数据结构-红黑树

了解红黑树前，先认识一下二三树。

二三树:

普通的二叉树，一个节点存一个元素，有两个孩子，称为二树。 二三树中，允许一个节点存一个或两个元素，有两个或三个孩子。 

添加元素时，会与前面节点融合，当超过三个孩子时，向上融合。看看添加过程：

添加42：

 添加37，与前面节点融合，成为三树：

添加12，与前面节点融合，成为四树，不满足二三树，中位数向上与父亲融合，成为新的二三树：

                     

 添加18：

 添加6：左孩子不满足，12向上与父亲节点融合

       

 添加11：

 添加5： 左叶子节点不满足，6向上与父亲节点融合。   融合后，父亲节点不满足，中位数12再向上融合：

        

 这就是二三树添加元素的过程。  

在二三树中，节点最多可以有两个元素，三个孩子。  红黑树是一颗二分搜索树，但是可以等价于二三树。怎么表示呢？

红黑树：

把二三树中多元素的节点，一个用红色表示，一个用黑色表示，中间用红线连起来，就成了红黑树。

等价于下图：

 

所以，在二三树节点中如果是一个元素，就对应红黑树的一个黑色节点；   如果是两个元素，就对应红黑树中一对红黑节点的关系：

                               

 那究竟谁是红色谁是黑色呢？   二三树中新添加的节点，需要向老节点融合在一起；对应红黑树中可以理解为 红色向黑色融合。  所以新添加的节点为红色（换句话说，红色就代表要向父亲节点融合）。    另外红黑树要求，红色节点要左倾斜（作为左孩子），如果新加的元素成为了当前节点的右孩子，需要对当前节点左旋转，如下：

先添加37，再添加42。      然后对37左旋转，最终如右图：

                                     

特别强调：为什么红色节点要左倾？  其实，实现红黑树的方式有很多，这里就是基于二三树，实现的左倾红黑树， 所以需要满足红色节点左倾的性质。

红黑树定义：

 红黑树几个基本操作：

左旋：当节点左孩子为黑色（null也代表黑色），右孩子为红色， 不足满红色节点左倾斜。

旋转后，新的根节点颜色替换为原来根节点的颜色。 原来的根节点变成了孩子，需要变成红色，代表与新的根节点融合（因为要保持原二三树中两个元素融合在一起）。

右旋：当左孩子是红色，左孩子的左孩子也是红色，不满足第4点定义。另外红色代表向上融合在一起，在二三树中就相当于有三个元素融合在一个节点了，这时候要对42节点右旋，把元素变成独立节点的样子，右旋后新的根节点37颜色保持为老的根节点47的黑色。

但是，仅仅右旋，也只是三个元素已经有独立节点的样子了，还不能真正代表二三树中的独立节点，除非全部是黑色，但这时候12的颜色还是红色，所以他们依旧还是二三树中融合在一起的元素，既然融合在一起，42节点就要变为红色，才能代表与新的父亲节点37融合。

也就是说，右旋的操作，除了旋转外，还需要把新的根节点替换为原根节点的颜色，原根节点的颜色变为红色代表与新根节点融合。

颜色反转：左孩子是红色，右孩子也是红色（右旋之后就会这样）。   红色代表向上融合在一起，在二三树中就相当于有三个元素在一个节点了，所以要变成三个独立元素节点（三个都是黑色），但是父亲节点要继续往上融合，所以父亲节点变为红色，两个孩子变为黑色。

   

红黑树添加元素的过程：

 代码实现：

public class RBTree<K extends Comparable<K>, V> {

    private static final boolean RED = true;
    private static final boolean BLACK = false;

    private class Node {

        public K key;
        public V value;
        public Node left, right;
        public boolean color;

        public Node(K key, V value) {
            this.key = key;
            this.value = value;
            left = null;
            right = null;
            color = RED;
        }
    }

    private Node root;
    private int size;

    public RBTree() {
        root = null;
        size = 0;
    }

    public int getSize() {
        return size;
    }

    public boolean isEmpty() {
        return size == 0;
    }

    // 判断节点node的颜色
    private boolean isRed(Node node) {
        if (node == null) {
            return BLACK;
        }
        return node.color;
    }

    //   node                     x
    //  /   \     左旋转         /  \
    // T1   x   --------->   node   T3
    //     / \              /   \
    //    T2 T3            T1   T2
    private Node leftRotate(Node node) {

        Node x = node.right;

        // 左旋转
        node.right = x.left;
        x.left = node;

        x.color = node.color;
        node.color = RED;

        return x;
    }

    //     node                   x
    //    /   \     右旋转       /  \
    //   x    T2   ------->   y   node
    //  / \                       /  \
    // y  T1                     T1  T2
    private Node rightRotate(Node node) {

        Node x = node.left;

        // 右旋转
        node.left = x.right;
        x.right = node;

        x.color = node.color;
        node.color = RED;

        return x;
    }

    // 颜色翻转
    private void flipColors(Node node) {

        node.color = RED;
        node.left.color = BLACK;
        node.right.color = BLACK;
    }

    // 向红黑树中添加新的元素(key, value)
    public void add(K key, V value) {
        root = add(root, key, value);
        root.color = BLACK; // 最终根节点为黑色节点
    }

    // 向以node为根的红黑树中插入元素(key, value)，递归算法
    // 返回插入新节点后红黑树的根
    private Node add(Node node, K key, V value) {

        if (node == null) {
            size++;
            return new Node(key, value); // 默认插入红色节点
        }

        if (key.compareTo(node.key) < 0) {
            node.left = add(node.left, key, value);
        } else if (key.compareTo(node.key) > 0) {
            node.right = add(node.right, key, value);
        } else // key.compareTo(node.key) == 0
        {
            node.value = value;
        }

        if (isRed(node.right) && !isRed(node.left)) {
            node = leftRotate(node);
        }

        if (isRed(node.left) && isRed(node.left.left)) {
            node = rightRotate(node);
        }

        if (isRed(node.left) && isRed(node.right)) {
            flipColors(node);
        }

        return node;
    }

    // 返回以node为根节点的二分搜索树中，key所在的节点
    private Node getNode(Node node, K key) {

        if (node == null) {
            return null;
        }

        if (key.equals(node.key)) {
            return node;
        } else if (key.compareTo(node.key) < 0) {
            return getNode(node.left, key);
        } else // if(key.compareTo(node.key) > 0)
        {
            return getNode(node.right, key);
        }
    }

    public boolean contains(K key) {
        return getNode(root, key) != null;
    }

    public V get(K key) {

        Node node = getNode(root, key);
        return node == null ? null : node.value;
    }

    public void set(K key, V newValue) {
        Node node = getNode(root, key);
        if (node == null) {
            throw new IllegalArgumentException(key + " doesn't exist!");
        }

        node.value = newValue;
    }

    // 返回以node为根的二分搜索树的最小值所在的节点
    private Node minimum(Node node) {
        if (node.left == null) {
            return node;
        }
        return minimum(node.left);
    }

    // 删除掉以node为根的二分搜索树中的最小节点
    // 返回删除节点后新的二分搜索树的根
    private Node removeMin(Node node) {

        if (node.left == null) {
            Node rightNode = node.right;
            node.right = null;
            size--;
            return rightNode;
        }

        node.left = removeMin(node.left);
        return node;
    }

    // 从二分搜索树中删除键为key的节点
    public V remove(K key) {

        Node node = getNode(root, key);
        if (node != null) {
            root = remove(root, key);
            return node.value;
        }
        return null;
    }

    private Node remove(Node node, K key) {

        if (node == null) {
            return null;
        }

        if (key.compareTo(node.key) < 0) {
            node.left = remove(node.left, key);
            return node;
        } else if (key.compareTo(node.key) > 0) {
            node.right = remove(node.right, key);
            return node;
        } else {   // key.compareTo(node.key) == 0

            // 待删除节点左子树为空的情况
            if (node.left == null) {
                Node rightNode = node.right;
                node.right = null;
                size--;
                return rightNode;
            }

            // 待删除节点右子树为空的情况
            if (node.right == null) {
                Node leftNode = node.left;
                node.left = null;
                size--;
                return leftNode;
            }

            // 待删除节点左右子树均不为空的情况

            // 找到比待删除节点大的最小节点, 即待删除节点右子树的最小节点
            // 用这个节点顶替待删除节点的位置
            Node successor = minimum(node.right);
            successor.right = removeMin(node.right);
            successor.left = node.left;

            node.left = node.right = null;

            return successor;
        }
    }
    
}

上述实现中，没有对删除节点后，做自平衡的操作，原因是红黑树删除节点后的自平衡很复杂，本人还没有研究……

时间复杂度： 如果二三树中有n个节点，复杂度是logn。  如果每个节点都是三树（两个元素），也就是说红黑树中，每经过一个黑色节点，都要经过一个红色节点，红黑树的复杂度就是2logn。