AVL树及其调整

AVL树及其调整

1. 什么是AVL树？

二叉搜索树虽可以缩短查找的效率，但如果数据有序或接近有序二叉搜索树将退化为单支树，查找元素相当于在顺序表中搜索元素，效率低下。因此，两位俄罗斯的数学家G.M.Adelson-Velskii和E.M.Landis在1962年发明了一种解决上述问题的方法：
当向二叉搜索树中插入新结点后，如果能保证每个结点的左右子树高度之差的绝对值不超过1(需要对树中的结点进行调整)，即可降低树的高度，从而减少平均搜索长度。、

一棵AVL树或者是空树，或者是具有以下性质的二叉搜索树：
1. 它的左右子树都是AVL树
2. 左右子树高度之差(简称平衡因子)的绝对值不超过1(-1/0/1)

注：
如果一棵二叉搜索树是高度平衡的，它就是AVL树。如果它有n个结点，其高度可保持在(LogN) ，搜索时间复杂度O(LogN)

2. AVL树节点定义代码

template<class T>
struct AVLTreeNode
{
	AVLTreeNode(const T& data)
	: _pLeft(nullptr), _pRight(nullptr), _pParent(nullptr)
	, _data(data), _bf(0)
	{}
	AVLTreeNode<T>* _pLeft; // 该节点的左孩子
	AVLTreeNode<T>* _pRight; // 该节点的右孩子
	AVLTreeNode<T>* _pParent; // 该节点的双亲
	T _data;
	int _bf; // 该节点的平衡因子
};

3. AVL树的插入

AVL树就是在二叉搜索树的基础上引入了平衡因子，因此AVL树也可以看成是二叉搜索树。那么AVL树的插入 过程可以分为两步：

1. 按照二叉搜索树的方式插入新节点
2. 调整节点的平衡因子

4. AVL树的旋转

4.1. 旋转的概念以及代码表示

如果在一棵原本是平衡的AVL树中插入了一个新节点，可能造成不平衡，此时必须调整树的结构，使之平衡化。根据节点插入位置的不同,AVL树的旋转分为四种：

1. 新节点插入较高左子树的左侧—左左：右单旋
如下图：

代码表示：

/*
上图在插入前，AVL树是平衡的，新节点插入到30的左子树(注意：此处不是左孩子)中，
30左子树增加了一层，导致以60为根的二叉树不平衡，要让60平衡，
只能将60左子树的高度减少一层，右子树增加一层，即将左子树向上提，
这样60转下来，因为60比30大，只能将其放在30的右子树，而如果30有右子树，
右子树根的值一定大于30，小于60，只能将其放在60的左子树，旋转完成后，更新节点的平衡因子
即可。在旋转过程中，有以下几种情况需要考虑：
1. 30节点的右孩子可能存在，也可能不存在
2. 60可能是根节点，也可能是子树
如果是根节点，旋转完成后，要更新根节点
如果是子树，可能是某个节点的左子树，也可能是右子树
*/

void _RotateR(PNode pParent)
{
	// pSubL: 表示pParent的左孩子
	// pSubLR: 表示pParent左孩子的右孩子，注意：旋转完成之后，30的右孩子作为双亲的左孩子
	PNode pSubL = pParent->_pLeft;
	PNode pSubLR = pSubL->_pRight;
	pParent->_pLeft = pSubLR;
	// 如果30的左孩子的右孩子存在，更新亲双亲
	if(pSubLR)
		pSubLR->_pParent = pParent;
	// 60 作为 30的右孩子
	pSubL->_pRight = pParent;
	// 因为60可能是棵子树，因此在更新其双亲前必须先保存60的双亲
	pPParent = pParent->_pParent;
	// 更新60的双亲
	pParent->_pParent = pSubL;
	// 更新30的双亲
	pSubL->_pParent = pPParent;
	// 如果60是根节点，根新指向根节点的指针
	if(NULL == pPParent)
	{
		_pRoot = pSubL;
		pSubL->_pParent = NULL;
	}
	else
	{
		// 如果60是子树，可能是其双亲的左子树，也可能是右子树
		if(pPParent->_pLeft == pParent)
		pPParent->_pLeft = pSubL;
		else
		pPParent->_pRight = pSubL;
	}
	
	// 根据调整后的结构更新部分节点的平衡因子
	pParent->_bf = pSubL->_bf = 0;
}

2.新节点插入较高右子树的右侧—右右：左单旋

类似于右单旋可以写出如下代码：

void RotateR(Node* parent)
{
	Node* subL = parent->_left;
	Node* subLR = subL->_right;
	parent->_left = subLR;
	if (subLR)
		subLR->_parent = parent;
	subL->_right = parent;
	Node* ppNode = parent->_parent;
	parent->_parent = subL;
	if (_root == parent)
	{
		_root = subL;
		subL->_parent = nullptr;
	}
	else
	{
		if (ppNode->_left == parent)
			ppNode->_left = subL;
		else
			ppNode->_right = subL;
		subL->_parent = ppNode;
	}
	parent->_bf = subL->_bf = 0;
}

3. 新节点插入较高左子树的右侧—左右：先左单旋再右单旋

将双旋变成单旋后再旋转，即：先对30进行左单旋，然后再对90进行右单旋，旋转完成后再考虑平衡因子的更新。

// 旋转之前，60的平衡因子可能是-1/0/1，旋转完成之后，根据情况对其他节点的平衡因子进行调整
void _RotateLR(PNode pParent)
{
	PNode pSubL = pParent->_pLeft;
	PNode pSubLR = pSubL->_pRight;
	// 旋转之前，保存pSubLR的平衡因子，旋转完成之后，需要根据该平衡因子来调整其他节点的平衡因子
	int bf = pSubLR->_bf;
	// 先对30进行左单旋
	_RotateL(pParent->_pLeft);
	// 再对90进行右单旋
	_RotateR(pParent);
	if(1 == bf)
		pSubL->_bf = -1;
	else if(-1 == bf)
		pParent->_bf = 1;
}

4. 新节点插入较高右子树的左侧—右左：先右单旋再左单旋

参考左右双旋可以写出以下代码

void RotateRL(Node* parent)
{
	Node* subR = parent->_right;
	Node* subRL = subR->_left;
	int bf = subRL->_bf;
	RotateR(parent->_right);
	RotateL(parent);

	// 对应图理解平衡因子调节
	if (bf == -1)
	{
		parent->_bf = 0;
		subR->_bf = 1;
		subRL->_bf = 0;
	}
	
	else if (bf == 1)
	{
		subR->_bf = 0;
		parent->_bf = -1;
		subRL->_bf = 0;
	}

	else if (bf == 0)
	{
		subR->_bf = 0;
		parent->_bf = 0;
		subRL->_bf = 0;
	}
}

4.2. 总结

若以pParent为根的子树不平衡，即pParent的平衡因子为2或者-2，分以下情况考虑：
1. pParent的平衡因子为2，说明pParent的右子树高，设pParent的右子树的根为pSubR；当pSubR的平衡因子为1时，执行左单旋；当pSubR的平衡因子为-1时，执行右左双旋
2. pParent的平衡因子为-2，说明pParent的左子树高，设pParent的左子树的根为pSubL；当pSubL的平衡因子为-1是，执行右单旋 当pSubL的平衡因子为1时，执行左右双旋
旋转完成后，原pParent为根的子树个高度降低，已经平衡，不需要再向上更新。

AVL树的模拟实现(github链接)：代码传送门

5. AVL树的删除

因为AVL树也是二叉搜索树，可按照二叉搜索树的方式将节点删除，然后再更新平衡因子，当与删除节点不同时，删除节点后的平衡因子更新，最差情况下一直要调整到根节点的位置。

6. AVL树性能分析

AVL树是一棵绝对平衡的二叉搜索树，其要求每个节点的左右子树高度差的绝对值都不超过1，这样可以保证查询时高效的时间复杂度，即O（logN）。但是如果要对AVL树做一些结构修改的操作，性能会非常低下.比如：插入时要维护其绝对平衡，旋转的次数比较多，更差的是在删除时，有可能一直要让旋转持续到根的位置。

因此：如果需要一种查询高效且有序的数据结构，而且数据的个数为静态的(即不会改变)，可以考虑AVL树，但一个结构经常修改，就不太适合