洞明算法之平衡二叉树（ AVL 树）

1. 由来

平衡二叉树，是一类改进的二叉查找树，平衡指叶子节点深度趋于平衡（最大不超过 1 ），它的竞争对手当属 Hash 表。最经典的自平衡二叉树是 AVL 树（源自发明者的名字 G. M. Adelson-Velsky 和 E. M. Landis），在 AVL 树中任何节点的两个子树的高度（高度： 叶节点为 0 ，深度： 根节点为 0 ）最大差别为 1，因此也被称为高度平衡树。

下面是自平衡二叉树与 Hash 表的对比：
（1）自平衡二叉树在 按序遍历 所有键值时是量级最优的，Hash 表不能。
（2）自平衡二叉树在查找一个键值时，最坏情况下时间复杂度优于 Hash 表， O(log n) 对比 O(n)；
（3）自平衡二叉树的平均时间复杂度逊于 Hash表，O(log n) 对比 O(1)。
注：直观感受下 O(log n)， log( 21亿 ) = 30.9，更狠的是 ln( 21亿 ) = 9.3

2. 特性

AVL 树是一种特殊的二叉搜索树（即根节点大于左子树所有节点且小于右子树所有节点，不存在值相同的两个节点）。普通二叉搜索树查找、插入和删除在最坏情况下会退化为顺序查找，即最坏情况的时间复杂度为 O(n) ，而 AVL 树在平均和最坏情况下都是 O(log n)

3. 实现平衡

3.1 影响平衡的操作

树是否平衡取决于它是否有平衡因子为 2 或 -2 的节点存在，平衡因子指该节点左右子树的高度差。由于插入和删除操作会影响 AVL 树的平衡，因此在对 AVL 树进行该类操作后需要通过旋转 AVL 树来平衡它。

3.2 旋转解析

下图主要展示了在执行插入、删除节点之后树的 4 种不同情况及其旋转方案。
（1）将绿色节点提升为根节点，即右旋图中所示子树；
（2）将黄色节点提升为根节点，即左旋图中所示子树；
（3）先以红色节点为根节点，左旋以绿色节点为根节点的子树；
然后参照（1）旋转图中子树；
（4）先以红色节点为根节点，右旋以黄色节点为根节点的子树；
然后参照（2）旋转图中子树。

4. 学习 AVL 的目的

AVL 和 红黑树都属于平衡树，但是红黑树的应用更广泛，而理解 AVL 是学习红黑树的基础。
AVL 最大的有点在于其平衡性，增加了插入和删除的代价，而红黑树则是牺牲部分平衡性以换取插入/删除操作时少量 的旋转操作(不超过 3 次，插入是 2 次) ，整体来说性能要优于 AVL 树。

红黑树的典型用途有：
（1）关联数组 (即映射( Map ) 、字典( Dictionary ) 等) ，常见于 C++ 的 STL (如 multimap (键重复) 和 map (键不重复)）；
（2）著名的 linux 进程调度 Completely Fair Scheduler，用红黑树管理进程控制块；
（3）epoll 在内核中的实现，用红黑树管理事件块；
（4）nginx 中，用红黑树管理 timer 等；
（5）Java 的 TreeMap 实现。

5. AVL 树实现思路

5.1 节点构造

typedef struct AVLNODE{
    int key;
    int b_factor;
    int height;
    struct AVLNODE* parent; //?是否需要
    struct AVLNODE* left;
    struct AVLNODE* right;
}AVLNODE;

5.2 类构造

class AVLTREE{
    AVLNODE *head;
    void TraversalTree();
    void InsertKey(int key);
    void DeleteKey(int key);
}

5.3 插入

5.4 删除

5.5 遍历

所要考虑的事情：
（1）递归打印；
（2）每个节点负责计算自己的未知，以及
打印下面的分支符号，若无左右子树则不需打印。（可以参考完全二叉树的打印）

5.x 完成代码

6. 扩展学习

（1）跳表；
（2）应用 AVL 树到排序算法，与传统排序算法相比较会有哪些优劣？

7. 参考链接（需翻墙访问）

AVL 树
红黑树
关联数组
二叉搜索树