JAVA 算法——树

1、二叉搜索树

    二叉搜索树需满足以下四个条件：

1. 若任意节点的左子树不空，则左子树上所有结点的值均小于它的根结点的值；
2. 若任意节点的右子树不空，则右子树上所有结点的值均大于它的根结点的值；
3. 任意节点的左、右子树也分别为二叉查找树；
4. 没有键值相等的节点。

2、什么是伸展树（Splay Tree） 

假设想要对一个二叉查找树执行一系列的查找操作。为了使整个查找时间更小，被查频率高的那些条目就应当经常处于靠近树根的位置。于是想到设计一个简单方法，在每次查找之后对树进行重构，把被查找的条目搬移到离树根近一些的地方。splay tree应运而生。splay tree是一种自调整形式的二叉查找树，它会沿着从某个节点到树根之间的路径，通过一系列的旋转把这个节点搬移到树根去。

3、AVL树

AVL树是一种最古老的平衡树，它的平衡条件是：每个节点的左子树和右子树的高度最多相差1。对于插入、删除等改变树高度的操作，会通过旋转使树满足平衡条件。假设删除采用的是懒惰删除（即不移除节点，只将节点标识为已删除），那么对于插入则会出现下面四种情况。假设M表示从叶子上溯到根的过程中出现的第一个不平衡点。

        1，对M的左儿子的左子树进行一次插入，简记左-左。

        2，对M的右儿子的右子树进行一次插入，简记右-右。

        3，对M的左儿子的右子树进行一次插入，简记左-右。

        4，对M的右儿子的左子树进行一次插入，简记右-左。

        上述四种情况，前两种可以使用单旋转进行解决，后两种要使用双旋转（即进行两次单旋转）。

        对于左-左：将M与M左儿子L进行旋转——将M变为L的右儿子，而L的右儿子变为M的左儿子。对于右-右也类似。

        对于左-右，将M与M的左儿子L与L的右儿子G进行旋转——先将G与L进行右-右旋转，再将G与M进行左-左旋转。

4、节点自平衡树（Size Balanced Tree，简称SBT）

Size Balanced Tree(简称SBT)是一种平衡二叉搜索树，它通过子树的大小s[t]来维持平衡性质。它支持很多动态操作，并且都能够在O(log n)的时间内完成。

为了下面方便讨论，

我们设

left [T] : 结点 T 的左儿子
right [T] : 结点 T 的右儿子
s [T] : 以T为根的子树的结点个数（大小））

SBT为什么能保持平衡？

  因为 对于SBT的每一个结点 t,有如下性质：

   性质(a) s[ right[t] ]≥s[ left [ left[ t ] ] ], s[ right [ left[t] ] ]
   性质(b) s[ left[t] ]≥s[right[ right[t] ] ], s[ left[ right[t] ] ]
即.每棵子树的大小不小于其兄弟的子树大小。(对于数组来实现树不熟悉的童鞋，请把s[ left [ left[ t ] ] ] 翻译为s[ t->left->left ] 同样的，s[ right [ left[t] ] ]翻译为s[ t->left->right ] ）

5、Treap

Treap是用来排序(Sort)的一种数据结构(Data Structure)。reap是随机查找二叉平衡树。 Treap发音为tree+ Heap。顾名思义， Treap把 BST和 Heap结合了起来。它和 BST一样满足许多优美的性质，而引入堆目的就是为了维护平衡。 Treap在 BST的基础上，添加了一个修正值。在满足 BST性质的上，Treap节点的修正值还满足最小堆性质。最小堆性质可以被描述为每个子树根节点都小于等于其子节点。

(1) Treap的特点 ：1.  Treap简明易懂。Treap只有两种调整方式，左旋和右旋。而且即使没有严密的数学证明和分析，Treap的构造方法啊，平衡原理也是不难理解的。只要能够理解 BST和堆的思想，理解 Treap当然不在话下。 

2.  Treap易于编写。Treap只需维护一个满足堆序的修正值，修正值一经生成无需修改。相
比较其他各种平衡树， Treap拥有最少的调整方式，仅仅两种相互对称的旋转。所以 Treap当之无愧是最易于编码调试的一种平衡树。 
3.  Treap稳定性佳。Treap的平衡性虽不如 AVL，红黑树， SBT等平衡树，但是 Treap也不会退化，可以保证期望 O(logN)的深度。Treap的稳定性取决于随机数发生器。 
4.  Treap具有严密的数学证明。Treap期望 O(logN)的深度，是有严密的数学证明的。但这不是介绍的重点，大多略去。 
5.  Treap具有良好的实践效果。各种实际应用中， Treap的稳定性表现得相当出色，没有因为任何的构造出的数据而退化。于是在信息学竞赛中，不少选手习惯于使用 Treap，均取得了不俗的表现。

一棵treap是一棵修改了结点顺序的二叉查找树，如图，显示一个例子，通常树内的每个结点x都有一个关键字值key[x]，另外，还要为结点分配priority[x]，它是一个独立选取的随机数。

假设所有的优先级是不同的，所有的关键字也是不同的。treap的结点排列成让关键字遵循二叉查找树性质，并且优先级(有的地方也叫修正值，是一个随机数)遵循最小堆顺序性质：

1.如果left是u的左孩子，则key[left] < key[u].
2.如果right是u的右孩子，则key[right] > key[u].

3.如果child是u的孩子，则priority[child] > priority[u].

4.如果priority[vi] < priority[vj].则vi相对于vj而言更接近根节点。

这两个性质的结合就是为什么这种树被称为“treap”的原因，因为它同时具有二叉查找树和堆的特征。（在关键字上它满足二叉排序树，在优先级上他满足小顶堆）。

用以下方式考虑treap会有帮助。假设插入关联关键字的结点x1，x2，...，xn到一棵treap内。结果的treap是将这些结点以它们的优先级(随机选取)的顺序插入一棵正常的二叉查找树形成的，亦即priority[xi] < priority[xj]表示xi在xj之前被插入。
在算法导论的12.4节中，其证明了随机构造的二叉查找树的期望高度为O(lgn)，因而treap的期望高度亦是O(lgn)。

1.treap插入操作：
1.按照二叉树的插入方法，将结点插入到树中
2.根据堆的性质(我们这里为最小堆)和优先级的大小调整结点位置。

2.treap删除操作：
1.找到相应的结点
2.若该结点为叶子结点，则直接删除；
若该结点为只包含一个叶子结点的结点，则将其叶子结点赋值给它；

若该结点为其他情况下的节点，则进行相应的旋转，直到该结点为上述情况之一，然后进行删除。

Treap中的节点不仅满足BST的性质，还满足最小堆的性质。因此需要通过旋转来调整二叉树的结构，在维护Treap的旋转操作有两种：左旋和右旋，（注意：无论怎么旋转二叉查找树的性质是不能改变的）