定义
二叉查找树具有特殊的结构,其任意一个节点,其左子树要小于其父节点,父节点小于其右子树的值。
特点
支持快速的查找,插入,删除。
性质
- 若任意节点的左子树不空,则左子树上所有节点的值均小于它的根节点的值;
- 若任意节点的右子树不空,则右子树上所有节点的值均大于它的根节点的值;
- 任意节点的左、右子树也分别为二叉查找树;
- 没有键值相等的节点。
代码实现
package main
import "fmt"
type Node struct {
Data interface{}
LeftNode *Node
RightNode *Node
}
type BinaryTree struct {
Root *Node
}
type BST struct {
*BinaryTree
CompareFun func(v, nodev interface{}) int
}
var CompareFun = func(v, nodev interface{}) int {
vInt := v.(int)
nodevInt := nodev.(int)
if vInt > nodevInt {
return 1
} else if vInt < nodevInt {
return -1
} else {
return 0
}
}
func NewNode(v interface{}) *Node {
return &Node{Data:v}
}
func NewBinaryTree(v interface{}) *BinaryTree {
return &BinaryTree{Root:NewNode(v)}
}
func NewBst(v interface{}, compareFun func(v, nodev interface{}) int) *BST {
if compareFun == nil {
return nil
}
return &BST{
BinaryTree: NewBinaryTree(v),
CompareFun: compareFun,
}
}
func (bst *BST) InOrder() {
p := bst.Root
if p == nil {
return
}
p.InOrderCore()
}
func (p *Node) InOrderCore() {
if p == nil {
return
}
if p.LeftNode != nil {
p.LeftNode.InOrderCore()
}
fmt.Println(p.Data)
if p.RightNode != nil {
p.RightNode.InOrderCore()
}
}
func (this *BST) Insert(v interface{}) bool {
p := this.Root
if p == nil {
return false
}
for p != nil {
compareRes := this.CompareFun(v, p.Data)
if compareRes == 0 {
return false
} else if compareRes > 0 {
if p.RightNode == nil {
p.RightNode = NewNode(v)
return true
}
p = p.RightNode
} else if compareRes < 0 {
if p.LeftNode == nil {
p.LeftNode = NewNode(v)
return true
}
p = p.LeftNode
}
}
return false
}
func (this *BST) Delete(v interface{}) bool {
var pp *Node = nil
p := this.Root
deleteLeft := true
// 1.找到此待删除节点
for p != nil {
compareRes := this.CompareFun(v, p.Data)
if compareRes < 0 {
pp = p
deleteLeft = true
p = p.LeftNode
} else if compareRes > 0 {
pp = p
deleteLeft = false
p = p.RightNode
} else {
break
}
}
if p == nil {
return false
}
if p.LeftNode == nil && p.RightNode == nil {
// 删除叶子节点
if pp == nil {
// 删除根节点
this.Root = nil
return true
}
// 删除是非根节点,且无叶子节点
if deleteLeft {
pp.LeftNode = nil
} else {
pp.RightNode = nil
}
} else if p.RightNode != nil {
// 删除的节点有右子节点
// ① 找到右子树的最小左节点
pq := p
q := p.RightNode
deleteLeftInside := false
for q.LeftNode != nil {
pq = q
deleteLeftInside = true
q = q.LeftNode
}
// ② 删除此节点,最小节点
if deleteLeftInside {
pq.LeftNode = nil
} else {
pq.RightNode = nil
}
// ③ 把待删除的左右节点,追加到最小节点后
q.LeftNode = p.LeftNode
q.RightNode = p.RightNode
// ④ 最小节点,替换掉待删除节点
if pp == nil {
this.Root = q
return true
}
if deleteLeft {
pp.LeftNode = q
} else {
pp.RightNode = q
}
} else {
// 删除的节点仅有左节点
if pp == nil {
// 删除根节点
this.Root = p.LeftNode
return true
}
if deleteLeft {
pp.LeftNode = p.LeftNode
} else {
pp.RightNode = p.LeftNode
}
}
return true
}
func main() {
bst := NewBst(3, CompareFun)
bst.Insert(2)
bst.Insert(1)
bst.Insert(7)
bst.Insert(6)
bst.Insert(5)
bst.Insert(8)
bst.InOrder()
bst.Delete(2)
bst.InOrder()
fmt.Println(bst)
}
时间复杂度
从代码实现上看,二叉查找树的查找,删除,插入操作的时间复杂度,都是跟树的高度有关,跟树的高度成正比。也就是O(height)。
树的高度就等于最大层数减一,为了方便计算,我们转换成层来表示。从图中可以看出,包含 n 个节点的完全二叉树中,第一层包含 1 个节点,第二层包含 2 个节点,第三层包含 4 个节点,依次类推,下面一层节点个数是上一层的 2 倍,第 K 层包含的节点个数就是 2^(K-1)。不过,对于完全二叉树来说,最后一层的节点个数有点儿不遵守上面的规律了。它包含的节点个数在 1 个到 2^(L-1) 个之间(我们假设最大层数是 L)。如果我们把每一层的节点个数加起来就是总的节点个数 n。也就是说,如果节点的个数是 n,那么 n 满足这样一个关系:
n >= 1+2+4+8+...+2^(L-2)+1
n <= 1+2+4+8+...+2^(L-2)+2^(L-1)
借助等比数列的求和公式,我们可以计算出,L 的范围是 [log2(n+1), log2n +1]。完全二叉树的层数小于等于 log2n +1,也就是说,完全二叉树的高度小于等于 log2n。显然,极度不平衡的二叉查找树,它的查找性能肯定不能满足我们的需求。我们需要构建一种不管怎么删除、插入数据,在任何时候,都能保持任意节点左右子树都比较平衡的二叉查找树:如“AVL树”,或者不是要求严格平衡的“红黑树“,这些平衡二叉查找树的高度接近 logn,所以插入、删除、查找操作的时间复杂度也比较稳定,是 O(logn)。