本文详细介绍了AVL树和红黑树这两种平衡二叉树，包括它们的定义、性质、旋转操作、增删查改的操作以及与普通二叉搜索树的区别。AVL树通过严格的平衡条件确保高效查询，而红黑树则通过牺牲部分平衡性换取插入和删除的高效性。
文章目录
平衡二叉树
(1)平衡二叉树描述
- 一棵满二叉树和完全二叉树的组合就是平衡二叉树
- 线段树也是平衡二叉树
- 平衡二叉树的要求：
- 对于任意一个结点，左子树和右子树的高度差不能超过1
(2)平衡二叉树的搭建
我们由改版形成,源代码请看二分搜索树
(3)平衡二叉树的初始化
- 平衡二叉树在二分搜索树中引进了树的高的,平衡因子
- 在平衡因子的值的绝对值中总小于等于1的树就是平衡二叉树
- 初始化时高度必须为→,我们默认添加的是叶子节点
- 获取结点高度
- 获取结点的平衡因子
- 左子树的高度-右子树的高度
- 判断此树是否为二分搜索树
- 利用中序遍历
- 根据左右的顺序将节点存在集合中,
- 判断集合的前一个数字是否大于后一个数字
- 若大则是二分搜索树
- 判断此树是否为平衡二叉树
- 抓住性质
- 平衡因子的值的绝对值中总小于等于1的树就是平衡二叉树
- 增加操作中更新结点的高度
- 因为每次添加树的高度都需要做操作
- head.height = Math.max(getNodeHeight(head.left), getNodeHeight(head.right)) + 1;
- 树的高等于当前节点的左子树节点与右子树节点的最大值加一
- 在平衡因子的值的绝对值中总小于等于1的树就是平衡二叉树
public class MySearchTree<E extends Comparable<E>> {
private class Node {
E ele;
Node left; //左孩子
Node right;//右孩子
int height;//以该结点为根的二分搜索树高度
//构造方法
public Node(E ele) {
this.ele = ele;
left = null;
right = null;
height = 1; //只要添加那高度就为1(默认添加的是叶子结点)
}
public Node() {
this(null);
}
}
//获取结点的高度
private int getNodeHeight(Node node) {
if (node == null) {
return 0;
}
return node.height;
}
//获取平衡因子(左子树的高度-右子树的高度)
private int getBalance(Node node) {
if (node == null) {
return 0;
}
return getNodeHeight(node.left) - getNodeHeight(node.right);
}
//判断树是否为二分搜索树
public boolean isSearchTree() {
if (isEmpty()) {
return true;
}
List<E> list = new ArrayList<>();
midTraver(root, list);
for (int i = 1; i < list.size(); i++) {
if (list.get(i - 1).compareTo(list.get(i)) > 0) {
return false;
}
}
return true;
}
public void midTraver(Node node, List<E> list) {
if (node == null) {
return;
}
midTraver(node.left, list);
list.add(node.ele);
midTraver(node.right, list);
}
//判断树是否为平衡二叉树
public boolean isBalanceTree() {
return isBalanceTree(root);
}
private boolean isBalanceTree(Node node) {
if (node == null) {
return true;
}
int balance = Math.abs(getBalance(node));
if (balance > 1) {
return false;
}
return isBalanceTree(node.left) && isBalanceTree(node.right);
}
//向二分搜索树种添加结点
public void add(E ele) {
//向以root为根的二分搜索树中添加元素
root = add(root, ele);
if (!isBalanceTree()) {
System.out.println("是否二分搜索树:" + isSearchTree() + ",是否平衡二叉树:false");
}
}
//向以head为根的二分搜索树中添加元素ele
public Node add(Node head, E ele) {
//递归到底的情况
if (head == null) {
Node node = new Node(ele);
size++;
return node;
}
//变成更小的同一问题
if (head.ele.compareTo(ele) > 0) {
head.left = add(head.left, ele);
} else if (head.ele.compareTo(ele) < 0) {
head.right = add(head.right, ele);
}
head.height = Math.max(getNodeHeight(head.left), getNodeHeight(head.right)) + 1;
return head;
}
}
(4)判断该树是否为平衡二叉树测试
- 使用set中的BSTSet来进行测试
- SetDome保持不变
- 会发现此时添加的几乎都是二分搜索树
(5)AVL的左旋转和右旋转
- 维护平衡的时机
- 比如:插入的元素在不平衡结点的左侧的左侧
- 平衡二叉树的实现,需要用到旋转
- 无论添加还是删除都需要用到旋转
- 使用旋转后必须要更新节点高度先y在x
- 注:
- 右旋向上走,左旋向下走
- 右旋向上走,左旋向下走
- RR如上图所示
- 需要向左倾斜右旋转
- 会发现5的平衡因子为0,8的平衡因子为1,12的平衡因子为2
- 此时需要用到右旋转将12节点放在8节点的右子节点位置上
- LL如上图所示
- 需要向右倾斜左旋转
- 会发现12的平衡因子为0,8的平衡因子为1,5的平衡因子为2
- 此时需要用到左旋转将5节点放在8节点的左子节点位置上
- RL如上图所示 - 需要先右旋转在左旋转(y<z<x)
- 先右旋转将x元素放在最下边也就是y的右子树为z,z的右子树为x
- 在直接进行左旋转即可
- LR如上图所示
- 需要先左旋转在右旋转(y>z>x)此处y=12,z=10,x=8
- 先左旋转将x元素放在最下边也就是y的左子树为z,z的左子树为x
- 在直接进行右旋转即可
//向左倾斜右旋转
public Node rightTranslate(Node y) {
Node x = y.left;
Node T3 = x.right;
x.right = y;
y.left = T3;
//更新节点高度先y在x
y.height = 1 + Math.max(getNodeHeight(y.left), getNodeHeight(y.right));
x.height = 1 + Math.max(getNodeHeight(x.left), getNodeHeight(x.right));
return x; //返回的是根节点
}
//向右倾斜左旋转
public Node leftTranslate(Node y) {
Node x = y.right;
Node T3 = x.left;
x.left = y;
x.right = T3;
//更新节点高度先y在x
y.height = 1 + Math.max(getNodeHeight(y.left), getNodeHeight(y.right));
x.height = 1 + Math.max(getNodeHeight(x.left), getNodeHeight(x.right));
return x; //返回的是根节点
}
(5)AVL的增
-
首先需要先搞懂LL,RR,LR,RL,在上述以说明
-
AVL添加元素其实就是在二分搜索树的添加元素上作一些约束
- 即增加旋转
- 但是旋转也要旋转正确(抓住平衡因子)
-
如上图所示
- 看到第一眼就想要旋转是不行的(将图画出即可明白,会出现旋转变形)
- 但是请将其平衡因子标出
- 平衡因子的绝对值小于等于1位置的节点是不可进行旋转的,一旋转就失败
- 首先在平衡因子为-2位置的节点,不难发现一串数字7,8,9就可以进行左旋转
- 又或者看上图的平衡因子为2的节点,不难发现一串数字10,7,8不就是上面声明的LR.将头找对,即可发现规律
- 最后节点要对树的高进行维护
//向二分搜索树种添加结点
public void add(E ele) {
//向以root为根的二分搜索树中添加元素
root = add(root, ele);
if (!isBalanceTree()) {
System.out.println("是否二分搜索树:" + isSearchTree() + ",是否平衡二叉树:false");
}
}
//向以head为根的二分搜索树中添加元素ele
public Node add(Node head, E ele) {
//递归到底的情况
if (head == null) {
Node node = new Node(ele);
size++;
return node;
}
//变成更小的同一问题
if (head.ele.compareTo(ele) > 0) {
head.left = add(head.left, ele);
} else if (head.ele.compareTo(ele) < 0) {
head.right = add(head.right, ele);
}
//右旋向上走,左旋向下走
//LL
if (getBalance(head) < -1 && getBalance(head.right) <= 0) {
head = leftTranslate(head);
} else if (getBalance(head) > 1 && getBalance(head.left) >= 0) {
//RR
head = rightTranslate(head);
} else if (getBalance(head) > 1 && getBalance(head.left) < 0) {
//LR
head.left = leftTranslate(head.left);
head = rightTranslate(head);
} else if (getBalance(head) < -1 && getBalance(head.right) > 0) {
//RL
head.right = rightTranslate(head.right);
head = leftTranslate(head);
}
head.height = Math.max(getNodeHeight(head.left), getNodeHeight(head.right)) + 1;
return head;
}
(6)AVL的删
- 删和增异曲同工
- 都是需要进行树的维护但有三点需要注意
- 首先保存删除节点后的根节点Node returnNode;
- 最后删除的节点也可能是最后一个节点,需要对其进行维护,即返回空
- if (returnNode == null) {
return null;
}
- if (returnNode == null) {
- 最后就是删除所查找的不是最小结点,而是任意节点
- Node tempNode = removeElement(node.right, preNode.ele);
// 从二分搜素树中删除任意结点
public void removeElement(E ele) {
// 1、找到删除的结点
Node delNode = searchEle(root, ele);
if (delNode == null) {
throw new IllegalArgumentException("cann't find delNode！");
}
root = removeElement(root, ele);
}
// 从以node为根的二分搜索树中删除ele所在的结点
private Node removeElement(Node node, E ele) {
// 递归到底的情况
if (node == null) {
return null;
}
Node returnNode;
if (node.ele.compareTo(ele) > 0) {
node.left = removeElement(node.left, ele);
returnNode = node;
} else if (node.ele.compareTo(ele) < 0) {
node.right = removeElement(node.right, ele);
returnNode = node;
} else {
/**
* node结点就是就是要删除的结点
* 2.找到待删除的结点
* 1>只有左子树
* 2>只有右子树
* 3>左右子树都不为空(Hibbaed Deletion)
*/
if (node.left == null) {
//获取到右子树
Node rightNode = node.right;
size--;
node.right = null;
returnNode = rightNode;
} else if (node.right == null) {
//获取到左子树
Node leftNode = node.left;
size--;
node.left = null;
returnNode = leftNode;
} else {
//左右子树都不为空
//1.找到待删除的结点
//2.从待删除结点的右孩子中找到最小结点
Node preNode = mixElement(node.right);
// 3、从待删除结点的右子树中删除最小结点
Node tempNode = removeElement(node.right, preNode.ele);
//4.重新组装前驱preNode即让待删除结点的后继替换待删除结点
preNode.right = tempNode;
preNode.left = node.left;
node.left = node.right = null;
returnNode = preNode;
}
}
//维护平衡
if (returnNode == null) {
return null;
}
//右旋向上走,左旋向下走
//LL
if (getBalance(returnNode) < -1 && getBalance(returnNode.right) <= 0) {
returnNode = leftTranslate(returnNode);
} else if (getBalance(returnNode) > 1 && getBalance(returnNode.left) >= 0) {
//RR
returnNode = rightTranslate(returnNode);
} else if (getBalance(returnNode) > 1 && getBalance(returnNode.left) < 0) {
//LR
returnNode.left = leftTranslate(returnNode.left);
returnNode = rightTranslate(returnNode);
} else if (getBalance(returnNode) < -1 && getBalance(returnNode.right) > 0) {
//RL
returnNode.right = rightTranslate(returnNode.right);
returnNode = leftTranslate(returnNode);
}
returnNode.height = Math.max(getNodeHeight(returnNode.left), getNodeHeight(returnNode.right)) + 1;
return returnNode;
}
红黑树
(1)2-3树的引进
- 满足二分搜索树的基本性质
- 结点可以存放一个元素或者两个元素
- 因此：每个结点有2个或3个孩子
- 由下图得2-3树是一棵绝对平衡的树
(2)2-3树如何维护平衡的
- 如上图
- 先添加第一个元素42,不发生变化
- 在添加第二个元素37,形成一个节点存放俩个元素
- 在添加第二个元素12,形成一个节点存放三个元素
- 可以直接分裂成二分搜索树的样式
- 如上图
- 添加元素12后,可以进行组合在分裂
- 组合成一个节点存三个元素,而子节点共4个元素
- 变成124的样式可以直接分裂成为二分搜索树的样式
(3)红黑树的引进
- 红黑树与2-3树的等价
- 如上图所示(可以这样理解)
- 上图2-3树,后续共插入了3个节点,6,17,66
- 将此三个节点由黑转红
- 在分裂至下一次(即红黑树的维护)
- 注:
- 所有的红色节点都是左倾的 (要么全左倾,要么全右倾不可发生任何改变)
- 红色结点向左倾斜
- 红色结点表示融合的结点
(4)红黑树的性质即原理
- 每个节点不是红色就是黑色
- 根节点全是黑色的
- 每一个叶子结点(最后的空节点)都是黑色的
- 如果一个节点是红色的,那么他的孩子节点都是黑色的
- 从任意一个节点到叶子结点,经过的黑色节点是一样的
- 注:
- 叶子结点一定是最后的空节点
- 叶子结点一定是最后的空节点
- 如上图所示
- 此树非红黑树
- 12节点也可以拥有一个假想的空叶子结点
- 那么从15节点开始到5节点下方的叶子节点共4个黑色节点
- 从15节点到12节点下方的叶子节点共3个黑色节点
- 4!=3
- 所以该树不是红黑树
(5)红黑树与平衡二叉树的区别
- 红黑树不是平衡二叉树，而是保持“黑平衡”的二叉树
- 时间复杂度不同
- 红黑树的时间复杂度为O(2logn)
- 平衡二叉树的时间复杂度为O(logn)
- 因为红黑树是黑平衡的二叉树,万一一个黑节点一个红节点,取最大值即高为2h,时间复杂度即O(2logn)
(6)初始化红黑树
我们由改版形成,源代码请看二分搜索树
- 初始化黑色和红色
- 初始化节点，给予节点红黑判断
- 构造方法中，默认节点是红色的,因为二叉树不能向空节点添加元素，所以当我们需要添加元素时,添加的元素默认为红节点
- 获取结点的颜色
private static final boolean BLACK = false;
private static final boolean RED = true;
//结点的数据结构
private class Node {
E ele;
Node left; //左孩子
Node right;//右孩子
Boolean isRed;//节点是不是红色
//构造方法
public Node(E ele) {
this.ele = ele;
left = null;
right = null;
isRed = RED;//默认是红色节点,因为二叉树不能向空节点添加元素我们需要添加元素,添加的元素默认为红节点
}
public Node() {
this(null);
}
}
//获取颜色的方法
private Boolean getNodeColor(Node node) {
if (node == null) {
return false;
}
return node.isRed;
}
(7)红黑树的左旋转和右旋转
- 红黑树是黑平衡树，带有二叉树的部分特性，所以也需要旋转，
- 但是红黑树中红不平衡，所以需要颜色转换和颜色翻转
- 左旋转
- 如上图所示原理同平衡二叉树一致
- 每次旋转后需要更改节点颜色
- 颜色翻转
- 已有42节点，插入37和66节点
- 理解成为37,42,66三个元素共一个节点的2-3树
- 在将其分裂变成3个节点，此时42为黑色节点，37和66为红色节点，需要节点颜色转换即颜色翻转
- 右旋转
- 每次旋转后需要更改节点颜色，即37改为红色节点12和42为黑色节点
- 原理同平衡二叉树一致
//左旋转+颜色转换
private Node leftTranslate(Node node) {
Node x = node.right;
Node T2 = x.left;
node.right = T2;
x.left = node;
//颜色转换
x.isRed = node.isRed;
node.isRed = RED;
return x;
}
//右旋转+颜色转换
private Node rightTranslate(Node node) {
Node x = node.left;
Node T1 = x.right;
node.left = T1;
x.right = node;
//颜色转换
x.isRed = node.isRed;
node.isRed = RED;
return x;
}
//颜色翻转
private void flipColor(Node node) {
node.isRed = RED;
node.left.isRed = node.right.isRed = BLACK;
}
(8)红黑树的添加
- 首先必须保证根节点为黑色
- 红黑树的增需要满足三个情况
- 左旋转，右旋转，颜色翻转，三者不可缺少相辅相成
- 左旋转
- 当前节点的右子节点为红色
- 当前节点的左子节点不为红色
- 时发生旋转
- 右旋转
- 当前节点的左子节点为红色
- 当前节点的左子节点的左子节点为红色
- 时发生旋转
- 颜色翻转
- 当前节点的左子节点为红色
- 当前节点的右子节点为红色
- 时发生颜色翻转
- 三者配合可以面对LL，RL等一切情况
//向红黑树中添加结点
public void add(E ele) {
//向以root为根的红黑树中添加元素
root = add(root, ele);
//保证根节点为黑色
if (root != null) {
root.isRed = BLACK;
}
}
//向以head为根的红黑树中添加元素ele
public Node add(Node head, E ele) {
//递归到底的情况
if (head == null) {
Node node = new Node(ele);
size++;
return node;
}
//变成更小的同一问题
if (head.ele.compareTo(ele) > 0) {
head.left = add(head.left, ele);
} else if (head.ele.compareTo(ele) < 0) {
head.right = add(head.right, ele);
}
Node resuslt = head;
//是否满足左旋转
if (getNodeColor(resuslt.right) && !getNodeColor(resuslt.left)) {
resuslt = leftTranslate(resuslt);
}
//是否满足右旋转
if (getNodeColor(resuslt.left) && getNodeColor(resuslt.left.left)) {
resuslt = rightTranslate(resuslt);
}
//是否颜色翻转
if (getNodeColor(resuslt.left) && getNodeColor(resuslt.right)) {
flipColor(resuslt);
}
return resuslt;
}
(9)红黑树的删除
- 删和增异曲同工
- 都是需要进行树的维护但有三点需要注意
- 首先保存删除节点后的根节点Node resuslt ;
- 最后删除的节点也可能是最后一个节点,需要对其进行维护,即返回空
- if (resuslt ==null){
return null;
}
- if (resuslt ==null){
- 最后就是删除所查找的不是最小结点,而是任意节点
- Node tempNode = removeElement(node.right,ele);
// 从二分搜素树中删除任意结点
public void removeElement(E ele) {
// 1、找到删除的结点
Node delNode = searchEle(root, ele);
if (delNode == null) {
throw new IllegalArgumentException("cann't find delNode！");
}
root = removeElement(root, ele);
}
// 从以node为根的二分搜索树中删除ele所在的结点
private Node removeElement(Node node, E ele) {
// 递归到底的情况
if (node == null) {
return null;
}
Node resuslt;
if (node.ele.compareTo(ele) > 0) {
node.left = removeElement(node.left, ele);
resuslt= node;
} else if (node.ele.compareTo(ele) < 0) {
node.right = removeElement(node.right, ele);
resuslt= node;
} else {
/**
* node结点就是就是要删除的结点
* 2.找到待删除的结点
* 1>只有左子树
* 2>只有右子树
* 3>左右子树都不为空(Hibbaed Deletion)
*/
if (node.left == null) {
//获取到右子树
Node rightNode = node.right;
size--;
node.right = null;
resuslt= rightNode;
} else if (node.right == null) {
//获取到左子树
Node leftNode = node.left;
size--;
node.left = null;
resuslt= leftNode;
} else {
//左右子树都不为空
//1.找到待删除的结点
//2.从待删除结点的右孩子中找到最小结点
Node preNode = mixElement(node.right);
// 3、从待删除结点的右子树中删除最小结点
Node tempNode = removeElement(node.right,ele);
//4.重新组装前驱preNode即让待删除结点的后继替换待删除结点
preNode.right = tempNode;
preNode.left = node.left;
node.left = node.right = null;
resuslt= preNode;
}
}
//对删除之后以result为根的树进行相关的操作
if (resuslt ==null){
return null;
}
//是否满足左旋转
if (getNodeColor(resuslt.right) && !getNodeColor(resuslt.left)) {
resuslt = leftTranslate(resuslt);
}
//是否满足右旋转
if (getNodeColor(resuslt.left) && getNodeColor(resuslt.left.left)) {
resuslt = rightTranslate(resuslt);
}
//是否颜色翻转
if (getNodeColor(resuslt.left) && getNodeColor(resuslt.right)) {
flipColor(resuslt);
}
return resuslt;
}
（10）为什么有了二叉搜索树还需要AVL树和红黑树
- 平衡树（AVL）是为了解决 二叉查找树（BST）退化为链表的情况。
- 红黑树（RBT）是为了解决 平衡树 在删除等操作需要频繁调整的情况。
扫一扫
172
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
