王道-考研-数据结构-二叉排序树

二叉树的应用

1. 二叉排序树

BST,也称二叉查找树。

二叉排序树或者为空树,或者为非空树,当为非空树时有如下特点:

  • 若左子树非空,则左子树上所有结点关键字值均小于根结点的关键字。
  • 若右子树非空,则右子树上所有结点关键字值均大于根结点的关键字。
  • 左、右子树本身也分别是一棵二叉排序树。
\[左子树结点值 < 根结点值 < 右子树结点值 \]

二叉排序树的中序遍历序列是一个递增有序序列。

1.1. 查找

  1. 二叉树非空时,查找根结点,若相等则查找成功;
  2. 若不等,则当小于根结点值时,查找左子树;当大于根结点的值时,查找右子树。
  3. 当查找到叶结点仍没查找到相应的值,则查找失败。
// T 为二叉排序树
// key 为查找的值
BSTNode *BST_Search(BiTree T, ElemType key, BSTNode *&p)
{
    p = NULL;
    while (T != NULL && key != T->data)
    {
        p = T;
        if (key < T->data)
        {
            T = T->lchild;
        }
        else
        {
            T = T->rchild;
        }
    }
    return T;
}

时间复杂度:\(O(h)\)。(\(h\) 为二叉排序树的高度)

1.2. 插入

  1. 若二叉排序树为空,则直接插入结点;
  2. 若二叉排序树非空,
    1. 当值小于根结点时,插入左子树;
    2. 当值大于根结点时,插入右子树;
    3. 当值等于根结点时,不进行插入。
int BST_Insert(BiTree &T, keyType k)
{
    if (T == NULL)
    {
        T = (BiTree)malloc(sizeof(BSTNode));
        T->key = k;
        T.lchild = T.rchild = NULL;
        return 1;
    }
    else if (k == T->key)
    {
        return 0;
    }
    else if (k < T->key)
    {
        BST_Insert(T.lchild, k);
    }
    else
    {
        BST_Insert(T.rchild, k);
    }
}

1.3. 构造二叉排序树

  1. 读入一个元素并建立结点,若二叉树为空将其作为根结点;
  2. 若二叉排序树非空,
    1. 当值小于根结点时,插入左子树;
    2. 当值大于根结点时,插入右子树;
    3. 当值等于根结点时,不进行插入。
void Create_BST(BiTree &T, KetType str[], int n)
{
    T = NULL;
    int i = 0;
    while (i < n)
    {
        BST_Insert(T, str[i]);
        i++;
    }
}

1.4. 删除

  • 若被删除结点 \(z\) 是叶子结点,则直接删除;
  • 若被删除结点 \(z\) 只有一棵子树,则让 \(z\) 的子树成为 \(z\) 父结点的子树,代替 \(z\) 结点。
  • 若被删除结点 \(z\) 有两棵子树,则让 \(z\) 的中序序列直接后继代替 \(z\),并删去直接后继结点。

image

在二叉排序树中删除并插入某结点,得到的二叉排序树是否与原来相同?(可能相同,也可能不同)

1.5. 查找效率

平均查找长度(ASL)取决于树的高度。

image

2. 平衡二叉树

AVL,任意结点的平衡因子的绝对值不超过 \(1\)

\[平衡因子=左子树高度-右子树高度 \]

image

image

高度为 \(h\) 的最小平衡二叉树的结点数 \(N_h\)

\[N_h=N_{h-1}+N_{h-2}+1 \]
\[N_0=0 \]
\[N_1=1 \]

2.1. 平衡二叉树的判断

利用递归的后序遍历过程:

  1. 判断左子树是一棵平衡二叉树;
  2. 判断右子树是一棵平衡二叉树;
  3. 判断以该结点为根的二叉树为平衡二叉树。

判断条件:

  • 若左子树和右子树均为平衡二叉树;
  • 且左子树与右子树高度差的绝对值小于等于 \(1\)
  • 则平衡。

image

  • \(b\) 表示该结点的平衡性。
  • \(h\) 表示该结点的高度。
void Judge_AVL(BiTree bt, int &balance, int &h)
{
    int bl = 0, br = 0, hl = 0, hr = 0;
    if (bt == NULL)
    {
        h = 0;
        balance = 1;
    }
    else if (bt->lchild == NULL && bt->rchild == NULL)
    {
        h = 1;
        balance = 1;
    }
    else
    {
        Judge_AVL(bt->lchild, bl, hl);
        Judge_AVL(bt->rchild, br, hr);
        if (hl > hr)
        {
            h = hl + 1;
        }
        else
        {
            h = hr + 1;
        }
        if (abs(hl - hr) < 2 && bl == 1 && br == 1)
        {
            balance = 1;
        }
        else
        {
            balance = 0;
        }
    }
}

2.2. 平衡二叉树的插入

先插入,后调整。每次调整最小不平衡子树。image

2.2.1. LL 平衡旋转

image

image

2.2.2. RR 平衡旋转

image

image

2.2.3. LR 平衡旋转

image

image

2.2.4. RL 平衡旋转

image

image

3. 哈夫曼树

带权路径长度。

  • 路径长度:路径上所经理的个数。
  • 结点的权:结点被赋予的数值。

树的带权路径长度,WPL,树中所有叶结点的带权路径长度之和,记为:

\[WPL=\sum_{i=0}^nw_il_i \]

image

哈夫曼树,也称最优二叉树,含有 \(n\) 个带权叶子结点带权路径长度最小的二叉树。

3.1. 构造算法

  1. \(n\) 个结点作为 \(n\) 棵仅含有一个根结点的二叉树,构成森林 \(F\)
  2. 生成一个新结点,并从 \(F\) 中找出根结点权值最小的两棵树作为它的左右子树,且新结点的权值为两棵子树根结点的权值之和;
  3. \(F\) 中删除这两个树,并将新生成的树加入到 \(F\) 中;
  4. 重复 2、3 步骤,直到 \(F\) 中只有一棵树为止。

image

3.2. 性质

  • 每个初始结点都会成为叶结点,双支结点都为新生成的结点。
  • 权值越大离根结点越近,反之权值越小离根结点越远。
  • 哈夫曼树中没有结点的度为 \(1\)
  • \(n\) 个叶子结点的哈夫曼树的结点总数为 \(2n-1\),其中度为 \(2\) 的结点数为 \(n-1\)

3.3. 编码问题

imageimage

image

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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