平衡查找树

平衡查找树

AVL树

平衡二叉查找树，又称 AVL树。 它除了具备二叉查找树的基本特征之外，还具有一个非常重要的特点： 它 的左子树和右子树都是平衡二叉树，且左子树和右子树的高度差不超过1。

二叉查找树的平衡只有在插入或者删除结点时才会被扰乱，因此，在这些操作过程中，AVL树需要重新排列结点以维持平衡。

平衡结点：如果结点是一棵平衡树的根，即该结点的两棵子树高度之差不超过1，则该结点就是平衡的。

以下N表示最接近新叶子的不平衡结点，经过一次单旋转和一次双旋转就可以恢复树的平衡。应保证每次插入之前树是平衡的，则插入之后不会有比N更高的不平衡点。

在插入或删除元素的过程中的一次单旋转或一次双旋转可恢复AVL树的平衡。

单旋转

右旋转

图(a)是一棵AVL子树，子树T 1、T 2、T3的高度相同。现将一个叶子结点插入T1，假设插入使得T1高度加1，则以结点N为根的子树不再平衡，此时结点N不再是平衡结点。对结点C的右旋转可恢复树的平衡。

结点N的值比结点C的值和T1的所有值都大，而且T2的所有值又比结点C的值大，因此对C的右旋转可以维持该关系。

左旋转

同理

—————————————————————————————————————————————————————————————

单旋转结论

AVL树的结点N的不平衡可以通过单旋转纠正，如果：

• 结点插在N的左孩子的左子树中，可通过右旋转达到平衡
• 结点插在N的右孩子的右子树中，可通过左旋转达到平衡
  

在这两种情况下，都可以想象为结点C绕着结点N旋转。

—————————————————————————————————————————————————————————————

双旋转

右-左双旋转

图(a)是一棵AVL子树，子树T 1和T 4、T2和T3的高度相同。现将一个叶子结点插入T3,，假设插入使得T3高度加1，则以结点N为根的子树不再平衡。对结点G做一次右旋转后，以G为根的子树不平衡，则对G的左旋转恢复了树的平衡。

左-右旋转

双旋转是由进行两次单旋转来实现：

• 对结点N的孙子的旋转
• 对结点N的新孩子的旋转

可以想象为结点G是首先绕N原来的孩子C旋转，然后绕N旋转

—————————————————————————————————————————————————————————————

双旋转结论

AVL树的结点N的不平衡可以通过双旋转纠正，如果：

• 插入发生在N的右孩子的左子树中，可通过右-左双旋转达到平衡
• 插入发生在N的左孩子的右子树中，可通过左-右双旋转达到平衡
  

—————————————————————————————————————————————————————————————

红黑树

红黑树比较难理解，日后再补充吧！

红黑树的特性：

• 根是黑色的
• 每个叶结点，即空结点（null）是黑的
  
• 红色结点的孩子都是黑点
• 从根到叶子的每条路径都含有相同数目的黑色结点
• 最长路径长度不超过最短路径长度的2倍
  

二叉查找树、AVL树、红黑树比较

二叉查找树：每个操作所需要的比较次数与树的高度成正比，即时间复杂度为O(log n)，但随着插入结点越多，二叉查找树就会变得极不平衡，甚至会退化成链，因此最坏时达到O(n)。

为了避免二叉查找树的极端情况，于是就有了AVL树，AVL树能保证左子树和右子树的高度差不超过1。

AVL树：由于严格平衡的关系，不存在二叉查找树的极端情况。

• 查找：时间复杂度为O(log n)，不会出现最坏情况
• 插入：每次插入最多只需要经过一次单旋转或双旋转，其时间复杂度为O(log n)
• 删除：每次删除最多需要O(log n)次旋转，其时间复杂度为O(2log n)

AVL树的严格平衡以牺牲插入，删除操作为代价，换来了稳定的查找时间复杂度。而红黑树即不牺牲太大的建立查找结构的代价，也能保证稳定高效的查找效率。

红黑树：由于红黑树的性质(最长路径长度不超过最短路径长度的2倍)，可以说明红黑树虽然不像AVL一样是严格平衡的，但平衡性能还是要比二叉查找树要好。

• 查找：时间复杂度基本维持在O(log n)，最差是要比O(log n)略大
• 插入：每次插入要经过旋转操作（最多2次）和变色操作（算法简单，代价小），时间复杂度基本在O(log n)左右
• 删除：每次删除最多需要3次旋转，比AVL树好多了，时间复杂度基本在O(log n)左右