数据结构-平衡二叉查找树和红黑树

 

平衡二叉查找树

平衡二叉树的严格定义：二叉树中任意节点的左右子树高度相差不能大于1。所以满二叉树和完全二叉树都是平衡二叉树，而非完全二叉树也可以是平衡二叉树

如下图：

平衡二叉查找树不仅需要满足平衡二叉树的特定，还需要满足二叉查找树的特点。最先被发明的平衡二叉查找树是AVL树，AVL树严格符合上面谈到的平衡二叉查找树的定义。任意节点左右子树高度相差不大于1，是一颗高度平衡的二叉查找树。

AVL树的优缺点：

ALV树是一颗高度平衡的二叉查找树，查询效率非常高效，时间复杂度为O()。但有利也由弊，AVL树为了维持高度的平衡，每次插入和删除数据，都需要对数据进行调整，这个就比较耗时了，对于频繁插入和删除操作的数据集合，使用AVL树的代价就点高了。

 

正确的理解平衡的概念

发明平衡二叉查找树这类数据结构的初衷，用来解决二叉查找树进行频繁插入、删除操作等动态更新的情况下，出现时间复杂度的退化问题。

平衡二叉查找树中的“平衡”的意思，其实就是让整棵树看起来比较“对称”，比较平衡一些，不要出现左子树很高，右子树很低的情况，这样整棵树相对来说要低一些，相应的插入、删除、查找的效率要高一些。

如果我们设计一颗新的平衡二叉查找树，只要树的高度不比大很多，尽管不符合严格定义的平衡二叉查找树，但我们仍可以说它是一颗合格的平衡二叉查找树。

红黑树就是这样一颗不那么严格的平衡二叉查找树，它的性能高效稳定。其插入、删除、查询的时间复杂度近似O()。所以工业级别使用的数据结构是二叉查找树时，会首选红黑树的原因。

 

红黑树

红黑树的英文名“red-black tree”，简称"R-B tree"。

红黑树中的节点，一类标记为黑色，一类标记为红色。除此之外红黑树还需要满足以下几个要有

1、根节点标记为黑色

2、每个叶子节点都是黑色的空节点（NIL），也就是说，叶子节点不存储数据

3、父子节点不能同时为红色，也就是说，红色节点是被黑色节点隔开的

4、每个节点，从该节点达到其可达叶子节点的所有路径，都包含相同数目的黑色节点。

如下图：

 

为什么说红黑树近似平衡

首先，我们将红黑树中的红色节点去掉，那么红黑树就会从二叉树变为四叉树，而前面红黑树的定义中有一条：从任意节点到可达的叶子节点包含相同数目的黑色节点。所以对于相同数目的黑色节点，该四叉树的高度要小于等于完全二叉树。所以其高度要小于等于。如下图：

红黑树中的红色节点是被黑色节点分隔开的。所有当我们把红色节点添加回去的时候，红黑树的高度不会超过2。也就是说红黑树的高度近似2。

这样推导出来的结果并不是太准确，实际上红黑树的性能更好。

 

红黑树的实现，这个有点复杂，但其平衡步骤相对成熟稳定。以后有时间再进行研究补充。

我参考一下王争老师的总结：红黑树的平衡过程跟魔方复原非常神似，大致过程就是：遇到什么样的节点排布，我们就对应怎么去调整。只要按照这些固定的调整规则来操作，就能将一个非平衡的红黑树调整成平衡的

 

参考：数据结构与算法之美--王争