AVL 树
- AVL 树是一种平衡的二叉搜索树(BST),它的结构和操作与BST都是一致的,只是多加了一个平衡条件
- AVL树的平衡条件是:它的任一节点的左子树和右子树的高度差的绝对值小于等于1
概念回顾:
- 树的高度等于其根节点的高度
- 节点的高度等于该节点与它最下面的叶子节点之间的边数
由定义可知,叶子节点的高度为0
为了便于计算,规定叶子节点的(假想的)子节点的高度为-1
那么判定一颗树是否是AVL树则是通过计算root节点的左右两个子节点的高度差,如果高度差的绝对值小于等于1,那么就是AVL树,否则不是。
最简单的办法就是在节点中存储节点的高度信息,这样可以迅速的计算出高度差(平衡因子)
废话不多说,用代码来描述更直接,下面是go语言的代码片段
// 节点类型
type node_t struct {
Key int
height int
left *node_t
right *node_t
}
// 这是获取节点高度的get函数,避免每次获取高度都要判断node是否为nil
func height(node *node_t) int {
if node == nil {
return -1
}
return node.height
}
// 平衡因子:等于左子树的高度-右子树的高度
func balance_factor(node *node_t) int {
if node == nil { // 空树,算作平衡
return 0
}
return height(node.left) - height(node.right)
}
下面观察一下造成树不平衡的几种情况:
我们从空树开始构造,慢慢观察造成树不平衡的原因
先看只有一个节点的树:
很明显树是平衡的,节点3没有子节点,即左右两个子节点的高度都为-1,差为0,即:平衡
插入一个节点
插入一个节点可能出现的情况有两种,要么作为3的左子节点,要么作为3的右子节点,如图所示:
这两种情况,树都是平衡的:
左图节点3的平衡因子等于:0 - (-1) = 1
右图节点3的平衡因子等于:(-1) - 0 = -1
下面先考虑左图的情况,右图情况与左图是对称的,后面会给出对称的情况
我们继续插入一个节点,有3种可能:
第一种可能是插入的节点比3大,那么作为3的右子节点,例如:
上面的树是平衡的,不是我们要考虑的情况
第二种可能:插入的节点比1小(下面的左图)
第三种可能:插入的节点比3小,但是比1大(下面的右图)
左图节点3的平衡因子等于:1 - (-1) = 2
右图节点3的平衡因子等于:1 - (-1) = 2
这两种情况下树是不平衡的,那么在插入操作完成后需要对树进行调整(fix it),让树始终保持平衡
观察上面左图,根节点3有左节点1,左节点1有左节点0,这种情况称之为:left-left case
观察上面右图,根节点3有左节点1,左节点1有右节点2,这种情况称之为:left-right case
现在回过头来看看对称的情况
上图是对称的两种情况:
左图节点3的平衡因子等于:(-1) - 1 = -2
右图节点3的平衡因子等于:(-1) - 1 = -2
观察上面左图,根节点3有右节点5,右节点5有右节点6,这种情况称之为:right-right case
观察上面右图,根节点3有右节点5,右节点5有左节点4,这种情况称之为:right-left case
导致树不平衡的4种情况已经找到了,下面就要去fix it,使树重新平衡。
这4种情况两两对称,LL和RR对称,LR和RL对称。
我们先看LL和RR这两种情况
所谓fix就是让树重新平衡(AVL性质),且还是有序(BST性质)
再看下LL和RR这两种情况的树
对于LL的情况,只需要将节点1往上拉,使其成为根节点,节点3在重力作用下变成节点1的右节点,树再次平衡,且仍是有序的。
这个操作称之为对节点3应用一次向右旋转(single rotation),即把节点1作为支点,把节点3往下(顺时针)旋转。注意支点变成了根节点
同理,对于RR的情况,只需要将节点5往上拉,使其成为根节点,节点3在重力作用下变成节点5的左节点,树再次平衡,且仍是有序的。
这个操作称之为对节点3应用一次向左旋转(single rotation),即把节点5作为支点,把节点3往下(逆时针)旋转。注意支点变成了根节点
再看LR和RL这两种情况
这两种情况,如果只是简单的把节点1(左图)或节点5(右图)上拉就不好使了,因为树看起来是平衡了,但是却不是有序的了(不满足BST性质),如下图所示:
解决办法是做两次旋转(double rotation)
对于LR的情况:
先对根节点3的左子树根节点1应用一次向左旋转(以节点2为支点),将树转换成LL的情况后,再对根节点3应用一次右旋转
对于RL的情况:
先对根节点3的右子树根节点5应用一次向右旋转(以节点4为支点),将树转换成RR的情况后,再对根节点3应用一次左旋转
第一次旋转如下图所示:
第二次旋转如下图所示:
代码实现(golang)如下:
avl/node.go
package avl
// 节点类型
type node_t struct {
Key int
height int
left *node_t
right *node_t
}
// 这是获取节点高度的get函数,避免每次获取高度都要判断node是否为nil
func height(node *node_t) int {
if node == nil {
return -1
}
return node.height
}
// 更新节点的高度信息
func update_height(node *node_t) {
if node != nil {
node.height = max(height(node.left), height(node.right)) + 1
}
}
// 平衡因子:等于左子树的高度-右子树的高度
func balance_factor(node *node_t) int {
if node == nil { // 空树,算作平衡
return 0
}
return height(node.left) - height(node.right)
}
func max(x int, y int) int {
if x > y {
return x
}
return y
}
// 右转
func fix_ll_case(k2 *node_t) *node_t {
k1 := k2.left
k2.left = k1.right
k1.right = k2
update_height(k2)
update_height(k1)
return k1
}
// 左转
func fix_rr_case(k1 *node_t) *node_t {
k2 := k1.right
k1.right = k2.left
k2.left = k1
update_height(k1)
update_height(k2)
return k2
}
// 先左转后右转
func fix_lr_case(k3 *node_t) *node_t {
k3.left = fix_rr_case(k3.left)
return fix_ll_case(k3)
}
// 先右转后左转
func fix_rl_case(k1 *node_t) *node_t {
k1.right = fix_ll_case(k1.right)
return fix_rr_case(k1)
}
// 分4种情况分别fix
func rebalance(root *node_t) *node_t {
bf := balance_factor(root)
if bf == 2 {
lbf := balance_factor(root.left)
if lbf == 1 {
root = fix_ll_case(root)
} else {
root = fix_lr_case(root)
}
} else if bf == -2 {
rbf := balance_factor(root.right)
if rbf == 1 {
root = fix_rl_case(root)
} else {
root = fix_rr_case(root)
}
}
return root
}
// 插入节点
func add(root *node_t, key int) *node_t {
if root == nil {
return &node_t{Key: key, height: 0}
}
if key < root.Key {
root.left = add(root.left, key)
} else if key > root.Key {
root.right = add(root.right, key)
}
update_height(root)
return rebalance(root)
}
// 删除节点,注意使用的技巧是:总是删除叶子节点
func remove(root *node_t, key int) *node_t {
if root == nil {
return nil
}
if root.Key == key {
if root.height == 0 { // 叶子节点,直接删除
root = nil
} else if balance_factor(root) <= 0 { // 有右孩子
root.Key = find_min(root.right).Key
root.right = remove(root.right, root.Key)
} else { // 有左孩子
root.Key = find_max(root.left).Key
root.left = remove(root.left, root.Key)
}
} else if key < root.Key {
root.left = remove(root.left, key)
} else {
root.right = remove(root.right, key)
}
update_height(root)
return rebalance(root)
}
func find_min(root *node_t) *node_t {
if root == nil {
return nil
}
node := root
for node.left != nil {
node = node.left
}
return node
}
func find_max(root *node_t) *node_t {
if root == nil {
return nil
}
node := root
for node.right != nil {
node = node.right
}
return node
}
func find(root *node_t, key int) *node_t {
if root == nil {
return nil
}
if key < root.Key {
return find(root.left, key)
}
if key > root.Key {
return find(root.right, key)
}
return root
}
创建一个tree类型,封装树的操作,便于使用:
avl/tree.go
package avl
type Tree_t struct {
root *node_t
}
func (tree *Tree_t) Find(key int) *node_t {
return find(tree.root, key)
}
func (tree *Tree_t) FindMin() *node_t {
return find_min(tree.root)
}
func (tree *Tree_t) FindMax() *node_t {
return find_max(tree.root)
}
func (tree *Tree_t) Add(key int) {
tree.root = add(tree.root, key)
}
func (tree *Tree_t) Remove(key int) {
tree.root = remove(tree.root, key)
}
对于节点高度信息的更新,只有在改变树结构的操作里更新高度信息,比如插入,删除,左转,右转操作
在插入和删除操作里,是在调用rebalance函数之前更新节点的高度信息,因为rebalance操作是根据树的高度信息来判定是否需要fix树结构的。
关于删除操作的技巧分析,参考:Binary Search Tree