树

1. 预备知识
（1）实现
孩子兄弟表示法
（2）遍历及其应用
a.先序遍历

b.后序遍历

2.二叉树
（1)表达式树
a. 先序遍历–前缀表达式–不常用
b. 中序遍历–中缀表达式–直观
c. 后序遍历–后缀表达式–求值无须考虑优先规则
(2)构造树
a.递归建立
先序建立
中序建立
后序建立
b.非递归建立
利用栈或者队列结构暂存节点指针建立。
3.查找树BST

缺点–容易左右不平衡，性能严重依赖输入，输入则是随机的，最坏情况下查找树会成为昂贵的链表，运行时间会显著增加。
解决办法：AVL树
4.AVL树
特点：自平衡，查找时间logN
核心操作：旋转
a. 左左

b.左右

c.右左

d. 右右

5.伸展树
（1）保证从空树开始的任意连续M次对树的操作最多花费O(MlogN)时间。即一棵伸展树每次操作的摊还代价是O（logN)
注意：当M次操作的序列总的最坏情形运行时间为O(MF(N))时，我们就说它的摊还运行时间是O(F(N)).
(2)思想：当一个节点被访问过后，它就要经过一系列AVL树的旋转被放到根上。这样做有实际效用，因为在许多应用中当一个节点被访问时他就很可能不久再被访问到。
（3）实现：
a. 执行单旋转，从下向上进行，即在访问的路径上的每一个节点都和它们的父节点实施旋转。
缺陷：这个方法使得对K1的访问花费时间减少，但没有明显改变访问路径上其他节点的状况，且对于一系列M个操作共需要以M*N为下界的时间，故不好。
b.展开
如果X父节点是树根，只要旋转X和树根，否则X就有父亲和祖父，存在两种情况。

如果是一个之字形，就执行一次标准的AVL双旋转；如果是一个一字形，就执行一个一字型旋转 。 举例：


总结：看似麻烦，实际编程比AVL简单的多，因为要考虑的情形少并且没有平衡信息需要存储。实践上可以转化成更快的程序代码，运行得更好。
体验：1，2，……32建树，依次从1，2……9展开访问，可以发现需要移动的次数（运行时间）减少，树结构变化规模变大，但规律一致。
6.树的遍历

后序遍历的应用
层序遍历–非递归，使用队列
其他遍历–递归，使用栈
7. B-树
（1）阶为M的B-树特点
a.树根，或者一片树叶，或者其儿子数在2-M之间。
b. 除数根外，所有非树叶节点的儿子数在ceil(M/2)和M之间。
c. 所有树叶都在相同的深度上。
（2）所有数据都存在树叶上，任何一个内部节点上都含有指向该节点儿子的指针P1…..Pm，和代表在子树P2，…Pm中发现的最小关键字K1,..Km-1.有些指针是NULL，对应的k则是未定义的。对于每一个节点，其子树P1中的关键字都小于P2中的关键字。

4阶B-树更流行的称呼是2-3-4树，3阶的B-树叫做2-3树。

插入算法：对于一个M阶的B树，当插入一个关键字时，唯一的困难发生在接收该关键字的节点已经具有M个关键字，这个关键字使得该节点具有M+1个关键字，我们可以把它分裂成两个节点，它们分别具有ceil((M+1)/2)和floor((M+1)/2)个关键字，由于这使得父节点多出一个儿子，我们必须检查这个节点是否可以被父节点接收，如果父节点已经具有M个儿子，那么这个父亲就要被分裂成两个节点。我们一直重复这个过程直到找到一个父节点具有少于M个儿子，如果我们分裂根节点，那么我们就要创建一个新的根，这个根有两个儿子。
删除算法：查找被删除的关键字并将其去除。如果这个关键字时一个节点仅有的两个关键字之一，那么除去它之后就只剩下一个关键字，此时我们可以通过把这个节点与它的一个兄弟合并来进行调整。如果这个兄弟有3个关键字，就取出一个使得两个节点各有两个关键字，如果有2个关键字，就合并，现在这个节点的父亲则失去一个儿子，因此我们必须向上检查到顶部。如果根节点失去了它的第二个儿子，那么这个根也要被删除，树也减少了一层。当我们合并节点的时候，必须记住更新保存在内部节点上的信息。
经验：从运行时间考虑，M最好是3或者4，再增大的话插入和删除的时间就会增加，如果只考虑主存的速度，更高阶的就没有什么优势。
应用：配合磁盘，用于数据库系统的设计。当一颗B树占满ln2=69%时，如果得到第M+1项时，例程不是总去分裂节点，而是搜索能够接纳新儿子的兄弟，此时就可以更好的利用空间。
总结
应用：操作系统，编译器设计，查找
模型：表达式树（扩充可为分析树，不是二叉树），查找树,自平衡树AVL树，伸展树，B-树（平衡M-路树，常见2-3树）。
说明：所有平衡树运行时间都不如查找树省时，但可以防止最坏情形的输入。查找树中序遍历可用来进行排序。