数据结构与算法——二分搜索树 动画演示

最新推荐文章于 2023-09-11 22:59:37 发布
最新推荐文章于 2023-09-11 22:59:37 发布
阅读量859 收藏 1
点赞数
分类专栏： 数据结构与算法视频
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/l0919160205/article/details/104164052
版权

文章目录


  二叉搜索树是用来解决查找问题的，在介绍二叉搜索树之前，先学习二分查找法。

一、二分查找法

  二分查找法只能对于有序数列使用（排序后的数组），在中间找一个元素v如果不是v，这在<v和>v两部分查找，时间复杂度为O(logn),如下图所示：
在这里插入图片描述
二分查找代码：

// 二分查找法,在有序数组arr中,查找target
// 如果找到target,返回相应的索引index
// 如果没有找到target,返回-1
template<typename T>
int binarySearch(T arr[], int n, T target){
    // 在arr[l...r]之中查找target
    int l=0,r=n-1;

    while(r>l){
        //int mid = (l + r)/2;

        // 防止极端情况下的整形溢出，使用下面的逻辑求出mid
        int mid = l + (r-l)/2;
        //如果刚好找到
        if( arr[mid] == target )
            return mid;
        //没找到就向两边搜索
        if(arr[mid]>target)
            r=mid-1;
        else
            l=mid+1;
    }
    return -1;
}

用递归的方式写二分查找法：

template<typename T>
int binarySearch2(T arr[], int l, int r, T target){
    
    if( l > r )
        return -1;

    //int mid = (l+r)/2;
    // 防止极端情况下的整形溢出，使用下面的逻辑求出mid
    int mid = l + (r-l)/2;
    
    if( arr[mid] == target )
        return mid;
    else if( arr[mid] > target )
        return binarySearch2(arr, l, mid-1, target);
    else
        return binarySearch2(arr, mid+1, r, target);
}

  比较非递归和递归写法的二分查找的效率非递归算法在性能上有微弱优势。

二分查找法变变种：floor和ceil

  这前的二分查找的方法是假设数组中没用重复元素，假设数组中后很多重复元素时，用上面的方法可能会有很多可能。
  floor函数就是返回重复元素中第一次出现的索引，ceil函数就是返回重复元素中最后一次出现的索引。如下图所示，红色区域v时重复元素：
在这里插入图片描述
  当要查找的元素不存在时，floor函数返回最后一个比查找的元素小的索引，ceil函数返回第一个比查找的元素大的索引，如下图所示：
在这里插入图片描述
floor函数：

// 二分查找法, 在有序数组arr中, 查找target
// 如果找到target, 返回第一个target相应的索引index
// 如果没有找到target, 返回比target小的最大值相应的索引, 如果这个最大值有多个, 返回最大索引
// 如果这个target比整个数组的最小元素值还要小, 则不存在这个target的floor值, 返回-1
template<typename T>
int floor(T arr[], int n, T target){

    assert( n >= 0 );

    // 寻找比target小的最大索引
    int l = -1, r = n-1;
    while( l < r ){
        // 使用向上取整避免死循环
        int mid = l + (r-l+1)/2;
        if( arr[mid] >= target )//等于也向左取整，找到最后一个比target小的索引
            r = mid - 1;
        else
            l = mid;//要包含mid，因为mid可能是最后一个比target小的索引
    }

    assert( l == r );

    // 如果该索引+1就是target本身, 该索引+1即为返回值
    if( l + 1 < n && arr[l+1] == target )
        return l + 1;

    // 否则, 该索引即为返回值
    return l;
}

ceil函数：

// 二分查找法, 在有序数组arr中, 查找target
// 如果找到target, 返回最后一个target相应的索引index
// 如果没有找到target, 返回比target大的最小值相应的索引, 如果这个最小值有多个, 返回最小的索引
// 如果这个target比整个数组的最大元素值还要大, 则不存在这个target的ceil值, 返回整个数组元素个数n
template<typename T>
int ceil(T arr[], int n, T target){

    assert( n >= 0 );

    // 寻找比target大的最小索引值
    int l = 0, r = n;
    while( l < r ){
        // 使用普通的向下取整即可避免死循环
        int mid = l + (r-l)/2;
        if( arr[mid] <= target )
            l = mid + 1;
        else // arr[mid] > target
            r = mid;
    }

    assert( l == r );

    // 如果该索引-1就是target本身, 该索引+1即为返回值
    if( r - 1 >= 0 && arr[r-1] == target )
        return r-1;

    // 否则, 该索引即为返回值
    return r;
}

二、二分搜索树

  二分搜索树是用来实现查找表，或者称为字典。

实现查找表的比较：

查找元素插入元素删除元素
普通数组O(n)O(n)O(n)
顺序数组O(logn)O(n)O(n)
二分搜索树O(logn)O(lognO(logn

  普通数组，查找元素需要遍历整个数组查找，复杂度为O(n)；插入元素时先遍历整个数组查找是否存在再插入，复杂度为O(n)；删除元素也是遍历整个数组，复杂度为O(n)。
  顺序数组，查找元素可以使用二分查找法，复杂度为O(logn)；插入和删除操作和普通数组一样，复杂度为O(n)。
  二分搜索树不仅在查找元素上高效，插入删除元素也高效。索引二分搜索树为我们提供了高效的动态维护数据的方式。

二分搜索树定义

  二分搜索树是一棵二叉树，每个结点的键值大于左节点，每个节点的键值大于右节点。也就是每个结点的键值大于左边所有的节点，每个结点的键值小于右边所有的节点，对于每个节点都成立。如下图所示：在这里插入图片描述
  二叉搜索树常用递归来实现，二叉搜索树没有完全二叉树的限制，如下图的二叉树也是二叉搜索树：
在这里插入图片描述
  先写一个二叉搜索树的骨架：

// 二分搜索树
template <typename Key, typename Value>
class BST{

private:
    // 树中的节点为私有的结构体, 外界不需要了解二分搜索树节点的具体实现
    struct Node{
        Key key;
        Value value;
        Node *left;
        Node *right;

        Node(Key key, Value value){
            this->key = key;
            this->value = value;
            this->left = this->right = NULL;
        }
    };

    Node *root; // 根节点
    int count;  // 树中的节点个数

public:
    // 构造函数, 默认构造一棵空二分搜索树
    BST(){
        root = NULL;
        count = 0;
    }
    ~BST(){
        // TODO: ~BST()
    }

    // 返回二分搜索树的节点个数
    int size(){
        return count;
    }

    // 返回二分搜索树是否为空
    bool isEmpty(){
        return count == 0;
    }

};

插入元素

  二分搜索树插入元素，与根节点比较，如果比根节点小就插入左边的二叉搜索树中，比根节点大就插入右边的二叉搜索树中。如下图所示：
在这里插入图片描述
  当插入元素相同时，则将相同元素替换成新的元素：
在这里插入图片描述
  插入操作代码（递归实现）：

public:
    // 向二分搜索树中插入一个新的(key, value)数据对
    void insert(Key key, Value value){
        root = insert(root, key, value);
    }

private:
    // 向以node为根的二分搜索树中, 插入节点(key, value), 使用递归算法
    // 返回插入新节点后的二分搜索树的根
    Node* insert(Node *node, Key key, Value value){

        if( node == NULL ){
            count ++;
            return new Node(key, value);
        }

        if( key == node->key )//相等，则替换成新的结点
            node->value = value;
        else if( key < node->key )
            node->left = insert( node->left , key, value);
        else    // key > node->key
            node->right = insert( node->right, key, value);

        return node;//除了边界结点，其他结点返回自身
    }

查找元素

  查找元素和插入元素的过程类似：
  查找成功：
在这里插入图片描述
  查找失败：
在这里插入图片描述
  contain函数表示二叉搜索树中是否包含要查找的元素，contain函数和search函数同质，只是返回值不同。

contain函数：

public:
    // 查看二分搜索树中是否存在键key
    bool contain(Key key){
        return contain(root, key);
    }

private:
    // 查看以node为根的二分搜索树中是否包含键值为key的节点, 使用递归算法
    bool contain(Node* node, Key key){

        if( node == NULL )
            return false;

        if( key == node->key )
            return true;
        else if( key < node->key )
            return contain( node->left , key );
        else // key > node->key
            return contain( node->right , key );
    }

search函数代码：

public:
     // 在二分搜索树中搜索键key所对应的值。如果这个值不存在, 则返回NULL
    Value* search(Key key){
        return search( root , key );
    }

private:
    // 在以node为根的二分搜索树中查找key所对应的value, 递归算法
    // 若value不存在, 则返回NULL
    Value* search(Node* node, Key key){

        if( node == NULL )
            return NULL;

        if( key == node->key )
            return &(node->value);//返回地址
        else if( key < node->key )
            return search( node->left , key );
        else // key > node->key
            return search( node->right, key );
    }

三、二分搜索树的遍历

二分搜索树的遍历（深度优先遍历）

  前序遍历：先访问当前结点，再递归访问左右子树；
  中序遍历：先递归访问左子树，再访问自身，再递归访问右子树；
  后序遍历：先递归访问左右子树，再访问自身结点。

  可以将二叉树的遍历抽象为下图访问三个点的过程，如下图所示。上面三种遍历方法只是访问这三个点的顺序不同。
在这里插入图片描述
动画演示：
  前序遍历的动画演示（将访问到的值打印出来）：
  先访问当前结点，再递归访问左右子树。
在这里插入图片描述
  中序遍历的动画演示（将访问到的值打印出来）：
  对于二分搜索树想要将输出结果排序的话，只需要进行中序遍历即可。
在这里插入图片描述
  后序遍历的动画演示（将访问到的值打印出来）：
  将左右两个子树全部遍历完才访问自身，应用：释放二叉树
在这里插入图片描述
前序遍历代码：

// 对以node为根的二叉搜索树进行前序遍历, 递归算法
void preOrder(Node* node){

    if( node != NULL ){
        cout<<node->key<<endl;
        preOrder(node->left);
        preOrder(node->right);
    }
}

中序遍历代码：

// 对以node为根的二叉搜索树进行中序遍历, 递归算法
void inOrder(Node* node){

    if( node != NULL ){
        inOrder(node->left);
        cout<<node->key<<endl;
        inOrder(node->right);
    }
}

后序遍历代码：

// 对以node为根的二叉搜索树进行后序遍历, 递归算法
void postOrder(Node* node){

    if( node != NULL ){
        postOrder(node->left);
        postOrder(node->right);
        cout<<node->key<<endl;
    }
}

后序遍历的应用：
  释放二叉树。析构函数调用此方法释放二叉树

public:
    // 析构函数, 释放二分搜索树的所有空间
    ~BST(){
        destroy( root );
    }
private:
    // 释放以node为根的二分搜索树的所有节点
    // 采用后续遍历的递归算法
    void destroy(Node* node){

        if( node != NULL ){
            destroy( node->left );
            destroy( node->right );

            //释放空间
            delete node;
            count --;
        }
    }

二分搜索树的层序遍历（广度优先遍历）

  之前的遍历实际上是深度优先遍历，只不过是打印的顺序不同而已。
  实现广度优先遍历需要借助队列这种数据结构，队列是一种先进先出的数据结构。先将根节点入队，出队时将该节点的孩子节点全部入队，以此类推。动画演示：
在这里插入图片描述
层序遍历代码如下：

// 二分搜索树的层序遍历
void levelOrder(){

    queue<Node*> q;
    q.push(root);
    while( !q.empty() ){

        //队头元素出队
        Node *node = q.front();
        q.pop();

        cout<<node->key<<endl;

        //两个孩子节点入队
        if( node->left )
            q.push( node->left );
        if( node->right )
            q.push( node->right );
    }
}

四、二分搜索树删除节点

删除最大值，最小值

找到最值
  二分搜索树的左孩子比根节点小，右孩子比根节点大。所以一直往左找就可以找到最小值，最大值同理。
找到最小值和最大值代码如下：

public:
   // 寻找二分搜索树的最小的键值
    Key minimum(){
        assert( count != 0 );
        Node* minNode = minimum( root );
        return minNode->key;
    }

    // 寻找二分搜索树的最大的键值
    Key maximum(){
        assert( count != 0 );
        Node* maxNode = maximum(root);
        return maxNode->key;
    }

private:
    // 返回以node为根的二分搜索树的最小键值所在的节点
    Node* minimum(Node* node){
        if( node->left == NULL )
            return node;

        return minimum(node->left);
    }

    // 返回以node为根的二分搜索树的最大键值所在的节点
    Node* maximum(Node* node){
        if( node->right == NULL )
            return node;

        return maximum(node->right);
    }

删除最值
  如果最小值没有右孩子，那么直接将最小值删除即可。如果最小值有右孩子，那么直接将右孩子替换删除的元素即可，因为右孩子还是比根节点小。删除最大值同理。
  最小值有右孩子动画演示：
在这里插入图片描述
  最大值有左孩子动画演示：
在这里插入图片描述

  删除最大值和最小值代码如下：

public:
    // 从二分搜索树中删除最小值所在节点
    void removeMin(){
        if( root )
            root = removeMin( root );
    }

    // 从二分搜索树中删除最大值所在节点
    void removeMax(){
        if( root )
            root = removeMax( root );
    }
    
private:
    // 删除掉以node为根的二分搜索树中的最小节点
    // 返回删除节点后新的二分搜索树的根
    Node* removeMin(Node* node){

        if( node->left == NULL ){

            Node* rightNode = node->right;//兼顾了两种情况
            delete node;
            count --;
            return rightNode;
        }

        //左节点不断递归赋值回去，最后返回根节点
        node->left = removeMin(node->left);
        return node;
    }

    // 删除掉以node为根的二分搜索树中的最大节点
    // 返回删除节点后新的二分搜索树的根
    Node* removeMax(Node* node){

        if( node->right == NULL ){

            Node* leftNode = node->left;
            delete node;
            count --;
            return leftNode;
        }

        node->right = removeMax(node->right);
        return node;
    }

删除任意节点

  删除只有左孩子或只有右孩子的结点时，可以采用和删除最大值和最小值类似的方法，动画演示如下：

  删除只有左孩子或只有右孩子的结点时，应该先找到该节点右孩子的最小值，然后进行替换。因为所有右孩子比根节点大，找到该节点右孩子的最小值进行替换后任然是二分搜索树。

  如下图（节点58为d，节点59为s），要删除元素58，只需要找到元素58右孩子中的最小值58，然后代替该节点。
在这里插入图片描述
  delMin(d->right)是删除以60为根节点的子树的最小值，并返回根节点60。将60赋值给s的右继，d的左节点赋值给s的左继。删除节点d。
在这里插入图片描述
代码如下：

public:
    // 从二分搜索树中删除键值为key的节点
    void remove(Key key){
        root = remove(root, key);
    }
    
private:
    // 删除掉以node为根的二分搜索树中键值为key的节点, 递归算法
    // 返回删除节点后新的二分搜索树的根
    Node* remove(Node* node, Key key){

        if( node == NULL )//没找到待删除元素
            return NULL;

        if( key < node->key ){//向左找
            node->left = remove( node->left , key );
            return node;
        }
        else if( key > node->key ){//向右找
            node->right = remove( node->right, key );
            return node;
        }
        else{   // key == node->key ，找到待删除元素

            // 待删除节点左子树为空的情况（与删除最小值类似）
            if( node->left == NULL ){
                Node *rightNode = node->right;
                delete node;
                count --;
                return rightNode;
            }

            // 待删除节点右子树为空的情况（与删除最大值类似）
            if( node->right == NULL ){
                Node *leftNode = node->left;
                delete node;
                count--;
                return leftNode;
            }

            // 待删除节点左右子树均不为空的情况

            // 找到比待删除节点大的最小节点, 即待删除节点右子树的最小节点
            // 用这个节点顶替待删除节点的位置
            Node *successor = new Node(minimum(node->right));//新建一个结点，并赋值为比待删除节点大的最小节点
            count ++;//新建一个结点数量+1，后面的removeMin函数会-1

            successor->right = removeMin(node->right);
            successor->left = node->left;

            delete node;
            count --;

            return successor;//返回新的结点给上一层的父节点
        }
    }

补充：还可以用左子树的最大值节点来替换要删除的结点。这种删除操作的时间复杂度是O(logn)。

有时间看一下：
5-9 二分搜索树的顺序性
5-10 二分搜索树的局限性
5-11 树形问题和更多树。

附录

// 二分搜索树
template <typename Key, typename Value>
class BST{

private:
    // 树中的节点为私有的结构体, 外界不需要了解二分搜索树节点的具体实现
    struct Node{
        Key key;
        Value value;
        Node *left;
        Node *right;

        Node(Key key, Value value){
            this->key = key;
            this->value = value;
            this->left = this->right = NULL;
        }

        Node(Node *node){
            this->key = node->key;
            this->value = node->value;
            this->left = node->left;
            this->right = node->right;
        }
    };

    Node *root; // 根节点
    int count;  // 树中的节点个数

public:
    // 构造函数, 默认构造一棵空二分搜索树
    BST(){
        root = NULL;
        count = 0;
    }

    // 析构函数, 释放二分搜索树的所有空间
    ~BST(){
        destroy( root );
    }

    // 返回二分搜索树的节点个数
    int size(){
        return count;
    }

    // 返回二分搜索树是否为空
    bool isEmpty(){
        return count == 0;
    }

    // 向二分搜索树中插入一个新的(key, value)数据对
    void insert(Key key, Value value){
        root = insert(root, key, value);
    }

    // 查看二分搜索树中是否存在键key
    bool contain(Key key){
        return contain(root, key);
    }

    // 在二分搜索树中搜索键key所对应的值。如果这个值不存在, 则返回NULL
    Value* search(Key key){
        return search( root , key );
    }

    // 二分搜索树的前序遍历
    void preOrder(){
        preOrder(root);
    }

    // 二分搜索树的中序遍历
    void inOrder(){
        inOrder(root);
    }

    // 二分搜索树的后序遍历
    void postOrder(){
        postOrder(root);
    }

    // 二分搜索树的层序遍历
    void levelOrder(){

        queue<Node*> q;
        q.push(root);
        while( !q.empty() ){

            Node *node = q.front();
            q.pop();

            cout<<node->key<<endl;

            if( node->left )
                q.push( node->left );
            if( node->right )
                q.push( node->right );
        }
    }

    // 寻找二分搜索树的最小的键值
    Key minimum(){
        assert( count != 0 );
        Node* minNode = minimum( root );
        return minNode->key;
    }

    // 寻找二分搜索树的最大的键值
    Key maximum(){
        assert( count != 0 );
        Node* maxNode = maximum(root);
        return maxNode->key;
    }

    // 从二分搜索树中删除最小值所在节点
    void removeMin(){
        if( root )
            root = removeMin( root );
    }

    // 从二分搜索树中删除最大值所在节点
    void removeMax(){
        if( root )
            root = removeMax( root );
    }

    // 从二分搜索树中删除键值为key的节点
    void remove(Key key){
        root = remove(root, key);
    }

private:
    // 向以node为根的二分搜索树中, 插入节点(key, value), 使用递归算法
    // 返回插入新节点后的二分搜索树的根
    Node* insert(Node *node, Key key, Value value){

        if( node == NULL ){
            count ++;
            return new Node(key, value);
        }

        if( key == node->key )
            node->value = value;
        else if( key < node->key )
            node->left = insert( node->left , key, value);
        else    // key > node->key
            node->right = insert( node->right, key, value);

        return node;
    }

    // 查看以node为根的二分搜索树中是否包含键值为key的节点, 使用递归算法
    bool contain(Node* node, Key key){

        if( node == NULL )
            return false;

        if( key == node->key )
            return true;
        else if( key < node->key )
            return contain( node->left , key );
        else // key > node->key
            return contain( node->right , key );
    }

    // 在以node为根的二分搜索树中查找key所对应的value, 递归算法
    // 若value不存在, 则返回NULL
    Value* search(Node* node, Key key){

        if( node == NULL )
            return NULL;

        if( key == node->key )
            return &(node->value);
        else if( key < node->key )
            return search( node->left , key );
        else // key > node->key
            return search( node->right, key );
    }

    // 对以node为根的二分搜索树进行前序遍历, 递归算法
    void preOrder(Node* node){

        if( node != NULL ){
            cout<<node->key<<endl;
            preOrder(node->left);
            preOrder(node->right);
        }
    }

    // 对以node为根的二分搜索树进行中序遍历, 递归算法
    void inOrder(Node* node){

        if( node != NULL ){
            inOrder(node->left);
            cout<<node->key<<endl;
            inOrder(node->right);
        }
    }

    // 对以node为根的二分搜索树进行后序遍历, 递归算法
    void postOrder(Node* node){

        if( node != NULL ){
            postOrder(node->left);
            postOrder(node->right);
            cout<<node->key<<endl;
        }
    }

    // 释放以node为根的二分搜索树的所有节点
    // 采用后续遍历的递归算法
    void destroy(Node* node){

        if( node != NULL ){
            destroy( node->left );
            destroy( node->right );

            delete node;
            count --;
        }
    }

    // 返回以node为根的二分搜索树的最小键值所在的节点, 递归算法
    Node* minimum(Node* node){
        if( node->left == NULL )
            return node;

        return minimum(node->left);
    }

    // 返回以node为根的二分搜索树的最大键值所在的节点, 递归算法
    Node* maximum(Node* node){
        if( node->right == NULL )
            return node;

        return maximum(node->right);
    }

    // 删除掉以node为根的二分搜索树中的最小节点, 递归算法
    // 返回删除节点后新的二分搜索树的根
    Node* removeMin(Node* node){

        if( node->left == NULL ){

            Node* rightNode = node->right;
            delete node;
            count --;
            return rightNode;
        }

        node->left = removeMin(node->left);
        return node;
    }

    // 删除掉以node为根的二分搜索树中的最大节点, 递归算法
    // 返回删除节点后新的二分搜索树的根
    Node* removeMax(Node* node){

        if( node->right == NULL ){

            Node* leftNode = node->left;
            delete node;
            count --;
            return leftNode;
        }

        node->right = removeMax(node->right);
        return node;
    }

    // 删除掉以node为根的二分搜索树中键值为key的节点, 递归算法
    // 返回删除节点后新的二分搜索树的根
    Node* remove(Node* node, Key key){

        if( node == NULL )
            return NULL;

        if( key < node->key ){
            node->left = remove( node->left , key );
            return node;
        }
        else if( key > node->key ){
            node->right = remove( node->right, key );
            return node;
        }
        else{   // key == node->key

            if( node->left == NULL ){
                Node *rightNode = node->right;
                delete node;
                count --;
                return rightNode;
            }

            if( node->right == NULL ){
                Node *leftNode = node->left;
                delete node;
                count--;
                return leftNode;
            }

            // node->left != NULL && node->right != NULL
            Node *successor = new Node(minimum(node->right));
            count ++;

            successor->right = removeMin(node->right);
            successor->left = node->left;

            delete node;
            count --;

            return successor;
        }
    }
};
l0919160205
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python 从零实现二分查找，大量动画演示
qq_60168783的博客
11-15 1364
二分查找（Binary Search），是一种效率较高的查找方法。在面试或算法竞赛中，查找相关的问题最优解通常就是二分查找。特别在现场面试中尤其重要，常用二分查找来考察面试者的编码能力和算法思维。 二分查找也称为折半查找。如果一个查找问题能够用一个条件消除一半的查找区域，那么就对目标在特定空间搜索，从而减少查找空间。 虽然二分查找思路比较直观，但大部分面试者通常在边界处理的时候考虑不全，从而出错。 有很多原因导致二分查找处理边界失败！例如，当目标位于数组第0个索引时，或位于第(n - 1)个索引时，程序
二分搜索算法+动态演示.rar
04-21
数值算法课程：二分搜索算法+动态演示，C语言源码+flash开发的swf
有序表之SB树（Size Balanced Tree）
明朗晨光的专栏
02-15 934
1、SB树的失衡类型及失衡的调整方式 2、SB树的代码实现
SB树，看这一篇就够了
最新发布
lsd&xql的博客
09-11 228
四种违规类型得调整和AVL树一样，不一样得地方就在于谁的孩子变了，则需要重新递归调用，SB树在删除得时候可以不用去做平衡性调整，在加入节点得过程中进行平衡性调整，因为递归是具有传递性的。
【经典排序算法】二分查找法 (动图演示 + C 语言代码实现)
热门推荐
Sunnyside_
03-12 1万+
【经典排序算法】二分查找法 (代码+动图演示) 文章目录【经典排序算法】二分查找法 (代码+动图演示)1、动图演示2、查找场景3、查找条件4、代码实现5、注意事项5.1 BinarySearch15.2 BinarySearch2 1、动图演示 2、查找场景   二分搜索用于在一个单调或者局部单调有序数组中查找一个符合某些条件的值，时间复杂度为O(logN) 3、查找条件   二分查找的前提条件是有序数列，普通查找则不需要。   查找到返回该元素的下标，否则返回-1。   普通查找的时间复
⚡【C++要笑着学】(29) BS树：二叉搜索树的概念 | BST 时间复杂度 | BST 的改良方案 | BST 的定义 | 查找插入和删除 | BST 的应用 | K 模型 | KV 模型
⚡ 柠檬叶子团队
04-10 2549
本章倒回数据结构专栏去讲解搜索二叉树，主要原因是讲解 map 和 set 的特性需要二叉搜索树做铺垫，理解搜索二叉树有助于更好地理解 map 和 set 的特性。第二个原因是为了后期讲解查找效率极高的平衡搜索二叉树，随后再讲完红黑树，我们就可以模拟实现 map 和 set 了。二叉树的基础知识讲解在我的《树锯结构》专栏中有写，这里放上链接方便复习。
JAVA上百实例源码以及开源项目源代码
09-17
　Java编写的山寨QQ，多人聊天+用户在线，程序分服务端和客户端，典型C/S结构， 　当用户发送第一次请求的时候，验证用户登录，创建一个该qq号和服务器端保持通讯连接得线程，启动该通讯线程，通讯完毕，关闭Scoket...
asp.net知识库
06-18
与DotNet数据对象结合的自定义数据对象设计 (二) 数据集合与DataTable 与DotNet数据对象结合的自定义数据对象设计 (一) 数据对象与DataRow ASP.NET中大结果集的分页[翻译] .net 2.0 访问Oracle －－与Sql Server的...
java源码包---java 源码 大量 实例
04-18
　Java编写的山寨QQ，多人聊天+用户在线，程序分服务端和客户端，典型C/S结构， 　当用户发送第一次请求的时候，验证用户登录，创建一个该qq号和服务器端保持通讯连接得线程，启动该通讯线程，通讯完毕，关闭Scoket...
java源码包2
04-20
　Java编写的山寨QQ，多人聊天+用户在线，程序分服务端和客户端，典型C/S结构， 　当用户发送第一次请求的时候，验证用户登录，创建一个该qq号和服务器端保持通讯连接得线程，启动该通讯线程，通讯完毕，关闭Scoket...
JAVA上百实例源码以及开源项目
01-03
　Java编写的山寨QQ，多人聊天+用户在线，程序分服务端和客户端，典型C/S结构， 　当用户发送第一次请求的时候，验证用户登录，创建一个该qq号和服务器端保持通讯连接得线程，启动该通讯线程，通讯完毕，关闭Scoket...
flash as3 二分查找动画演示
07-02
flash as3 语言编写的二分查找 故事情节加人机交互，资源有使用说明，标注关键代码啊位置，有说明
SBTree:使用B +树优化字段的文档存储。 适配器支持内存和文件系统
05-12
SB树 使用B +树进行字段的快速文档存储。 适配器支持内存和文件系统 状态：优化，功能和稳定性正在进行中。 文档： : 该库的目标是提供一种在内存中或文件系统上快速存储基于文档的数据的方法。 它使用基于B + Tree结构的特定于字段的索引系统。 这样可以处理大量数据，并为它们建立索引，而无需将整个数据集保留在内存中。 大多数数据库使用B树（MongoDB，CouchDB）或B + Tree（InnoDB，MariaDB，MySQL）。 注意：默认情况下。 除明确排除的字段以外的所有内容都被索引。 嵌套对象也被索引。 提供了对唯一键的可选支持。 目录 常问问题 安装 npm install sbtree 发行说明 请参阅发行说明 用法 mkdir myproject cd myproject npm init npm install sbtree touch inde
Size Blanced Tree(SB树)
xiaolu567的博客
06-19 382
任何一个叔叔节点拥有的节点数,不少于他自己的任何一个侄子节点 叔叔节点:对于左树的左右孩子节点,叔叔节点为右树节点,同理对于右树的左右孩子节点,叔叔节点为左树节点,即叔叔节点为父亲节点的兄弟节点在调整过程中,哪个节点更改了孩子就要对该节点进行调整与AVL树第一步相同,先对顶部节点右旋 在右旋过程中,a和b节点的孩子会发生改变,因此递归调用maintain(a)和maintain(b) 如图,在左旋过程中,a和c的孩子节点发生改变,因此递归调用maintain(a)和maintain© 在调整过程中,e,b
HDOJ 题目4556Stern-Brocot Tree（数学，欧拉函数）
Jogging_Clown
09-05 739
 Stern-Brocot Tree Time Limit: 3000/1000 MS (Java/Others)    Memory Limit: 65535/32768 K (Java/Others) Total Submission(s): 485    Accepted Submission(s): 264 Problem Description 　　 　　
SB树详解
jiangzuofengqiao的博客
05-23 840
任何一个叔叔节点上面的节点数不能小于任何一个子节点 例：（这样的排列方式使左子树和右子树相差不大） SB树在进行删除操作时先不会做调整，直到下次加入节点时再做调整。 加入节点代码 public Node insertNode(int element) { if(root == null) { root = createNode(element, null, null, null); size++; return root; } else { Node parentN
算法补天系列之有序表的四种实现方式——AVL树，SB树，红黑树，跳表（重点）介绍说明
weixin_51529433的博客
08-01 532
平衡性标准每一个节点不是红，就是黑，规定头和叶子结点（这里有大病，他的叶子结点是没有孩子的节点往下一层的空的那一层）必须为黑，任何两个红节点不能相邻。SB树要求每一棵字树的大小，不小于自己兄弟节点的最大的孩子节点的子树的大小。•我们来看这个插入，首先，我们来到20，因为70没有这一层，所有内部下移到第四层，然后右移到50，然后继续下移，到70有的一层，插入进去。•假如说，我们又来了一个四，假如说4的层数是2.那我们就从最高层开始找，找完了发现4没有这一层，往下走，找到层数，大小都对的位置，插入。...
傻逼树SBT：Size Balanced Tree的实现原理，增删改查，调平衡
weixin_46838716的博客
05-29 632
为了调平衡，咱们必须要有左旋函数（leftRotate）、右旋函数（rightRotate） 调平每次变化了哪些节点，就需要再次检查和调平（maintain），maintain函数需要分LL,RR,LR,RL四种状况 查傻逼树SBT中是否有节点key，并返回离key最近的不为null的那个节点（pre），查询key函数：findLeastKeyNode 返回傻逼树SBT整体有多少个节点？size()函数 判断傻逼树是否为空树？isEmpty() put函数是更新，或者新增--没有返回值，内部操作add:ke
easy x 的平方根 二分查找
踩坑记录
07-08 68
开方取整函数 c++： class Solution { public: int mySqrt(int x) { //return floor(sqrt(x)); // c++ 开方 取整 函数 也可以 return int(sqrt(x)); } }; python class Solution: def mySqrt(self, x: int) -> int: #return floor(sqrt(x)) ..
AI数据结构与算法——深度优先搜索与广度优先搜索
04-27
深度优先搜索（Depth-First Search，DFS）和广度优先搜索（Breadth-First Search，BFS）都是图搜索算法，用于遍历或搜索图中的节点。 DFS是一种递归算法，从起始节点开始，依次遍历所有相邻的节点，直到找到目标...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值