C++ 各类树的算法

树的内容比较多，我一步步积累到这篇文章中

数据结构

最基本的二叉树，结构体中分别有基本的左孩子节点，有孩子节点，val数据值等基本内容

二叉搜索树：左孩子要比父节点小，右孩子要比父节点大。由于树构建完成后是有序的，所以插入，删除，查找都会有很大的优势。

举一个二叉搜索树的例子：当我们实现排名的数据结构的时候，我们发现，对于任意一个根节点，左子树的排名都比自己小，右子树的排名都比自己大。也就是说，比如1~10000人的排名，数据为10000个人的分数。如果想要查找我们的位置，显然很容易。除此之外，我们可以利用它计算排名。当我们进入右子树的时候，左边的分数都是比自己小的，不考虑，当我们进入左子树的时候，右子树的分数都比自己大，count右子树的节点，将会获得排名在自己后面的人数。

字典树：（字符串树）常用于存储字符串，查询效率比哈希树高。它的特点是不同的单词之间可以共享字符串。比如add和am共享a。这样如果把一个单词存储为从根节点的子节点到叶节点，节点数量会大大减少。根节点的子节点一共才26个。

平衡二叉树
平衡二叉树又称为AVL树，是一种特殊的二叉排序树。其左右子树都是平衡二叉树，且左右子树高度之差的绝对值不超过1。一句话表述为：以树中所有结点为根的树的左右子树高度之差的绝对值不超过1。将二叉树上结点的左子树深度减去右子树深度的值称为平衡因子BF，那么平衡二叉树上的所有结点的平衡因子只可能是-1、0和1。只要二叉树上有一个结点的平衡因子的绝对值大于1，则该二叉树就是不平衡的。

但是虽然平衡二叉树平衡度高，但是当插入或删除的时候，会由多次旋转才可以得到，改变结构。

红黑树😗*（查找效率：O(log n)）**红黑树是在二叉搜索树的基础上，为节点添加颜色，并且令根节点和叶节点必须是黑色，其余点可以是黑色或者是红色。并加入两个限制。红色的点不能相邻，也就是不互相为父子节点。另一个就是任何一个节点到它所有的叶节点，黑节点数量必须相同。这就限制了最长路径不能多于最短路径的两倍。对于搜索、插入、删除有优势。

哈夫曼树：哈夫曼树是对0、1数据存储压缩的最优方式，比如我们将储存的数据的使用频率作为权值，那么权值小的在哈夫曼树中往往深度比较大，表示所占的存储大，权值大的相反。我们用无重复前缀的0、1字符串就可以结合权值构建出哈夫曼树。

B树：定义一个B树为m阶，那么根节点最少有两个子节点，每个节点最少有m/2个子节点，最多m+1个。每个节点存储数据，叶节点在同一层存储空指针。插入删除是自下而上的。

B+树：B+树常常用于磁盘，SQL查询存储等等，因为其对于查找，删除，插入具有稳定的复杂度，因为所有存储数据的节点都是叶节点，其他节点只是存储了key值。

B+树适合存储索引的原因：https://blog.csdn.net/weixin_30531261/article/details/79312676

数据结构的实现

二叉树的节点实现，和链表的实现节点很像。

struct TreeNode {
   
 	   int val;
       TreeNode *left;
       TreeNode *right;
       TreeNode() : val(0), left(nullptr), right(nullptr) {
   }
       TreeNode(int x) : val(x), left(nullptr), right(nullptr) {
   }
       TreeNode(int x, TreeNode *left, TreeNode *right) : val(x), left(left), right(right) {
   }

字典树的实现，相当于一个26叉树，每一个子节点对应一个英文字母，并取isWord标识来确定是否存储过该单词，比如我们存储了“apple”，来区分我们存储过"app"

class Trie{
   
public:
    Trie* next[26]={
   nullptr};
    bool isWord;