文章详细介绍了AVL树的概念，强调了其平衡性质，以及在插入新节点后如何通过旋转操作保持平衡。插入分为二叉搜索树插入和平衡因子调整两步，旋转包括右右、左左、左右、右左四种情况。AVL树在查询上高效，但在插入和删除时需要复杂的结构调整。
目录
4.3 新节点插入较高左子树的右侧---左右：先左单旋再右单旋
4.4 新节点插入较高右子树的左侧---右左：先右单旋再左单旋
0. 前言
前面对map/multimap/set/multiset进行了简单的介绍，在其文档介绍中发现，这几个容器有个 共同点是：其底层都是按照二叉搜索树来实现的，但是二叉搜索树有其自身的缺陷，假如往树中插入的元素有序或者接近有序，二叉搜索树就会退化成单支树，时间复杂度会退化成O(N)，因此 map、set等关联式容器的底层结构是对二叉树进行了平衡处理，即采用平衡树来实现。
本篇文章主要分析AVL树插入的实现、及算法思想，分别针对各种情况采取的平衡调节分析，对于AVL树的删除操作，由于其复杂度和使用场景，不涉及分析，重点在后续的红黑树！
1. AVL树的概念
二叉搜索树虽可以缩短查找的效率，但如果数据有序或接近有序二叉搜索树将退化为单支树，查找元素相当于在顺序表中搜索元素，效率低下。
因此，两位俄罗斯的数学家G.M.Adelson-Velskii 和E.M.Landis在1962年发明了一种解决上述问题的方法：当向二叉搜索树中插入新结点后，如果能保证每个结点的左右子树高度之差的绝对值不超过1(需要对树中的结点进行调整)。
即可降低树的高度，从而减少平均搜索长度。 一棵AVL树或者是空树，或者是具有以下性质的二叉搜索树：
- 它的左右子树都是AVL树
- 左右子树高度之差(简称平衡因子)的绝对值不超过1(-1/0/1)
如果一棵二叉搜索树是高度平衡的，它就是AVL树。如果它有n个结点，其高度可保持在 $O(log_2 n)$，搜索时间复杂度O($log_2 n$)。
2. AVL树节点的定义
AVL树因为其需要为后续旋转调整平衡操作的便捷，采用三叉链实现，通过父节点指针，便可实现向上遍历，同时使用balance factor记录每个节点的平衡因子，数据存储采取STL提供的pair类实现的Key-Value模型！
template<class K,class V> struct AVLTreeNode { AVLTreeNode<K, V>* _left; AVLTreeNode<K, V>* _right; AVLTreeNode<K, V>* _parent; std::pair<K, V> _kv; int _bf; //balance factor 平衡因子 AVLTreeNode(const std::pair<K,V>& kv) :_left(nullptr) ,_right(nullptr) ,_parent(nullptr) ,_kv(kv) ,_bf(0) {} };
3. AVL树的插入
AVL树就是在二叉搜索树的基础上引入了平衡因子，因此AVL树也可以看成是二叉搜索树。那么 AVL树的插入过程可以分为两步：
- 按照二叉搜索树的方式插入新节点
- 调整节点的平衡因子
template<class K, class V> class AVLTree { typedef AVLTreeNode<K, V> Node; public: bool Insert(const std::pair<K, V>& kv) { // 1. 先按照二叉搜索树的规则将节点插入到AVL树中 if (_root == nullptr) { _root = new Node(kv); return true; } Node* parent = nullptr; Node* cur = _root; while (cur != nullptr) { if (cur->_kv.first < kv.first) { parent = cur; cur = cur->_right; } else if (cur->_kv.first > kv.first) { parent = cur; cur = cur->_left; } else { return false; } } cur = new Node(kv); if (parent->_kv.first < kv.first) { parent->_right = cur; } else { parent->_left = cur; } cur->_parent = parent; // 2. 新节点插入后，AVL树的平衡性可能会遭到破坏，此时就需要更新平衡因子，并检测是否破坏了AVL树的平衡性 //控制平衡_判断是否平衡_更新平衡因子 /*pCur插入后，pParent的平衡因子一定需要调整，在插入之前，pParent 的平衡因子分为三种情况： - 1，0, 1, 分以下两种情况： 1. 如果pCur插入到pParent的左侧，只需给pParent的平衡因子 - 1即可 2. 如果pCur插入到pParent的右侧，只需给pParent的平衡因子 + 1即可 此时：pParent的平衡因子可能有三种情况：0，正负1， 正负2 1. 如果pParent的平衡因子为0，说明插入之前pParent的平衡因子为正负1，插入后被调整 成0，此时满足AVL树的性质，插入成功 2. 如果pParent的平衡因子为正负1，说明插入前pParent的平衡因子一定为0，插入后被更 新成正负1，此时以pParent为根的树的高度增加，需要继续向上更新 3. 如果pParent的平衡因子为正负2，则pParent的平衡因子违反平衡树的性质，需要对其进 行旋转处理*/ while (parent) { if (cur == parent->_right) { parent->_bf++; } else { parent->_bf--; } // 更新后检测双亲的平衡因子 if (parent->_bf == 0) { //平衡状态 return true; } else if (abs(parent->_bf) == 1) { //parent高度变高，继续向上更新高度 cur = parent; parent = parent->_parent; } else if (abs(parent->_bf) == 2) { //说明parent所在子树，不平衡，需要旋转 //情况1：右右 —— 左旋转 if (parent->_bf == 2 && cur->_bf == 1) { RotateL(parent); } //情况2：左左 —— 右旋转 else if (parent->_bf == -2 && cur->_bf == -1) { RotateR(parent); } else if (parent->_bf == -2 && cur->_bf == 1) { RotateLR(parent); } else if (parent->_bf == 2 && cur->_bf == -1) { RotateRL(parent); } else { assert(false); } break; } else { //插入前就不是AVL树 assert(false); } } return true; } private: Node* _root = nullptr; };
4. AVL树的旋转
如果在一棵原本是平衡的AVL树中插入一个新节点，可能造成不平衡，此时必须调整树的结构， 使之平衡化。根据节点插入位置的不同，AVL树的旋转分为四种：
4.1 新节点插入较高右子树的右侧---右右：左单旋
当新增节点导致平衡因子向上调整时，如果cur ->_bf == 1 && parent->_bf == 2，此时parent->_bf == 2说明右子树为最高子树，cur ->_bf == 1说明右子树的右树为插入位置，需要进行左单旋，绘图分析情况：
first：
second：
third：
代码实现：
//时间复杂度O(1),且更新因子最多走高度次 void RotateL(Node* parent) { Node* subR = parent->_right; Node* subRL = subR->_left; subR->_left = parent; //parent是整棵树的根 //parent是子树的根,需要更改根的父亲的左或右节点 Node* pParent = parent->_parent; if (parent == _root) { _root = subR; } else { if (parent == pParent->_left) { pParent->_left = subR: } else { pParent->_right = subR; } } subR->_parent = pParent; parent->_parent = subR; parent->_right = subRL; if (subRL) { subRL->_parent = parent; } subR->_bf = parent->_bf = 0; }
4.2 新节点插入较高左子树的左侧---左左：右单旋
当新增节点导致平衡因子向上调整时，如果cur ->_bf == -1 && parent->_bf == -2，此时parent->_bf == -2说明左树为最高子树，cur ->_bf == -1说明左子树的左树为其插入位置，需要进行右单旋，绘图分析情况：
上述后情况和左单旋后续分析近似
代码实现：
void RotateR(Node* parent) { Node* subL = parent->_left; Node* subLR = subL->_right; Node* pParent = parent->_parent; subL->_right = parent; parent->_parent = subL; if (parent == _root) { _root = subL; } else { if (pParent->_left == parent) { pParent->_left = subL; } else { pParent->_right = subL; } } subL->_parent = pParent; parent->_left = subLR; if (subLR) { subLR->_parent = parent; } subL->_bf = parent->_bf = 0; }
4.3 新节点插入较高左子树的右侧---左右：先左单旋再右单旋
当新增节点导致平衡因子向上调整时，如果cur ->_bf == 1 && parent->_bf == -2，此时说明左树为最高子树，且插入在左子树的右树，为其插入位置，绘图分析情况：
代码实现：
void RotateLR(Node* parent) { Node* subL = parent->_left; Node* subLR = subL->_right; int bf = subLR->_bf; RotateL(parent->_left); RotateR(parent); subLR->_bf = 0; if (bf == 1) { parent->_bf = 0; subL->_bf = -1; } else if (bf == -1) { parent->_bf = 1; subL->_bf = 0; }else if(bf == 0){ parent->_bf = 0; subL->_bf = 0; } else { assert(false); } }
4.4 新节点插入较高右子树的左侧---右左：先右单旋再左单旋
当新增节点导致平衡因子向上调整时，如果cur ->_bf == -1 && parent->_bf == 2，此时说明右子树为最高子树，且插入在右子树的左树，为其插入位置，绘图分析情况：
代码实现：
void RotateRL(Node* parent) { Node* subR = parent->_right; Node* subRL = subR->_left; int bf = subRL->_bf; RotateR(parent->_right); RotateL(parent); subRL->_bf = 0; if (bf == 1) { parent->_bf = -1; subR->_bf = 0; } else if (bf == -1) { parent->_bf = 0; subR->_bf = 1; } else if (bf == 0) { parent->_bf = 0; subR->_bf = 0; } else { assert(false); } }
4.5 AVL旋转总结
假如以pParent为根的子树不平衡，即pParent的平衡因子为2或者-2，分以下情况考虑：
1. pParent的平衡因子为2，说明pParent的右子树高，设pParent的右子树的根为pSubR
- 当pSubR的平衡因子为1时，执行左单旋
- 当pSubR的平衡因子为-1时，执行右左双旋
2. pParent的平衡因子为-2，说明pParent的左子树高，设pParent的左子树的根为pSubL
- 当pSubL的平衡因子为-1是，执行右单旋
- 当pSubL的平衡因子为1时，执行左右双旋 旋转完成后，
原pParent为根的子树个高度降低，已经平衡，不需要再向上更新。
5. AVL树的验证
AVL树是在二叉搜索树的基础上加入了平衡性的限制，因此要验证AVL树，可以分两步：
1. 验证其为二叉搜索树
- 如果中序遍历可得到一个有序的序列，就说明为二叉搜索树
2. 验证其为平衡树
- 每个节点子树高度差的绝对值不超过1(注意节点中如果没有平衡因子)
- 节点的平衡因子是否计算正确
代码实现：
public: void Inorder() { _Inorder(_root); } bool IsBalance() { return _IsBalance(_root); } private: bool _IsBalance(Node* cur) { if (cur == nullptr) { return true; } int diff = _Height(cur->_right) - _Height(cur->_left); if (diff != cur->_bf) { std::cout << cur->_kv.first << "平衡因子异常" << std::endl; return false; } return (abs(diff) < 2) && \ _IsBalance(cur->_left) && _IsBalance(cur->_right); } int _Height(Node* cur) { if (cur == nullptr) { return 0; } return std::max(_Height(cur->_left), _Height(cur->_right)) + 1; } void _Inorder(Node* cur) { std::stack<Node*> st; while (cur || !st.empty()) { while (cur) { st.push(cur); cur = cur->_left; } cur = st.top(); std::cout << cur->_kv.second << " "; st.pop(); cur = cur->_right; } std::cout << std::endl; } //时间复杂度O(1),且更新因子最多走高度次 void RotateL(Node* parent) { Node* subR = parent->_right; Node* subRL = subR->_left; Node* pParent = parent->_parent; subR->_left = parent; if (parent == _root) { _root = subR; } else { if (pParent->_left == parent) { pParent->_left = subR; } else { pParent->_right = subR; } } subR->_parent = pParent; parent->_parent = subR; parent->_right = subRL; if (subRL) { subRL->_parent = parent; } subR->_bf = parent->_bf = 0; }3. 验证用例
void TestAVLTree1() { //int a[] = { 16,3,7,11,9,26,18,14,15 }; int a[] = { 4, 2, 6, 1, 3, 5, 15, 7, 16, 14 }; AVLTree<int, int> t1; for (auto e : a) { t1.Insert(std::make_pair(e, e)); } t1.Inorder(); std::cout << t1.IsBalance() << "\n"; } void TestAVLTree2() { size_t N = 10000; srand((unsigned int)time(nullptr)); AVLTree<int, size_t> t1; for (size_t i = 0; i < N; ++i) { int x = rand(); t1.Insert(std::make_pair(x, i)); } std::cout << t1.IsBalance() << "\n"; }
6. AVL树的删除
因为AVL树也是二叉搜索树，可按照二叉搜索树的方式将节点删除，然后再更新平衡因子，只不 错与删除不同的时，删除节点后的平衡因子更新，最差情况下一直要调整到根节点的位置。
具体实现学生们可参考《算法导论》或《数据结构-用面向对象方法与C++描述》殷人昆版。
7. AVL树的性能
AVL树是一棵高度平衡的二叉搜索树，其要求每个节点的左右子树高度差的绝对值都不超过1，这样可以保证查询时高效的时间复杂度，即$log_2 (N)$。但是如果要对AVL树做一些结构修改的操作，性能非常低下，比如：插入时要维护其绝对平衡，旋转的次数比较多，更差的是在删除时， 有可能一直要让旋转持续到根的位置。因此：如果需要一种查询高效且有序的数据结构，而且数据的个数为静态的(即不会改变)，可以考虑AVL树，但一个结构经常修改，就不太适合。
扫一扫
1012
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
