平衡二叉树(AVL树)

1、二叉排序树（BST）

左子树上所有结点的值均小于它的根结点的值；右子树上所有结点的值均大于它的根结点的值；

2、平衡二叉树（AVL）

如上图，都是BST树，但是针对右图的查询，时间复杂度会从O(logN)退化到O(N)，所以就引出了平衡二叉树；平衡二叉树是在BST基础上引出的，满足条件是：每个节点左右子树高度差的绝对值不能超过1。其实吧，AVL树的定义不一定非得是BST树，只要满足左右高度不超过1借口，但是墨守成规的AVL是建立在BST树之上的。

①AVL树的插入（所有的旋转都是在最小不平衡节点的基础上进行的）

LL型、RR型、LR型、RL型

左左：节点插入在最小不平衡节点的左子树的左子树上。    

左右：节点插入在最小不平衡节点的左子树的右子树上。

右右：节点插入在最小不平衡树的右子树的右子树上。　　　

右左：节点插入在最小不平衡树的右子树的左子树上。

所谓的旋转，左旋就是把右节点变为父亲，右旋就是把左节点变为父亲，LL和RR都是按照K2进行旋转的，LR和RL都是先按照K1进行旋转，然后按照K2进行旋转。

总结：平衡二叉树，首先需要找到最小的不平衡子树，然后判断是哪种类型的旋转。

参考资料
https://www.cnblogs.com/PerkinsZhu/p/5824015.html

https://blog.csdn.net/yanerhao/article/details/61198487

3、红黑色（RBT）

历史上AVL树流行的另一个版本是红黑树RBT。对红黑树的操作在最坏情况下花费O(log n)时间，而且相对于普通AVL树可能更容易实现。相比较AVL，AVL是严格平衡树，故在增加或者删除节点时，调整所需旋转较多;RBT是平衡与操作复杂性上做了tradeoff，是弱平衡，用非严格的平衡换取增删节点时操作的简单。故当操作主要集中在搜索而非增删时应采用AVL;如果增删操作更多，为了提高可操作性应该选择RBT。

①每个节点，不是黑色就是红色。

②根节点是黑色。

③每个叶子节点（NULL）是黑色。 [注意：这里叶子节点，是指为空(NULL)的叶子节点！]

④如果一个节点是红色的，则它的子节点必须是黑色的。

⑤从任意一个节点到叶子节点所有路径上包含相同数目的黑节点。

1）、红黑树的插入原则：（插入的结点，预处理都是红色）

①被插入的节点是根节点，直接把此节点涂为黑色。

②被插入的节点的父节点是黑色，什么也不需要做。节点被插入后，仍然是红黑树。

③被插入的节点的父节点是红色，有三种case

2）、红黑树的删除原则

①首先引入一个概念，删除一个叶子节点直接删除即可，删除一个非叶子节点，那么用该节点左子树的最大值或者右子树的最小值去替换。替换的这个节点一定是个叶子节点或者只有一个子树的结点，因为在AVL树中，找左子树的最大值肯定一直递归找左子树，找到没有左子树为止；找右子树的最小值肯定一直递归找右子树，找到没有右子树为止。

②删除原则，删除节点y，若y是红色，不改变红黑树的性质。若y是黑色，在y的子树中找到x来进行替换。

若x是红色，直接改变颜色即可；

若x是黑色，且为根，直接结束；

若x是黑色，且不为根，有4种case，直到满足前两种情况结束。

参考资料：

http://www.cnblogs.com/skywang12345/p/3245399.html

https://www.cnblogs.com/CarpenterLee/p/5503882.html

https://www.cnblogs.com/CarpenterLee/p/5525688.html

4、B-树、B+树（B-树就是B树）

①B-树，即B树，多叉平衡查找树，它在文件系统中很有用。B-树的阶就是该树中结点中最多孩子的个数。通常用m表示，结点中元素的范围[ceil(m/2)-1，m-1]，若m=3，则取值范围[1,2]。

②B-树的插入（相对比较简单，注意分裂操作即可）

③B-树的删除：

第一步：删除的结点是叶子节点（删除后的结点，元素个数必须满足[ceil(m/2)-1,m-1]，如果满足直接删除，如果不满足，需要找兄弟借，兄弟没有就合并父左右）

第二步：删除的结点是非叶子节点（交换左孩子的最大值或右孩子的最小值，然后按照第一步进行操作）

总结：第一步和第二步的区别，其实就是把非叶子节点转换到叶子节点。然后叶子节点的删除有三种情况。（直接删除，兄弟借，合并）

参考资料：

https://blog.csdn.net/zwz2011303359/article/details/63262541

https://www.jianshu.com/p/db226e0196b4