数据结构——树

 

1.AVL树（自平衡二叉查找树）

1）插入

avl树的插入操作每次可能会导致多个祖先失衡，但是它只要修改一次（最低的那个祖先节点），更高的祖先的高度也会复原。

解决办法：单旋，复杂度为O(1)；双旋（对应于”之“字形的情况）（实际并非简单地如此操作）（O(logn)）

具体实现：

 

2）删除

avl树的删除操作每次只可能导致一个祖先失衡（因为若删除一个节点导致失衡，则该节点一定在较矮的子树上，而计算树的高度时是由较高的子树决定的，故与它无关），但它改了这一个节点，可能又会引发其他节点的失衡，故相对于插入，删除操作更复杂。

解决办法：单旋（可能会达到O(logn)）、双旋（可能达到O(logn)）（实际并非如此简单地操作）

具体实现：

注意，起点为被删除节点的父亲。

 

3）3+4重构

把根节点及其以下两个节点重命名为a，b，c，把其下四棵子树重命名为t1，t2，t3，t4，按照中序遍历的方式，可得到t1->a->t2->b->t3->c->t4的结构。即BTS的单调性。无论如何调整，最终我们都要调整为如此结构。

 

具体实现：

 

关键——如何按照规则重命名：找出是左旋/右旋/左右旋/右左旋中的哪种情况，然后根据中序遍历的顺序确定重命名的节点位置。

 

4）总结

优点：查找、插入、删除等操作的最坏情况复杂度均为O(logn)。空间复杂度为O(n)。

缺点：借助高度或平衡因子，为此需改造元素结构，或额外封装；实测复杂度与理论值尚有差距；旋转花销大；单次动态调整后，全树的拓扑结构的变化量可能达到O(logn)（删除操作）。

 

2.伸展树

根据数据的局部性特点，通过伸展将节点v调整到树根的操作。

局部性：刚被访问过的数据，极有可能很快地再次访问

伸展：通过将节点v进行若干次旋转，最终移动到树根的过程。伸展采用的是Tajan的双层伸展方法，即先对v的祖父进行一次zig/zag操作，再对v的父亲节点进行zig/zag操作，从而使v到达祖父的位置。

好处：对于坏节点（e.g 只有左子树的二叉树的最后一个节点）的访问，每一次伸展都会将树高降低一半。分摊下去整个调整过程的每次调整时间复杂度为O(logn)。

 

1）具体实现

 

伸展树接口

与AVL的差别：AVL不用重写search()函数。

 

伸展功能

 

判断左/右孩子而进行相应操作的函数：它的具体变换过程与3+4重构很类似，不再赘述，这里采用拼接的函数形式略过。

           

 

 

搜索功能

伸展树区别于其他BST的本质特点：它的search()操作不是静态操作。其内部调用了splay()函数。