称为该结点的孩子结点 -
双亲结点(父结点):
一个结点的直接前驱称为该结点的双亲结点 -
兄弟结点:
同一双亲结点的孩子结点间互称兄弟结点
3 二叉树的基本定义
二叉树就是度不超过的树(每个节点最多有2个节点)
- 满二叉树:
一个二叉树,若果每一个层的节点树都达到最大值,则这个二叉树就是满二叉树
- 完全二叉树:
叶节点只能出现在最下层和次下层,并且最下面一层的节点都集中在该层的最左边的若干位置的二叉树
4 二叉树的创建
4.1 二叉树的节点类
根据对图的观察,我们发现二叉树其实就是由一个一个的结点及其之间的关系组成的,按照面向对象的思想,我们设计一个结点类来描述结点这个事物。
节点类API设计
代码实现:
private class Node {
//存储键
public Key key;
//存储值
private Value value;
//记录左子结点
public Node left;
//记录右子结点
public Node right;
public Node(Key key, Value value, Node left, Node right) {
this.key = key;
this.value = value;
this.left = left;
this.right = right;
}
}
4.2 二叉树查找API设计
4.3 二叉查找树实现
插入方法put实现思想:
1.如果当前树中没有任何一个结点,则直接把新结点当做根结点使用
2.如果当前树不为空,则从根结点开始:
- 如果新结点的key小于当前结点的key,则继续找当前结点的左子结点;
- 如果新结点的key大于当前结点的key,则继续找当前结点的右子结点;
- 如果新结点的key等于当前结点的key,则树中已经存在这样的结点,替换该结点的value值即可。
查询方法get实现思想:从根节点开始:
1.如果要查询的key小于当前结点的key,则继续找当前结点的左子结点;
2.如果要查询的key大于当前结点的key,则继续找当前结点的右子结点;
3.如果要查询的key等于当前结点的key,则树中返回当前结点的value。
删除方法delete实现思想:
1.找到被删除结点;
2.找到被删除结点右子树中的最小结点minNode
3.删除右子树中的最小结点
4.让被删除结点的左子树称为最小结点minNode的左子树,让被删除结点的右子树称为最小结点minNode的右子树
5.让被删除结点的父节点指向最小结点minNode
代码实现:
package com.bcl.algorithm.tree;
import com.bcl.algorithm.linear.Queue;
/**
* 二叉树
*
* @author bcl
* @date 2021/11/18
*/
public class BinaryTree<Key extends Comparable<Key>, Value> {
//记录根结点
private Node root;
//记录树中元素的个数
private int N;
private class Node {
//存储键
public Key key;
//存储值
private Value value;
//记录左子结点
public Node left;
//记录右子结点
public Node right;
public Node(Key key, Value value, Node left, Node right) {
this.key = key;
this.value = value;
this.left = left;
this.right = right;
}
}
//获取树中元素的个数
public int size() {
return N;
}
//向树中添加元素key-value
public void put(Key key, Value value) {
root = put(root, key, value);
}
//向指定的树x中添加key-value,并返回添加元素后新的树
private Node put(Node x, Key key, Value value) {
//如果x子树为空,
if (x == null) {
N++;
return new Node(key, value, null, null);
}
//如果x子树不为空
//比较x结点的键和key的大小:
int cmp = key.compareTo(x.key);
if (cmp > 0) {
//如果key大于x结点的键,则继续找x结点的右子树
x.right = put(x.right, key, value);
} else if (cmp < 0) {
//如果key小于x结点的键,则继续找x结点的左子树
x.left = put(x.left, key, value);
} else {
//如果key等于x结点的键,则替换x结点的值为value即可
x.value = value;
}
return x;
}
//查询树中指定key对应的value
public Value get(Key key) {
return get(root, key);
}
//从指定的树x中,查找key对应的值
public Value get(Node x, Key key) {
//x树为null
if (x == null) {
return null;
}
//x树不为null
//比较key和x结点的键的大小
int cmp = key.compareTo(x.key);
if (cmp > 0) {
//如果key大于x结点的键,则继续找x结点的右子树
return get(x.right, key);
} else if (cmp < 0) {
//如果key小于x结点的键,则继续找x结点的左子树
return get(x.left, key);
} else {
//如果key等于x结点的键,就找到了键为key的结点,只需要返回x结点的值即可
return x.value;
}
}
//删除树中key对应的value
public void delete(Key key) {
delete(root, key);
}
//删除指定树x中的key对应的value,并返回删除后的新树
public Node delete(Node x, Key key) {
//x树为null
if (x == null) {
return null;
}
//x树不为null
int cmp = key.compareTo(x.key);
if (cmp > 0) {
//如果key大于x结点的键,则继续找x结点的右子树
x.right = delete(x.right, key);
} else if (cmp < 0) {
//如果key小于x结点的键,则继续找x结点的左子树
x.left = delete(x.left, key);
} else {
//如果key等于x结点的键,完成真正的删除结点动作,要删除的结点就是x;
//让元素个数-1
N--;
//得找到右子树中最小的结点
if (x.right == null) {
return x.left;
}
if (x.left == null) {
return x.right;
}
Node minNode = x.right;
while (minNode.left != null) {
minNode = minNode.left;
}
//删除右子树中最小的结点
Node n = x.right;
while (n.left != null) {
if (n.left.left == null) {
n.left = null;
} else {
//变换n结点即可
n = n.left;
}
}
//让x结点的左子树成为minNode的左子树
minNode.left = x.left;
//让x结点的右子树成为minNode的右子树
minNode.right = x.right;
//让x结点的父结点指向minNode
x = minNode;
}
return x;
}
public static void main(String[] args) {
//创建二叉查找树对象
BinaryTree<Integer, String> tree = new BinaryTree<>();
//测试插入
tree.put(1, "张三");
tree.put(2, "李四");
tree.put(3, "王五");
System.out.println("插入完毕后元素的个数:" + tree.size());
//测试获取
System.out.println("键2对应的元素是:" + tree.get(1));
//测试删除
tree.delete(3);
System.out.println("删除后的元素个数:" + tree.size());
System.out.println("删除后键3对应的元素:" + tree.get(3));
}
}
4.4 二叉查找树其他便捷方法
4.4.1 查找二叉树中最小的键
在某些情况下,我们需要查找出树中存储所有元素的键的最小值,比如我们的树中存储的是学生的排名和姓名数据,那么需要查找出排名最低是多少名?这里我们设计如下两个方法来完成:
4.4.2 查找二叉树中最大的键
在某些情况下,我们需要查找出树中存储所有元素的键的最大值,比如比如我们的树中存储的是学生的成绩和学生的姓名,那么需要查找出最高的分数是多少?这里我们同样设计两个方法来完成:
public Key min() {
return min(root).key;
}
//在指定树x中找出最小键所在的结点
private Node min(Node x) {
//需要判断x还有没有左子结点,如果有,则继续向左找,如果没有,则x就是最小键所在的结点
if (x.left != null) {
return min(x.left);
} else {
return x;
}
}
//在整个树中找到最大的键
public Key max() {
return max(root).key;
}
//在指定的树x中,找到最大的键所在的结点
public Node max(Node x) {
//判断x还有没有右子结点,如果有,则继续向右查找,如果没有,则x就是最大键所在的结点
if (x.right != null) {
return max(x.right);
} else {
return x;
}
}
5 二叉树的基础遍历
很多情况下,我们可能需要像遍历数组数组一样,遍历树,从而拿出树中存储的每一个元素,由于树状结构和线性结构不一样,它没有办法从头开始依次向后遍历,所以存在如何遍历,也就是按照什么样的搜索路径进行遍历的问题。
我们把树简单的画作上图中的样子,由一个根节点、一个左子树、一个右子树组成,那么按照根节点什么时候被访问,我们可以把二叉树的遍历分为以下三种方式:
- 前序遍历;先访问根结点,然后再访问左子树,最后访问右子树
- 中序遍历;先访问左子树,中间访问根节点,最后访问右子树
- 后序遍历;先访问左子树,再访问右子树,最后访问根节点
如果我们分别对下面的树使用三种遍历方式进行遍历,得到的结果如下:
5.1 前序遍历
我们在4.4中创建的树上,添加前序遍历的API:
public Queue preErgodic():使用前序遍历,获取整个树中的所有键
private void preErgodic(Node x,Queue keys):使用前序遍历,把指定树x中的所有键放入到keys队列中
实现过程中,我们通过前序遍历,把,把每个结点的键取出,放入到队列中返回即可。
实现步骤:
- 把当前结点的key放入到队列中;
- 找到当前结点的左子树,如果不为空,递归遍历左子树
- 找到当前结点的右子树,如果不为空,递归遍历右子树
代码:
//获取整个树中所有的键
public Queue<Key> preErgodic() {
Queue<Key> keys = new Queue<>();
preErgodic(root, keys);
return keys;
}
//获取指定树x的所有键,并放到keys队列中
private void preErgodic(Node x, Queue<Key> keys) {
if (x == null) {
return;
}
//把x结点的key放入到keys中
keys.enqueue(x.key);
//递归遍历x结点的左子树
if (x.left != null) {
preErgodic(x.left, keys);
}
//递归遍历x结点的右子树
if (x.right != null) {
preErgodic(x.right, keys);
}
}
5.2 中序遍历
我们在4.4中创建的树上,添加前序遍历的API:
//使用中序遍历,获取整个树中的所有键
public Queue<Key> midErgodic()
//使用中序遍历,把指定树x中的所有键放入到keys队列中
private void midErgodic(Node x,Queue<Key> keys)
实现步骤:
- 找到当前结点的左子树,如果不为空,递归遍历左子树
- 把当前结点的key放入到队列中;
- 找到当前结点的右子树,如果不为空,递归遍历右子树
代码:
//使用中序遍历获取树中所有的键
public Queue<Key> midErgodic() {
Queue<Key> keys = new Queue<>();
midErgodic(root, keys);
return keys;
}
//使用中序遍历,获取指定树x中所有的键,并存放到key中
private void midErgodic(Node x, Queue<Key> keys) {
if (x == null) {
return;
}
//先递归,把左子树中的键放到keys中
if (x.left != null) {
midErgodic(x.left, keys);
}
//把当前结点x的键放到keys中
keys.enqueue(x.key);
//在递归,把右子树中的键放到keys中
if (x.right != null) {
midErgodic(x.right, keys);
}
}
5.3 后序遍历
我们在4.4中创建的树上,添加前序遍历的API:
public Queue afterErgodic():使用后序遍历,获取整个树中的所有键
private void afterErgodic(Node x,Queue keys):使用后序遍历,把指定树x中的所有键放入到keys队列中
实现步骤:
1.找到当前结点的左子树,如果不为空,递归遍历左子树
2.找到当前结点的右子树,如果不为空,递归遍历右子树
3.把当前结点的key放入到队列中;
//使用后序遍历,把整个树中所有的键返回
public Queue<Key> afterErgodic() {
Queue<Key> keys = new Queue<>();
afterErgodic(root, keys);
return keys;
}
//使用后序遍历,把指定树x中所有的键放入到keys中
private void afterErgodic(Node x, Queue<Key> keys) {
if (x == null) {
return;
}
//通过递归把左子树中所有的键放入到keys中
if (x.left != null) {
afterErgodic(x.left, keys);
}
//通过递归把右子树中所有的键放入到keys中
if (x.right != null) {
afterErgodic(x.right, keys);
}
//把x结点的键放入到keys中
keys.enqueue(x.key);
}
6 二叉树层序遍历
所谓的层序遍历,就是从根节点(第一层)开始,依次向下,获取每一层所有结点的值,有二叉树如下:
那么层序遍历的结果是:EBGADFHC
我们在4.4中创建的树上,添加层序遍历的API:
public Queue<Key> layerErgodic():使用层序遍历,获取整个树中的所有键
实现步骤:
1.创建队列,存储每一层的结点;
2.使用循环从队列中弹出一个结点:
- 获取当前结点的key;
- 如果当前结点的左子结点不为空,则把左子结点放入到队列中
- 如果当前结点的右子结点不为空,则把右子结点放入到队列中
代码:
//使用层序遍历,获取整个树中所有的键
public Queue<Key> layerErgodic() {
//定义两个队列,分别存储树中的键和树中的结点
Queue<Key> keys = new Queue<>();
Queue<Node> nodes = new Queue<>();
//默认,往队列中放入根结点
nodes.enqueue(root);
while (!nodes.isEmpty()) {
//从队列中弹出一个结点,把key放入到keys中
Node n = nodes.dequeue();
keys.enqueue(n.key);
//判断当前结点还有没有左子结点,如果有,则放入到nodes中
if (n.left != null) {
nodes.enqueue(n.left);
}
//判断当前结点还有没有右子结点,如果有,则放入到nodes中
if (n.right != null) {
nodes.enqueue(n.right);
}
}
return keys;
}
public static void main(String[] args) {
BinaryTree<String, String> tree = new BinaryTree<>();
//往树中添加数据
tree.put("E", "5");
tree.put("B", "2");
tree.put("G", "7");
tree.put("A", "1");
tree.put("D", "4");
tree.put("F", "6");
tree.put("H", "8");
tree.put("C", "3");
//遍历
Queue<String> keys = tree.layerErgodic();
for (String key : keys) {
String value = tree.get(key);
System.out.println(key + "----" + value);
}
}
7 二叉树的最大深度问题
需求:
给定一棵树,请计算树的最大深度(树的a根节点到最远叶子结点的最长路径上的结点数);
上面这棵树的最大深度为4。
实现:
我们在1.4中创建的树上,添加如下的API求最大深度:
public int maxDepth():计算整个树的最大深度
private int maxDepth(Node x):计算指定树x的最大深度
实现步骤:
- 如果根结点为空,则最大深度为0;
- 计算左子树的最大深度;
- 计算右子树的最大深度;
- 当前树的最大深度=左子树的最大深度和右子树的最大深度中的较大者+1
代码:
//获取整个树的最大深度
public int maxDepth() {
return maxDepth(root);
}
//获取指定树x的最大深度
private int maxDepth(Node x) {
if (x == null) {
return 0;
}
//x的最大深度
int max = 0;
//左子树的最大深度
int maxL = 0;
//右子树的最大深度
int maxR = 0;
//计算x结点左子树的最大深度
if (x.left != null) {
maxL = maxDepth(x.left);
}
//计算x结点右子树的最大深度
if (x.right != null) {
maxR = maxDepth(x.right);
}
//比较左子树最大深度和右子树最大深度,取较大值+1即可
max = maxL > maxR ? maxL + 1 : maxR + 1;
return max;
}
8 折纸问题
需求:
请把一段纸条竖着放在桌子上,然后从纸条的下边向上方对折1次,压出折痕后展开。此时 折痕是凹下去的,即折痕突起的方向指向纸条的背面。如果从纸条的下边向上方连续对折2 次,压出折痕后展开,此时有三条折痕,从上到下依次是下折痕、下折痕和上折痕。给定一 个输入参数N,代表纸条都从下边向上方连续对折N次,请从上到下打印所有折痕的方向 例如:N=1时,打印: down;N=2时,打印: down down up
分析:
我们把对折后的纸张翻过来,让粉色朝下,这时把第一次对折产生的折痕看做是根结点,那第二次对折产生的下折痕就是该结点的左子结点,而第二次对折产生的上折痕就是该结点的右子结点,这样我们就可以使用树型数据结构来描述对折后产生的折痕。
这棵树有这样的特点:
- 根结点为下折痕;
- 每一个结点的左子结点为下折痕;
- 每一个结点的右子结点为上折痕;
实现步骤:
- 定义结点类
- 构建深度为N的折痕树;
- 使用中序遍历,打印出树中所有结点的内容;
构建深度为N的折痕树:
- 第一次对折,只有一条折痕,创建根结点;
- 如果不是第一次对折,则使用队列保存根结点;
- 循环遍历队列:
3.1 从队列中拿出一个结点;
3.2 如果这个结点的左子结点不为空,则把这个左子结点添加到队列中;
3.3 如果这个结点的右子结点不为空,则把这个右子结点添加到队列中;
3.4 判断当前结点的左子结点和右子结点都不为空,如果是,则需要为当前结点创建一个值为down的左子结点,一个值为up的右子结点。
代码:
import com.bcl.algorithm.linear.Queue;
public class PagerFolding {
public static void main(String[] args) {
//模拟这只过程,产生树
Node<String> tree = createTree(3);
//遍历树,打印每个结点
printTree(tree);
}
//通过模拟对折N次纸,产生树
public static Node<String> createTree(int N) {
//定义根结点
Node<String> root = null;
for (int i = 0; i < N; i++) {
//1.当前是第一次对折
if (i == 0) {
root = new Node<>("down", null, null);
continue;
}
//2.当前不是第一次对折
//定义一个辅助队列,通过层序遍历的思想,找到叶子结点,叶子结点添加子节点
Queue<Node> queue = new Queue<>();
queue.enqueue(root);
//循环遍历队列
while (!queue.isEmpty()) {
//从队列中弹出一个结点
Node<String> tmp = queue.dequeue();
//如果有左子结点,则把左子结点放入到队列中
if (tmp.left != null) {
queue.enqueue(tmp.left);
}
//如果有右子结点,则把右子结点放入到队列中
if (tmp.right != null) {
queue.enqueue(tmp.right);
}
//如果同时没有左子结点和右子结点,那么证明该节点是叶子结点,只需要给该节点添加左子结点和右子结点即可
if (tmp.left == null && tmp.right == null) {
tmp.left = new Node<String>("down", null, null);
tmp.right = new Node<String>("up", null, null);
}
}
}
return root;
}
//打印树中每个结点到控制台
public static void printTree(Node<String> root) {
//需要使用中序遍历完成
if (root == null) {
return;
}
//打印左子树的每个结点
if (root.left != null) {
printTree(root.left);
}
//打印当前结点
System.out.print(root.item + " ");
//打印右子树的每个结点
if (root.right != null) {
printTree(root.right);
}
}
//结点类
private static class Node<T> {
public T item;//存储元素
public Node left;
public Node right;
public Node(T item, Node left, Node right) {
this.item = item;
this.left = left;
this.right = right;
}
}
}