数据结构之AVL树

一、二叉查找树

二叉搜索树（BST）：又称二叉查找树或二叉排序树。一棵二叉搜索树是以二叉树来组织的，可以使用一个链表数据结构来表示，其中每一个结点就是一个对象。一般地，除了key和卫星数据之外，每个结点还包含属性lchild、rchild和parent，分别指向结点的左孩子、右孩子和双亲（父结点）。如果某个孩子结点或父结点不存在，则相应属性的值为空（NIL）。根结点是树中唯一父指针为NIL的结点，而叶子结点的孩子结点指针也为NIL（百度百科）

卫星数据：除了二叉树节点的基本数据以外人为添加的数据，这些数据和树的基本结构无关

二叉查找树的性质：设x是二叉查找树中的一个结点。如果y是x左子树中的一个结点，那么y.key≤x.key。如果y是x右子树中的一个结点，那么y.key≥x.key，在二叉查找树中：

1. 若任意结点的左子树不空，则左子树上所有结点的值均不大于它的根结点的值。
2. 若任意结点的右子树不空，则右子树上所有结点的值均不小于它的根结点的值。
3. 任意结点的左、右子树也分别为二叉查找树。

二、平衡二叉树（AVL Tree）

平衡二叉树（AVL Tree）：平衡二叉树（AVL树）在符合二叉查找树的条件下，还满足任何节点的两个子树的高度最大差为1；查找的时间复杂度 O(Log2n)

LL(LeftLeft)：插入或删除一个节点后，根节点的左孩子（Left Child）的左孩子（Left Child）还有非空节点，导致根节点的左子树高度比右子树高度大2，AVL树失去平衡
恢复平衡的步骤：

1. 将根节点的左孩子作为新根节点。
2. 将新根节点的右孩子作为原根节点的左孩子。
3. 将原根节点作为新根节点的右孩子。
    

RR(RightRight)：插入或删除一个节点后，根节点的右孩子（Right Child）的右孩子（Right Child）还有非空节点，导致根节点的右子树高度比左子树高度高2，AVL树失去平衡。
恢复平衡的步骤：

1. 将根节点的右孩子作为新根节点
2. 将新根节点的左孩子作为原根节点的右孩子
3. 将原根节点作为新根节点的左孩子

LR(LeftRight)：插入或删除一个节点后，根节点的左孩子（Left Child）的右孩子（Right Child）还有非空节点，导致根节点的左子树高度比右子树高度高2，AVL树失去平衡
恢复平衡的步骤：

1. 围绕根节点的左孩子进行RR旋转。
2. 围绕根节点进行LL旋转。

RL(RightLeft)：插入或删除一个节点后，根节点的右孩子（Right Child）的左孩子（Left Child）还有非空节点，导致根节点的右子树高度比左子树高度高2，AVL树失去平衡
恢复平衡的步骤：

1. 围绕根节点的右孩子进行LL旋转。
2. 围绕根节点进行RR旋转。

三、红黑树 (Red-Black Tree)

红黑树：是一棵二叉搜索树，它在每个结点上增加了一个存储位来表示结点的颜色，可以是RED或BlACK；通过对任何一条从根到叶子的简单路径上各个结点的颜色进行约束，红黑树确保没有一条路径会比其他路径长出2 倍，因而是近似于平衡的。树中每个结点包含5个属性：color、key、left 、right 和 parent；如果一个结点没有子结点或父结点，则该结点相应指针属性的值为Nil；我们可以把这些Nil视为指向二又查找树的叶结点（外部结点）的指针，而把带关键字的结点视为树的内部结点。

红黑树是满足以下红黑性质的二叉搜索树： 

1. 每个结点或是红色的，或是黑色的。 
2. 根结点是黑色的。 
3. 每个叶结点Nil一定是黑色的。
4. 如果一个结点是红色的，则它的两个子结点都是黑色的。 
5. 对每个结点，从该结点到其所有后代叶结点的简单路径上，均包含相同数目的黑色结点

红黑树与平衡二叉树、二叉查找树：

• AVL树是严格的平衡二叉树，平衡条件必须满足(所有结点的左右子树高度差不超过1)。不管我们是执行插入还是删除操作，只要不满足上面的条件，就要通过旋转来保存平衡，而因为旋转非常耗时，由此我们可以知道AVL树适合用于插入与删除次数比较少，但查找多的情况。
• 红黑树是弱平衡二叉树(由于是弱平衡，可以看到，在相同的节点情况下，AVL树的高度低于红黑树)，相对于要求严格的AVL树来说，它的旋转次数少，插入最多两次旋转，删除最多三次旋转，所以对于搜索，插入，删除操作较多的情况下
• AVL树与read-black Tree 他们的查找性能都优秀与二叉查找树(由于不平衡，高度难以控制)；AVL追求绝对的平衡所以他的高度相比read-black Tree要低，对于查找AVL树更快