2-3树介绍
查阅很多博客好像都没有谈及红黑树的由来,包括著名的算法导论也只是先抛出5条红黑树的性质,在介绍红黑树之前不得不先介绍2-3树,左倾红黑树可以说等价于2-3树。
2-3树
一颗2-3树具有如下三个特性
- 一个节点内部包含一个或两个关键码
- 每个非叶子节点有两个孩子或者三个孩子(得名2-3树)
- 所有叶子节点都在同一层
除了这三个形状特性,还有一个如下特性,对于每一个节点,左子树所有节点值都小于第一个关键码,中间子树所有节点值都大于第一个关键码,小于第二个关键码,右子树所有节点值都大于第二个关键码。
查找节点的流程参照二叉搜索树,下面介绍插入节点流程:
首先找到被插入记录应该插入的叶子节点
- case1:如果这个叶子节点只包含一个关键码,直接添加到这个叶子节点中,如插入14,先找到15这个叶节点,把14放到这个叶节点即可。
- case2: 如果找到的叶子节点已经包含两个关键码,则需要对该节点分裂,比如插入55,找到节点(50,52), 进行节点分裂,把中间大小关键码52提升至父节点,得到如下图
红黑树性质
介绍红黑树5个性质前必须先介绍2-3树如何转化成红黑树的。
2-3树插入
我们先模拟一下2-3树插入1,2,3,4,5的过程,如下图:
下面我们思考一下如果让我们设计2-3树的存储数据结构,要如何设计?
二叉树只需要value,left,right三个属性,但现在2-3树更复杂,value可能有一个或者两个,孩子可能两个或者三个,我们可以用数组或链表,这是一种设计可行的方案。但是我们可以对上图进行微小改动,让他变成用之前的二叉树的结构也可以存储整棵树。如下图所示:
对于上图,等价关系是完全成立的,把节点标识成红色的就是为了说明,该红色节点和父亲是属于2-3树的同一个节点,这也就说明了左倾红黑树等价于2-3树,何为左倾红黑树?即红色节点一定是左孩子,标准的红黑树的红色节点可以是左孩子也可以是右孩子。
红黑树性质
-
所有节点非红即黑;
-
根节点为黑;
-
最后的NULL节点为黑;
-
红节点的孩子一定为黑;
-
黑平衡;(从某个节点出发,到达子节点经过的黑节点数目相同)
理解了2-3树转化成红黑树后,理解上面5点性质非常容易,第5点性质等价于2-3树的性质:所有叶子节点都在同一层。
本篇博客我们只介绍左倾红黑树,实现起来简单一点。
fixUp
图中列举了三种插入情况,也涵盖了左倾红黑树所有的插入情况,读者可以对着图阅读代码,更能理解。
代码
public class RBTree<K extends Comparable<K>, V> {
private static final boolean RED = true;
private static final boolean BLACK = false;
private class Node {
public K key;
public V value;
public Node left, right;
public boolean color;
public Node(K key, V value) {
this.key = key;
this.value = value;
left = null;
right = null;
color = RED;
}
}
private Node root;
private int size;
public RBTree() {
root = null;
size = 0;
}
public int getSize() {
return size;
}
public boolean isEmpty() {
return size == 0;
}
// 判断节点node的颜色
private boolean isRed(Node node) {
if (node == null)
return BLACK;
return node.color;
}
// node x
// / \ 左旋转 / \
// T1 x ---------> node T3
// / \ / \
// T2 T3 T1 T2
private Node leftRotate(Node node) {
Node x = node.right;
// 左旋转
node.right = x.left;
x.left = node;
x.color = node.color;
node.color = RED;
return x;
}
// node x
// / \ 右旋转 / \
// x T2 -------> y node
// / \ / \
// y T1 T1 T2
private Node rightRotate(Node node) {
Node x = node.left;
// 右旋转
node.left = x.right;
x.right = node;
x.color = node.color;
node.color = RED;
return x;
}
// 颜色翻转
private void flipColors(Node node) {
node.color = RED;
node.left.color = BLACK;
node.right.color = BLACK;
}
// 向红黑树中添加新的元素(key, value)
public void add(K key, V value) {
root = add(root, key, value);
root.color = BLACK; // 最终根节点为黑色节点
}
// 向以node为根的红黑树中插入元素(key, value),递归算法
// 返回插入新节点后红黑树的根
private Node add(Node node, K key, V value) {
if (node == null) {
size++;
return new Node(key, value); // 默认插入红色节点
}
if (key.compareTo(node.key) < 0)
node.left = add(node.left, key, value);
else if (key.compareTo(node.key) > 0)
node.right = add(node.right, key, value);
else
node.value = value;
if (isRed(node.right) && !isRed(node.left))
node = leftRotate(node);
if (isRed(node.left) && isRed(node.left.left))
node = rightRotate(node);
if (isRed(node.left) && isRed(node.right))
flipColors(node);
return node;
}
// 返回以node为根节点的二分搜索树中,key所在的节点
private Node getNode(Node node, K key) {
if (node == null)
return null;
if (key.equals(node.key))
return node;
else if (key.compareTo(node.key) < 0)
return getNode(node.left, key);
else //
return getNode(node.right, key);
}
public boolean contains(K key) {
return getNode(root, key) != null;
}
public V get(K key) {
Node node = getNode(root, key);
return node == null ? null : node.value;
}
public void set(K key, V newValue) {
Node node = getNode(root, key);
if (node == null)
throw new IllegalArgumentException(key + " doesn't exist!");
node.value = newValue;
}
// 返回以node为根的二分搜索树的最小值所在的节点
private Node minimum(Node node) {
if (node.left == null)
return node;
return minimum(node.left);
}
public static void main(String[] args) {
RBTree<Integer,Integer> tree = new RBTree();
tree.add(1,null);
tree.add(2,null);
tree.add(3,null);
tree.add(4,null);
tree.add(5,null);
}
}
参考
慕课网liuyubobo玩转数据结构
数据结构c++版第二版清华大学出版社
算法导论
算法4